Year: 2026
Type: dissertation
Abstract: Tato bakalářská práce se zabývá návrhem a vyhodnocením systémů automatické optické inspekce (AOI) a detekce mikroskopických defektů na mikročočkách pro společnost Argotech a.s. Cílem práce je porovnat tři technologicky odlišné přístupy k vizuální kontrole: deterministické metody číslicového zpracování obrazu (transformace Top-Hat), klasifikaci pomocí konvoluční neuronové sítě učenou s učitelem (ResNet-18) a algoritmus pro detekci anomálií učený bez učitele využívající vektorové vyhledávání (FAISS). V rámci řešení byl sestaven hardwarový snímací systém a vytvořena reálná průmyslová datová sada obsahující 1044 anotovaných snímků. Výsledky ukázaly, že klasické algoritmické přístupy vlivem vizuální variability vzorků selhávají. Zásadním přínosem práce pro průmyslovou praxi je implementace ochranného pásma (tzv. šedé zóny) do modelů umělé inteligence, čímž se autonomní modely transformovaly na bezpečné asistenční systémy. Nejspolehlivějším řešením se stala metoda učení bez učitele, která při odeslání třetiny produkce k manuální kontrole dosáhla úplnosti 98,4 % u defektních vzorků. Práce úspěšně posloužila jako studie proveditelnosti, na jejímž základě se společnost rozhodla k plošné integraci komerčních řešení strojového učení.
Author: Darvaš, Václav
Language: Czech
Subfield: Industrial and Manufacturing Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7165500858
