REPČÍK, T. Detekce pádu a autonehody prostřednictvím Android smartphonu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Bakalářská práce studenta Tomáše Repčíka představuje vlastní řešení mobilní aplikace pro automatickou detekci pádu osoby či autohavárie. Práce má od úvodu po závěr 48 stran textu. Zadání práce vzniklo ve spolupráci s neziskovou organizací Aplikace Záchranka, kde student svoji práci konzultoval. Student přistupoval k řešení práce velmi aktivně. K jejímu vypracování musel nastudovat množství cizojazyčné odborné literatury. Po formální stránce je práce velmi kvalitní, vytknou lze jen pár drobností, např. nesprávně číslování stran, kdy číslování začíná od úvodu. Samotný text práce je přehledný a jasně formulovaný. Vlastní řešení vyústilo ve funkční prototyp mobilní aplikace pod systémem Android, která byla otestována na množství dobrovolníků. Všechny body zadání byly splněny. O kvalitě práce též svědčí vítězství ve studentské soutěži EEICT.
Předložená práce se vyznačuje svým komplexním charakterem a pojednává o postupu řešení následujících dílčích úloh: literární rešerše z oblasti detekce pádu a autonehod včetně dostupných komerčních produktů, návrh experimentálního protokolu, sběr dostatečného množství reálných dat, vypočet vybraných klasifikačních příznaků z různých typů snímaných signálů, analýza příznaků a selekce jen těch relevantních z hlediska detekce pádu a autonehody, implementace algoritmů v jazyce Python, návrh mobilní aplikace pro Android a nakonec její zveřejnění na Google Play a testování a ladění algoritmů. Přes celkovou rozmanitost obsahové stránky je práce čtivá a srozumitelná díky logickému dělení a uspořádání kapitol, vhodné grafické prezentaci dílčích výsledků a celkem kvalitnímu formálnímu zpracování. Avšak tato komplexnost nakonec vedla k mírnému nedopatření v podobě chybějícího popisu výpočtu některých použitých parametrů („Waveletova dlžka“, „Crestov faktor“) a v podobě použití špatných pojmů „rychlost učení“ místo „koeficient učení“ a „nezávislá analýza komponent“ místo „analýza nezávislých komponent“. Na str. 29 je zmíněna změna počtu „vstupních neuronů“. Vzhledem k tomu, že v práci nakonec není uveden výsledný počet použitých příznaků, není jasné, jestli byly vyzkoušeny konfigurace sítě lišící se počtem příznaků, anebo se ve skutečnosti jednalo o počet neuronů ve skryté vrstvě. V prvním případě by bylo vhodné uvést, na základě čeho byly vybíraný příznaky v každé konfiguraci. Ve druhém případě by se jednalo o špatné pojmenování vrstev sítě. Rovněž není jasné, jak z výstupů binárního klasifikátoru byly odvozeny pravděpodobnosti pro 4 různé aktivity. Při grafickém znázornění (viz obr. 3.6-3.7) by měly být hodnoty pravděpodobnosti převedeny do běžně používaného formátu, kdy 0 odpovídá situaci, že k pádu nedošlo. Lze se domnívat, že dosažené výsledky byly do určité míry ovlivněny měřicím protokolem, kdy osoba byla požádána o omezení veškeré aktivity před a po pádu. Tento scénář ovšem nemusí odpovídat reálné situaci. I přesto je z práce vidět, že student věnoval řešení hodně času a úsilí a snažil se dosáhnout co nejslibnějších výsledků. Při návrhu a implementaci aplikace tak dbal nejenom na kvalitu detekce událostí, ale také na nízkou energetickou spotřebu a jednoduchost ovládání. Kladně hodnotím testování algoritmů za využití nezávislého hodnocení dobrovolníky. O dobrém porozumění řešené problematice svědčí, mimo jiné, podrobná diskuze výhod, limitací a možností vylepšení navrženého řešení. Zadání práce je splněno v plném rozsahu. Práci hodnotím stupněm B/87 b.
eVSKP id 118311