Die effiziente Trennung von Materialien in LVP-Stoffströmen erfordert die präzise Erkennung und Klassifizierung von Objekten in Echtzeit. Ziel ist es, fortschrittliche KI-Algorithmen zu entwickeln, die in der Lage sind, komplexe Muster zu erkennen und darauf basierend die Materialtrennung zu steuern.

Aufgabenschwerpunkte:

• Entwicklung und Training von KI-Modellen zur Objekterkennung
• Deep Learning für die Bildklassifikation
• Automatisches Lernen zur kontinuierlichen Verbesserung der Erkennungsgenauigkeit
• Integration von Echtzeit-Datenverarbeitung für die Robotiksteuerung
• Kollaborative Mustererkennung zwischen mehreren Sensoren

Vorkenntnisse:

• Fundierte Kenntnisse in KI und Deep Learning
• Erfahrung in Python und C++ wünschenswert
• Verständnis für maschinelles Lernen und dessen Anwendung in der Robotik

Kategorien:
Forschungsbereich: Künstliche Intelligenz und maschinelles Lernen
Art der Arbeit: Masterarbeit, Studienarbeit
Technologiefeld: Recycling, Kreislaufwirtschaft, Sensorik

Bewerbungen mit Lebenslauf und aktuellem Zeugnis senden Sie bitte per E-Mail an Alexander.Schlosser@faps.fau.de. Für weitere Informationen über den Umfang und die Schwerpunkte der Arbeit stehe ich Ihnen gerne in einem persönlichen Gespräch zur Verfügung.

Kontakt: