HAUŽVIC, F. Detekce a klasifikace vad panelů fotovoltaických elektráren z termokamery dronu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.

Posudky

Posudek vedoucího

Bambušek, Daniel

Pan Haužvic se zadání zhostil svědomitě a pečlivě. Pracoval samostatně, pravidelně konzultoval, probádal a vyzkoušel netriviální algoritmy a metody počítačového vidění a prokázal schopnost nastudovat a vyřešit zadaný problém. Vytvořil funkční řešení pro ruční anotaci fotovoltaické elektrárny a následnou automatickou detekci vad jednotlivých panelů. Výsledné řešení bude využito jako základ pro navazující práce.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Informace k zadání Téma vychází z konzultací s odborníkem z praxe a cílí na prozkoumání možností automatizace stávajícího procesu detekce vad panelů fotovoltaických elektráren. Problematiku lze rozdělit až do tří samostatně nosných bakalářských prací – 1) tvorba fotomozaiky, 2) detektor vad, 3) GUI pro práci s mozaikou a anotacemi elektrárny a vad. Pan Haužvic se zaměřil především na problematiku automatické detekce vad, kdy vyzkoušel jak klasické metody počítačového vidění pomocí OpenCV, tak přístup pomocí neuronových sítí. Výsledné řešení, založené na neuronových sítích, tak přesahuje rámec bakalářského studia. Pan Haužvic pak navíc nad rámec zadání navrhl a implementoval i funkční GUI pro správu a prohlížení detekovaných vad a možné anotace fotovoltaické elektrárny. 
Práce s literaturou Student si sám aktivně vyhledával relevantní literaturu.
Aktivita během řešení, konzultace, komunikace Pan Haužvic byl aktivní v průběhu celého roku, pravidelně konzultoval další postup a vždy přinášel nové poznatky.
Aktivita při dokončování Praktická i textová část práce byly dokončeny v dostatečném předstihu a jejich obsah byl řádně konzultován.
Publikační činnost, ocenění Práce byla prezentována na konferenci Excel@FIT 2024.
Navrhovaná známka
A
Body
95

Posudek oponenta

Materna, Zdeněk

Práce se věnuje zajímavému a aktuálnímu tématu. Výsledná aplikace je funkční, vznikla ve spolupráci s expertem z praxe a nejspíše bude v praxi i využívána. Slabou stránkou je zvolený přístup (případně jeho popis), nejasné nakládání s daty (co je vstupem), nedostatečné vyhodnocení a finálně také absence datové sady.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Náročnost zadání Zadání je spíše obtížnější, protože vyžadovalo seznámení s problematikou vad FV panelů a s konvolučními neuronovými sítěmi.
Rozsah splnění požadavků zadání Zadání je splněno ne zcela ideálně. Nejvážnější výhrady mám k provedení průzkumu stávajících přístupů (bod zadání č. 2), kdy existující metody pro automatickou detekci vad panelů (kapitola 2.3) jsou popsány na pouhé polovině stránky. Příliš důvěry nebudí také provedené testování (bod zadání č. 5), kdy bylo provedeno několik experimentů s trénováním, ale samotné testování je odbyto jednou tabulkou bez jakéhokoliv komentáře (jsou výsledky dobré, špatné, proč jsou ta čísla taková jaká jsou?). Nadto, práce na zadání probíhala ve spolupráci s expertem v oboru a tak snad mohla být také vyhodnocena použitelnost výsledné aplikace, případně kolik času reálně tento stupeň automatizace inspekce ušetří proti stávajícímu stavu. Na druhou stranu bylo nad rámec zadání vytvořeno poměrně propracované GUI.
Rozsah technické zprávy
Prezentační úroveň technické zprávy 70 Práce je na první pohled standardně strukturovaná. Při bližším zkoumání mi ale nebylo jasné proč se například vždy nejdříve řeší detekce vad a až potom detekce panelů. Čekal bych že nejdříve je třeba detekovat panely a následně na jednotlivých detekovaných panelech hledat vady. Tato (zdánlivá?) nelogičnost možná souvisí s tím, že v práci není popsáno co je vlastně vstupem - zřejmě jsou to jednotlivé termosnímky a pak jakási tajemná fotomozaika, u které není nikde zmíněno kdy a jak vzniká, pouze v závěru je uvedeno že její tvorba není předmětem práce. Text také zbytečně rozebírá věci které souvisí s řešeným problémem jen okrajově nebo prakticky vůbec (drony a speciálně jejich historie) a naopak se ani náznakem nevěnuje fotovoltaickým elektrárnám (alespoň náznak principu funkce panelu, typy panelů, zapojení do stringů, apod.).
Formální úprava technické zprávy 90 Práce obsahuje pouze několik drobných formálních nedostatků jako jsou chybějící mezery mezi číslem a fyzikální jednotkou, drobné formální nepřesnosti (označení bitové hloubky za přesnost). Při odkazování na jiné části textu by možná bylo vhodnější místo "sekce x.y" používat (pod)kapitola.
Práce s literaturou 70 Práce cituje dostatečné množství relevantních odborných zdrojů, ze kterých ale čerpá nemnoho informací - například pro většinu zdrojů týkajících se detekce vad panelů je pouze zmíněno jakou architekturu neuronové sítě používají, bez dalších podrobností o daném řešení.
Realizační výstup 80 Výstupem je funkční a poměrně komplexní aplikace (z popisu v textové zprávě není bohužel úplně jasný workflow), zdrojové kódy se zdají být v dobré kvalitě, dokumentované. Součástí příloh jsou natrénované modely, chybí však vytvořená a anotovaná datová sada, což brání možné reprodukci výsledků.
Využitelnost výsledků Řešení představuje praktický přínos v práci technika provádějícího inspekce FV elektráren, vyhodnocení je však slabé, porovnání s dostupnými produkty chybí úplně.
Navrhovaná známka
C
Body
75

eVSKP id 154941