ROSA, M. Bezpečnost kriticky významných osob s pomocí nositelného zařízení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Diplomová práce se zabývá využitím edge computingu pro rozpoznávání činností a detekci spánku s důrazem na efektivitu a bezpečnost. Student prokázal velmi dobrou orientaci v problematice včetně přehledu metod, návrhu architektury a realizace, na práci pracoval sám a proaktivně hledal vlastnířešení. Práce je po odborné stránce kvalitní, experimenty byly provedeny systematicky a výsledky přesvědčivě potvrzují funkčnost navrženého řešení. Zejména oceňuji vysokou klasifikační přesnost modelů a efektivní zpracování přímo na edge zařízení, které přináší výrazné úspory energie i datového přenosu. Student pracoval samostatně a technicky zdatně. Práce má praktický potenciál a výrazně překračuje standardní úroveň. Práci hodnotím jako výbornou 95b.
Zadání diplomové práce je poměrně rozsáhlé a v podstatě lze vysledovat, že diplomant Bc. Martin Rosa splnil jednotlivé body, i když ne vždy explicitně vyjádřil některé závěry jako např. srovnání se stavem ve světě, protože toto může být obtížně srovnatelné pokud nejsou použity data ze stejně umístěných zařízení i stejné třídy klasifikace, přičemž dosažené zahraniční výsledky jsou uvedeny ve stavu techniky. Nicméně mohl toto student v závěru zmínit. Práce je strukturovaná s logickým rozdělením do úvodu, 4 kapitol a závěru. 1. kapitola se věnuje způsobům rozpoznávání lidských aktivit pomocí nositelné elektroniky, ve 2. kapitole již rozebírá konkrétní metody klasifikace a ve 3. kapitole představuje některé čipy, které jsou optimalizované pro edge computing a tedy umožňují tyto metody provádět v bateriově napájených zařízeních, to je dohromady 23 stran stavu techniky. Výsledky jsou zpracované ve 4 kapitole včetně diskuse porovnávající jednotlivé výsledky a na konec závěrem, který shrnuje celou práci na jedné stránce. Obrázky jsou čitelné a názorné, velmi dobře podporují text, tabulky jsou srozumitelné, shrnující a porovnávající dílčí výsledky. Rozsah práce odpovídá požadavkům na diplomovou práci, použitá literatura je čistě v anglickém jazyce a vzhledem k počtu 71 citací spíše nadprůměrná. Zde bych poznamenal, že je velká škoda, že není celá práce také psaná v angličtině, což ale nijak nesnižuje její kvalitu, spíše by zvýšila její užitnost. V práci nechybí také seznam zkratek a symbolů, neobsahuje však všechny používané zkratky, ale pouze ty nejdůležitější. V práci je také několik drobných formálních nedostatků a chyb, včetně překlepů. Zmínil bych např. zkratku EKG, která byla v prvním uvedení v závorce poněkud nesprávně použita, protože slovo senzor do ní nepatří. V prvním odstavci strany 18 zřejmě chybí jedno slovo, správně asi má být „ pohyb počas celého dňa“. V kap. 1.7 mý být zkratka TN u „True negatives“ a v poslední větě má zřejmě být „Nesprávne negatíva sú všetky inštancie patriace do kategórie , …“. Jako drobnou poznámku bych uvedl ke kap. 1.7.5 k používání termínu veličiny elektrické spotřeby. Zde v Česku se již historicky učí, že jde o elektrickou práci značenou obvykle W s jednotkou [Ws], předpokládám, že stejně tomu tak je i na Slovensku. Navíc zařízení, které spotřebovává energii, odebírá příkon, nikoli výkon, počítáme tedy s příkonem zařízení. Práce využívá pro zpracování vybranými algoritmy některé knihovny s daty z MEMS akcelerometrů a gyroskopů odpovídající různým činnostem, přičemž pro účel v ní zmiňovaného evropského projektu byly použity 4 aktivity a spánek. Byly hledány vhodné algoritmy pro rozpoznávání vybraných aktivit pomocí vybraného čipu s konvoluční sítí, pro zajištění co nejpřesnější extrakce příznaků při co nejmenší spotřebě elektrické energie a minimalizace přenosu dat s mobilního zařízení na cloud pro finální klasifikaci. Zde je patné, že lze dosáhnout velkého snížení spotřeby energie u bateriových zařízení díky statistickým algoritmům a zároveň snížení objemu přenášených dat, což potvrzuje, že využití distribuované platformy zpracování signálů ze senzorů je velmi výhodné. Poté jsou prezentovány výsledky finální klasifikace pomocí strojového učení, které byly provedeny zvlášť pro denní aktivity a zvlášť pro spánek, kde byly výsledky o něco méně úspěšné, ale i tak s vysokým procentem úspěšného rozpoznávání. Výsledky jsou velmi slibné a ukazují možnosti využití vhodného předzpracování signálů v nositelné elektronice. Zde mám pouze jednu výtku, student zde u měření spotřeby energie zmiňuje, že docházelo k určitému stupni fluktuace, bývá vhodné uvést tento rozptyl měření v konkrétních číslech. Závěrem konstatuji, že práce splnila zadání, předkládá konkrétní řešení s velmi dobrými výsledky a má praktické využití, a proto i přes drobné chyby, které nikterak nesnižují hodnotu práce, prokázal student Martin Rosa schopnost nastudovat problematiku, nalézt technická řešení a prezentovat dle standardů běžných v praxi, takže mohu tuto práci ohodnotit stupněm výborně/91b.
eVSKP id 167313