Masterarbeit (w/m/d) - Bildverarbeitung und ML zur Partikeldetektion in optischen Raumfahrtsystemen

Am Institut für Technische Physik werden Lasersysteme für Anwendungen in der Luft- und Raumfahrt sowie in den Bereichen Sicherheit und Verteidigung entwickelt. An den Institutsstandorten Stuttgart und Lampoldshausen bearbeiten WissenschaftlerInnen, Ingenieure und Techniker interdisziplinär Fragestellungen zu den Schwerpunkten Detektion von Weltraumschrott, Nachhaltigkeit in der Raumfahrt, Laser- Ferndetektion von Schadstoffen, Lasereffektoren und lasergestützte Fluginstrumentierung.

Das erwartet dich

Komplexe ESA-Missionen wie LISA oder AEOLOUS stellen sehr hohe Anforderungen an die eingesetzten Optiken, weshalb insbesondere die Vermeidung partikulärer Kontamination von Bedeutung ist. Um partikuläre Kontaminanten bereits in-situ und in Echtzeit während funktionaler Tests oder der Integrationsprozesse zu detektieren, werden Methoden zur in-situ Messung entwickelt. Softwareseitig basiert die Detektion im Kern auf einem Machine-Learning (ML) Ansatz um eine robuste Detektion auch in unterschiedlichen Umgebungen mit unterschiedlichen Lichtverhältnissen und auf unterschiedlichen optischen Oberflächen zu gewährleisten. Darüber hinaus bietet der Ansatz das Potential für Klassifizierung. In einer Vorstudie mit synthetischen Daten wurde bereits eine geeignete Architektur ausgewählt und implementiert. In einem zweiten Schritt soll der Ansatz nun auf reale Daten übertragen, validiert und bewertet werden.

Die Abteilung „Aktive Optische Systeme“ ist unter anderem auf die Optikqualifizierung für Raumfahrtmissionen spezialisiert. In diesem Kontext werden verschiedene Effekte wie laserinduzierte Kontamination und Zerstörschwellen von Laseroptiken untersucht. Darüber hinaus entwickelt die Abteilung Systeme, die thematisch in diesen Bereich fallen, beispielsweise zur Detektion und Überwachung von Kontaminationen.

Deine Aufgaben

• Einarbeitung in die ML-Pipeline und das bestehende Image Processing Framework
• Generierung von Trainingsdaten im Labor sowie quantitative Analyse des „Domain-Gaps“ zwischen synthetischen und realen Daten
• Bewertung und Optimierung der Modellrobustheit unter wechselnden Bedingungen
• Gegebenenfalls Entwicklung/Integration von Pre- und Post-Processing-Schritten zur Detektionsverbesserung
• Dokumentation der Ergebnisse

Das bringst du mit

• Studium im Bereich Informatik, Maschinenbau, Luft- und Raumfahrttechnik oder ähnlicher Ingenieurswissenschaften
• Gute Programmierkenntnisse und Vorerfahrung mit Python
• Erste Kenntnisse im Bereich Bildverarbeitung und/oder Machine Learning
• Selbständige und strukturierte Arbeitsweise

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 5670) beantwortet dir gerne:

Wolfgang Riede

Tel.: +49 711 6862 515