Machine vision and sensor technology (4 cr)

Evaluation scale

H-5

Content scheduling

Content:
- principles of machine vision
- camera techniques and optics
- significance of lighting
- control system connections
- RF tags and radio frequency identification
- production measurements

Objective

After a completed study unit the student
- knows the requirements of the different subareas of machine vision technology
- understands the role and significance of a camera, optics, and lighting engineering in the design of a machine vision system
- can explain the basics of digital image processing and knows several implementation techniques and examples of production system automation applications
- is familiar with the various identifier and RF tag techniques exploited in production automation, as well the possibilities of using said techniques
- understands the possibilities of exploiting production measurements to monitor the performance of machines and equipment.

Content

- principles of machine vision
- camera techniques and optics
- significance of lighting
- control system connections
- RF tags and radio frequency identification
- production measurements.

Materials

Tarvittavat materiaalit pääosin Optimassa ja esitellään kurssin alussa.

Teaching methods

Luennoilla käydään läpi yleisimpien konenäkö- ja sensoritekniikoiden perusteet. Opiskelijoille esitellään perusteet teknologioista, joita täydennetään ja syvennetään käytännön läheisillä harjoitustöillä. Harjoitustyöt tehdään pääosin ryhmätöinä mutta mukana on myös joitakin yksilötehtäviä. Harjoitustöihin on myös kytketty esitehtäviä, jotka tulee tehdä ennen harjoitusjaksoja.

Exam schedules

Tentti pidetään kurssin loppupuolella, tarkka ajankohta sovitaan kurssin alussa.
Tentti on mahdollista uusia kaksi kertaa yhteisissä uusintatenttitilaisuuksissa kurssin jälkeen.

Pedagogic approaches and sustainable development

Opintojaksolla painotetaan työelämälähtöistä toimintaa, jossa korostetaan mm. opiskelijan omaa aktiivisuutta tiedon haun ja suunnittelupainotteisten harjoitustehtävien toteutuksessa. Harjoitustehtävissä on huomioitu niin laitteistojen kuin sovellustenkin osalta teolliseen tuotantoon liittyviä toteutuksia. Suunnittelutehtävissä hyödynnetään laitetoimittajien tarjontaa valittaessa komponentteja omiin suunnittelutehtäviin. Ryhmätyönä tehtävien suunnittelutehtävien tulokset esitellään yleensä kurssin aikana. Laboratoriossa tehtävät harjoitustyöt tehdään pienryhmissä. Työt voivat olla joko neljän tunnin jaksoissa tai laajemmissa useammalla harjoituskerran kokonaisuuksissa. Harjoitustyöt dokumentoidaan raporttimuotoon harjoituksen lopussa.

Completion alternatives

Vastaava kurssi muualla suoritettuna.

Student workload

Kurssin laajuus on 4 opintopistettä, tunnit jakautuvat seuraavasti:
Luennot ja harjoitustyöt 60 % (sisältäen tentin sekä harjoitustöiden raportoinnit)
Laboratoriotyöskentely 40 % ( sisältäen raportoinnin )

Evaluation methods and criteria

Kurssin arvioinnissa huomioidaan tentin lisäksi harjoitustyöt sekä laboratorioharjoitukset. Kurssin läpäisy edellyttää tentin ja henkilökohtaisten harjoitusten sekä laboratorioharjoitusten hyväksytysti suorittamista. Harjoitustöiden osuus on 20 prosenttia ja tentin 80 prosenttia kurssin kokonaisarvioinnista.

Failed (0)

Opiskelijan tiedot ja osaaminen eivät vastaa kurssin vaatimuksia.
• pisteet < 34 %

Assessment criteria, satisfactory (1-2)

Opiskelija tunteen konenäkö- ja sensoritekniikan keskeiset käsitteet ja osaa käyttää niitä johdonmukaisesti.
• 35 %< pisteet < 47 %
• 47 %< pisteet < 60 %

Assessment criteria, good (3-4)

Opiskelija käyttää konenäkö- ja sensoritekniikan käsitteitä ja tietoja sujuvasti sekä osaa johdonmukaisesti soveltaa niitä ammatillisissa tehtävissä.
• 60% < pisteet < 73 %
• 73% < pisteet < 87%

Assessment criteria, excellent (5)

Opiskelija osoittaa konenäkö- ja sensoritekniikan teorian ja ammattikäsitteiden hyvän hallinnan ja osaa laaja-alaisesti sekä johdonmukaisesti soveltaa ammatillista osaamista eri tehtävissä.
• Pisteet > 87 %