Využití metod strojového učení pro testování kvality průmyslových výrobků
Year: 2021
Type: dissertation
Abstract: AbstraktHlavním úkolem diplomové práce je rozbor strojového učení pro vizuální inspekce výrobků.Konkrétně vyhodnocení povrchových defektů na výrobcích.Oblast strojového učení zahrnuje širokou škálu algoritmů, ale pro diplomovou práci bylo rozhodnuto se zaměřit pouze na oblast hlubokého učení a konvolučních neuronových sítí.Na začátku byla provedena rešerše oblasti inspekce povrchových defektů za využití neuronových sítí.Následoval rozbor nástrojů využitých pro vývoj neuronových sítí a s tím souvisejících knihoven.Poslední částí byla praktická realizace ve formě vytvoření modelu pro segmentační úlohu a natrénování na datasetu SMD součástek.V této práci jsou srovnány dva přístupy.První byl ve využití komerčního programu Cognex Deep Learning Studio a jeho nástrojů pro trénování modelů hlubokého učení.A druhý přístup byl v implementaci U-Net a SegDecNet architektur pomocí knihovny TensorFlow.V případě architektury U-Net byl navržený ještě doplňující test, spočívající v porovnání výsledků při trénování na celých snímcích anebo na snímcích, které byly rozděleny na menší části s definovaným překryvem.Program Cognex Deep Learning Studio byl mimo jiné využitý pro anotaci datasetu SMD součástek.Výsledkem jsou evaluační metriky, které srovnávají model z komerční program Cognex Deep Learning Studio a implementovaných architektury U-Net a SegDecNet.
Source: DSpace VŠB-TUO (VŠB-TUO)
Author: Štefanský, Jakub
Institution: VSB - Technical University of Ostrava
Language: Czech
Subfield: Industrial and Manufacturing Engineering
Field: Engineering
Domain: Physical Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7062814023
