English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Zendy Plus

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Zendy Tools

Zendy Open

Manche Oberflächen können nur zuverlässig inspiziert werden, wenn man sie mit variabler Beleuchtung beobachtet. Die automatische Umsetzung dieses Ansatzes erfordert die Erfassung und Verarbeitung von Bildserien. Jedes Bild der Serie bildet den gleichen Oberflächenausschnitt jeweils unter einem anderen Beleuchtungswinkel ab. Eine Methode wird vorgestellt, um aus solchen Bildserien rotations- und translationsinvariante Merkmale zu extrahieren. Im vorliegenden Fall werden die Invarianten durch Fuzzy-Histogramme repräsentiert. Zur Klassifikation wird eine SVM ( Support Vector Machine ) eingesetzt. Die Robustheit des Ansatzes wird am Beispiel der Klassifikation von Lackdefekten demonstriert.

technisches messen/tm. technisches messen

Invariante Merkmale zur Klassifikation von Defekten aus Beleuchtungsserien (Invariant Features for Classification of Defects Based on Illumination Series)