STEHLÍČEK, K. Aplikace programovacího jazyka Python v analýze obrazu a modelování fyzikálních procesů grafenu [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2024.

Posudek vedoucího

Bartošík, Miroslav

Kamil si samostatně vybral téma související s využitím programovacího jazyka Python při analýze obrazu Ga, GaN klusterů a simulaci difuze náboje na grafenu. Při analýze obrazu našel vhodné metody pro identifikaci klusterů, založené na metodách: prahování, operace Laplaciánu-Gaussiánu, Houghově transformaci a analýze hlavních komponent, které zkombinoval a dosáhl vysoké spolehlivosti automatické identifikace objektů. Při simulacích náboje vytvořil výpočetní skripty, které umožňují predikovat a analyzovat difuzi náboje na grafenových nanozařízeních v Hallově uspořádání. Jako školitel oceňuji samostatnost a kreativnost při řešení předložených problémů, erudovanost při tvorbě skriptů, kde byla zároveň zohledněna čitelnost kódu z hlediska budoucího uživatele a především skutečnost, že všechny vytvořené skripty jsou opravdu použitelné a užitečné pro experiment. Samotná psaná diplomová práce má vynikající úroveň, neboť velmi dobře a jasně vysvětluje podstatu použitých metod, představuje i logiku jejich nasazení, a nakonec demonstruje možnosti jejich praktického uplatnění při analýze a simulaci reálného experimentu. Závěrem bych chtěl, vedle vysokých oborných schopností a dovedností, vyzdvihnout i Kamilův celkově pozitivní a rozumně optimistický lidský přístup, který je ve vědě a obecně při řešení náročných problémů důležitý, a navíc bylo radostí s takto smýšlejícím člověkem spolupracovat. Celkově hodnotím práci stupněm A.

