Abschlussarbeit: Self-Supervised Learning zur Umgebungslichtkompensation von Hyperspektral Imaging(m/w/x)

Ort: Karlsruhe Datum: 28.04.2025 # Abschlussarbeit: Self-Supervised Learning zur Umgebungslichtkompensation von Hyperspektral Imaging **Was Du bei uns tust** **Beschreibung** Hyperspectral Imaging (HSI) ist eine Schlüsseltechnologie bei der automatisierten Inspektion von Agrarprodukten. Sie erlaubt es, chemische und physikalische Eigenschaften von Materialien sichtbar zu machen – auch solche, die für das menschliche Auge unsichtbar sind. So können z. B. Nährstoffgehalte in Pflanzen oder Qualitätsmerkmale von Lebensmitteln nicht-invasiv erkannt werden. Unter Laborbedingungen mit konstanter Beleuchtung und standardisierter Weißreferenz ist HSI bereits etabliert. In realen Outdoor-Szenarien – wie sie z. B. in der Präzisionslandwirtschaft oder bei autonomen Umweltmonitoringsystemen vorkommen – führen jedoch stark schwankende Lichtbedingungen zu erheblichen Herausforderungen. Klassische Referenzmethoden stoßen hier an ihre Grenzen. Diese Arbeit soll einen Beitrag leisten, HSI unter freiem Himmel robuster und praxistauglicher zu machen. Ziel dieser Arbeit ist es, ein Verfahren zu entwickeln, das mittels zusätzlichem Umgebungslichtsensor und Machine Learning – insbesondere Self-Supervised Learning – eine automatische Umgebungslichtkompensation erlaubt. Die Methode soll unter realen Outdoor-Bedingungen validiert und mit konventionellen Weißreferenz-gestützten Verfahren verglichen werden. **Aufgabenstellung** Im Rahmen dieser Arbeit soll zunächst ein Überblick über bestehende Korrekturverfahren sowie Self-Supervised Learning-Ansätze in der hyperspektralen Bildverarbeitung erarbeitet werden. Anschließend wird eine eigene Messkampagne mit einem Hyperspektralsensor und einem Umgebungslichtspektrometer durchgeführt, um Daten unter variablen Lichtbedingungen zu erfassen. Basierend auf diesen Daten soll ein Self-Supervised Learning-Verfahren zur Umgebungslichtkorrektur aus der Literatur implementiert und ggf. weiterentwickelt werden. Abschließend wird das entwickelte Verfahren evaluiert und quantitativ mit klassischen Methoden, die eine Weißreferenz verwenden, verglichen. Die Ergebnisse werden dokumentiert, methodisch reflektiert und wissenschaftlich aufbereitet. **Was Du mitbringst** * Studienfach: Informatik, Mathematik, Physik, Elektrontechnik, Maschinenbau oder vergleichbare Fachrichtungen * Programmierkenntnisse in Python * Kenntnisse in Datenanalyse / Maschinellem Lernen sind von Vorteil * Bereitschaft sich in neue Themengebiete einzuarbeiten sowie eine strukturierte Arbeitsweise **Was Du erwarten kannst** * **Flexible Arbeitszeiten**: Dein Studium steht an erster Stelle – wir finden gemeinsam den passenden Rahmen. * **Individuelle Betreuung**: Profitiere von unserer professionellen Begleitung bei der Erstellung deiner Abschlussarbeit. * **Praxisnahe Projekte**: Einen spannenden Einblick in unsere Technologien für Behörden und Organisationen mit Sicherheitsaufgaben. * **Mobile Arbeit:** Wenn du magst, kannst du aber auch in Karlsruhe vor Ort arbeiten. * **Ideale Lage**: Nur wenige Minuten Fußweg vom KIT-Campus Süd und sehr gute Anbindung an den ÖPNV. * **Freiraum für Ideen**: Hohes Maß an Eigenverantwortung und die Möglichkeit, aktiv eigene Ideen einzubringen. Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. **Stellensegment:** Training, Learning, Education, Human Resources