Year: 2026
Type: dissertation
Abstract: Práce se věnuje návrhu a realizaci laboratorního pracoviště pro automatizovanou klasifikaci strojních součástí pomocí metod hlubokého učení.V teoretické části jsou analyzovány principy konvolučních neuronových sítí a jsou popsány architektury AlexNet a GoogLeNet.Praktickým výstupem práce je mechatronický model rotační plošiny poháněný DC motorem s L298N můstkem.Řízení a sběr dat zajišťuje mikropočítač Raspberry Pi 5 v součinnosti s prostředím MATLAB, kde byla vytvořena uživatelská aplikace v App Designeru pro reálný monitoring a ovládání.Experimentální část práce se zaměřuje na vytvoření vlastní datové sady pro devět typů součástí a následné srovnání úspěšnosti klasifikace a výpočetní náročnosti mezi sítěmi AlexNet, GoogLeNet a MobileNetV2.Výsledkem je funkční systém dosahující vysoké přesnosti rozpoznávání v reálném čase.
Source: DSpace VŠB-TUO (VŠB-TUO)
Author: Musil, David
Institution: VSB - Technical University of Ostrava
Language: Czech
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7208295844