Posudek oponenta

Képeš, Erik

Diplomová práca Bc. Kamila Stehlíčka predstavuje 2 zdanlivo odlišné témy: Na jednej strane študent prezentuje automatizáciu niekoľkých krokov procesu vyhodnocovania obrazov nanočastíc rastúcich na grafénovom substráte z elektrónového mikroskopu. Na druhej strane študent prezentuje výsledky simulácie difúzie náboja v mikroštruktúrach (rôzne geometrie hallbarov). Jasné prepojenie medzi týmito dvoma témami nie je predložené. Preto je organizácia práce náročná a v skutočnosti je jednou zo slabých stránok práce (druhou je študentovo používanie odkazov). Práca pozostáva zo štandardnej štruktúry, z úvodu, po ktorom nasledujú dve časti, a to teoretická a praktická časť a záver. Teoretická aj praktická časť sú ďalej rozdelené každá na 3 kapitoly. V úvode je dobre zhrnuté, čo si študent stanovil za cieľ, chýba však jasná motivácia, čo sťažuje zhodnotenie prezentovaných výsledkov. Konkrétne mi chýba zmienka o súčasnom stave metód analýzy obrazu, ktoré tu študent automatizuje. V kapitole 1.1 sú stručne zhrnuté vlastnosti grafénu dôležité pre túto prácu. Chýbajúca motivácia pokračuje z úvodu. Fakty o graféne sú vymenované bez uvedenia jasnej motivácie, prečo boli uvedené vlastnosti vybrané. Bez náležitého kontextu nie je jasné, aký význam má Youngov modul pre zvyšok práce. Navyše niektorým faktom chýba podpora vhodnými odkazmi (koeficient absorpcie, tepelná vodivosť, rovnica strednej voľnej dráhy). V kapitole 1.2 sú uvedené nástroje na spracovanie obrazu použité na vývoj automatizovaného analytického postupu. Úvod tejto kapitoly je podstatne lepší: stručne uvádza obsah kapitoly. Nedostatok vhodných odkazov pretrváva. Naznačuje sa, že existujú alternatívne algoritmy (hoci len vágne, bez uvedenia odkazov). Okrem toho sa neuvádza žiadne zdôvodnenie uskutočnených volieb. Pri niektorých metódach chýbajú dôležité detaily: Na aký druh údajov sa aplikuje PCA na určenie orientácie objektov? Kapitola 1.3 je venovaná difúzii. Difúzna rovnica je stručne odvodená a sú uvedené tri bežné numerické stratégie na jej riešenie, aj keď skôr minimalistickým spôsobom. Časť 2 predstavuje skutočnú prácu, ktorú študent vykonal. Kapitola 2.1. porovnáva niekoľko možností jednotlivých krokov spracovania obrazu. Často chýba jasné kvantitatívne (alebo dokonca kvalitatívne) porovnanie a uvádzajú sa len závery. Často chýba referenčná hodnota na hodnotenie niektorých metód. Tam, kde je prítomný, sa ako referenčná hodnota používa ľudský hodnotiteľ. Porovnaniu však chýba štatistické testovanie. Študent si všimol pravdepodobnú chybu v grafe znázorňujúcom časový vývoj počtu guľôčok vo vybranom segmente obrazu v závislosti od teploty a uvádza viacero možných vysvetlení. Napriek tomu sa neuskutočňuje žiadne následné vyšetrovanie. Kapitola 2.2. Prezentuje výsledky modelovania povrchovej vodivosti rôznych geometrií hallbarov. Vybrané geometrie sú porovnané s experimentálnymi výsledkami. Tieto výsledky sú prezentované podstatne kvantitatívnejším spôsobom ako v predchádzajúcej kapitole. Kapitola 2.3. rozširuje spracovanie obrazu o ďalšiu aplikáciu: detekciu smerov nanoštruktúr. Toto považujem za vrchol práce. Študent použil kreatívnu kombináciu nástrojov na spracovanie obrazu na automatizáciu inak zdĺhavej manuálnej práce. Drobné pripomienky: - Časť literatúry sa spravidla nečísluje. - Organizácia úvodu je zavádzajúca: začínajúc Pythonom má čitateľ dojem, že predmetom práce je aplikácia Pythonu, t. j. softvérové inžinierstvo. - Časť 1.1.1 je podľa môjho názoru nesprávne pomenovaná, keďže sa zameriava na grafén, a nie na fyziku uhlíka. - Časť Prílohy má nesprávny záhlavie. - Seznam příloh by mal byť pomenovaný přílohy. - "Laplacian of Gaussan" by sa mal písať s veľkým G. - Konkrétne kroky spracovania obrazu sú uvedené názvom ich implementácie v jazyku Python. Ocenil by som odkazovanie na metódy pomocou jednoduchého jazyka. (Samozrejme, odkaz na metódu v jazyku Python je vítaný.) - Povrchová vodivosť sa uvádza v jednotkách ohmov. - 2. derivácia má extrém (minimum na obrázku 1.8) v „bode prechodu nulou“, nie maximum. - Práca obsahuje neformálne a nejasné formulácie, napr, “Z obrázku 1.3 tedy plyne, že je potřeba najít číslo t tak, aby byla obě rozdělení co nejdále od sebe.” “Úkolem k první úloze bylo zpracovat obrazy…” Hlavné pripomienky: - Odkazy sa riadia viacerými štýlmi, niektoré sú neúplné ([15]). - Chýbajúce odkazy (rovnica 1.5, použitá knižnica (knižnice) Pythonu). - Viaceré aspekty prezentovaných výsledkov sa zdajú byť vágne. Napríklad vplyv prahovania obrazu (2.1.3) by sa mohol kvantifikovať vzhľadom na jednoduchý predpoklad o tvare guľôčok prezentovaný na obr. 2.3. Ďalším príkladom je záverečná veta v odseku 2.1.5. - Pri prezentácii časovej náročnosti výpočtov nie je relatívna časová náročnosť dvoch metód jediným dôležitým faktorom. Ak je metóda trikrát pomalšia, ale stále beží v mikrosekundách a počet spracovaných obrázkov nie je v miliónoch, rozdiel nie je podstatný. Preto by som očakával aj prezentované absolútne hodnoty. - Vo vedeckých prácach by sa malo vyhýbať výrazu „To je podľa nášho názoru“ (str. 26). Vplyv prahovania sa dá kvantitatívne odhadnúť. Okrem toho môže neistotu vniesť aj ľudský hodnotiteľ. Napokon, vzhľadom na neistoty na obrázku 2.9 nemusí byť rozdiel štatisticky významný. - Na obrázku 2.9 nie je zrejmé, ako boli štandardné odchýlky získané. Celkovo odporúčam prácu k obhajobe. Ciele práce boli síce dosiahnuté, ale výsledky by sa mohli skúmať podrobnejšie. Za nedostatočnú považujem organizáciu práce a prácu študenta s odkazmi. Preto prácu hodnotím celkovou známkou B.

eVSKP id 158265