but.committee	prof. Dr. Ing. Pavel Zemčík, dr. h. c. (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) doc. Ing. Vítězslav Beran, Ph.D. (člen) Ing. Roman Juránek, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen) Ing. Tomáš Milet, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Jak vypadá výsledná matice záměn (confusion matrix) u nejlepšího modelu na testovací sadě dat? Jak často zde dochází k záměně důležitých tříd?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie a umělá inteligence	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Zemčík, Pavel	cs
dc.contributor.author	Sýkorová, Tereza	cs
dc.contributor.referee	Dobeš, Petr	cs
dc.date.created	2022	cs
dc.description.abstract	Tato práce se zabývá problematikou klasifikace defektů, které vznikají při výrobě netkaných textilií. Úloha klasifikace vad je součástí systému pro automatickou kontrolu kvality výroby. Cílem je implementovat metodu, která bude co nejlépe klasifikovat problematické třídy defektů. Toho bylo dosaženo s využitím konvolučních neuronových sítí (CNN). Nejlepší výsledky měla síť EfficientNet, která dosáhla přesnosti 81% při vyhodnocení metodou křížové validace na dostupném datasetu. V rámci práce je provedena řada experimentů, které jsou zaměřeny na úpravu vstupních dat. Zkoumán je vliv tvaru a složení vstupních snímků na výslednou klasifikaci. Implementován byl také model CNN, který kromě obrázku využívá pro klasifikaci také další informace.	cs
dc.description.abstract	This work deals with the classification of defects that occur in the production of nonwovens. The defect classification task is part of a system for automatic production quality control. The goal is to implement a method that will classify problematic defect classes with sufficient accuracy. That was achieved using convolutional neural networks (CNN). The best results were achieved by the EfficientNet network, which had an accuracy of 81% when evaluated by cross-validation on an available dataset. Within the work, a number of experiments are performed, which are focused on the modification of input data. The influence of the shape and composition of the input images on the final classification is examined. A CNN model was also implemented, which uses additional information for classification in addition to the image.	en
dc.description.mark	C	cs
dc.identifier.citation	SÝKOROVÁ, T. Automatická analýza obrazu pro kontrolu kvality výroby textilií [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	145457	cs
dc.identifier.uri	http://hdl.handle.net/11012/207856
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	klasifikace vad	cs
dc.subject	netkané textilie	cs
dc.subject	kontrola kvality	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	zpracování obrazu	cs
dc.subject	defect classification	en
dc.subject	nonwoven fabric	en
dc.subject	quality control	en
dc.subject	convolutional neural network	en
dc.subject	image processing	en
dc.title	Automatická analýza obrazu pro kontrolu kvality výroby textilií	cs
dc.title.alternative	Automatic Image Analysis for Production Quality Control of Textile	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2022-06-20	cs
dcterms.modified	2022-06-23-09:13:57	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	145457	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:35:39	en
sync.item.modts	2025.01.15 18:08:35	en
thesis.discipline	Počítačové vidění	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Automatická analýza obrazu pro kontrolu kvality výroby textilií

Files

Original bundle

Collections