Automatická kontrola pneumatik pomocí skenů jejich povrchu
Loading...
Date
Authors
Toth Vaňo, Pavol
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Táto práca sa zaoberá automatickou detekciou defektov na behúni pneumatík pomocou ich hĺbkových snímok. V práci navrhnutý prístup nevyžaduje pre kontrolovanú pneumatiku jej bezchybnú referenciu. Prvým krokom je detekcia anomálií, ktorá prebieha pomocou tu predstavenej modifikácie metódy PatchCore využívajúcej opakovanie vzorov na kontrolovanej pneumatike. Následne sú s použitím hlbokých neurónových sietí Faster R-CNN a hlbokej Houghovej transformácie nájdené a odfiltrované anomálie tvorené špeciálnymi prvkami na pneumatike. Použitím navrhnutého prístupu dosiahla na pripravenej dátovej sade metrika average precision hodnotu 0,584. Najväčšou slabinou navrhnutej metódy je jej obmedzená schopnosť detekcie defektov s veľmi malou hĺbkou.
This thesis deals with automatic detection of defects on tire treads using their depth scans. The approach proposed in the thesis doesn’t require a faultless reference tire for the inspected tire. The first step is the detection of anomalies, which is done using a modification of the PatchCore method proposed in the thesis, taking advantage of the repetition of patterns on the tire tread. Subsequently, anomalies corresponding to special elements on the tire are detected using the deep neural networks Faster R-CNN and Deep Hough transform, and they are filtered out. Applying the proposed approach on the prepared dataset, the value 0.584 of Average Precision metric for detection was obtained. The biggest weakness of the proposed method is its limited ability to detect defects with a very small depth.
This thesis deals with automatic detection of defects on tire treads using their depth scans. The approach proposed in the thesis doesn’t require a faultless reference tire for the inspected tire. The first step is the detection of anomalies, which is done using a modification of the PatchCore method proposed in the thesis, taking advantage of the repetition of patterns on the tire tread. Subsequently, anomalies corresponding to special elements on the tire are detected using the deep neural networks Faster R-CNN and Deep Hough transform, and they are filtered out. Applying the proposed approach on the prepared dataset, the value 0.584 of Average Precision metric for detection was obtained. The biggest weakness of the proposed method is its limited ability to detect defects with a very small depth.
Description
Keywords
detekcia anomálií, detekcia defektov, hĺbková snímka pneumatiky, vyrovnanie pneumatiky, interpolácia nenameraných hodnôt, PatchCore, Faster R-CNN, hlboká Houghova transformácia, template matching, Local Outlier Factor, anomaly detection, defect detection, depth scan of tire, tire flattening, missing values interpolation, PatchCore, Faster R-CNN, Deep Hough Transform, template matching, Local Outlier Factor
Citation
TOTH VAŇO, P. Automatická kontrola pneumatik pomocí skenů jejich povrchu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Matematické metody
Comittee
prof. Ing. Tomáš Vojnar, Ph.D. (předseda)
Ing. Martin Hrubý, Ph.D. (člen)
Ing. Aleš Smrčka, Ph.D. (člen)
Dr. Ing. Petr Peringer (člen)
Ing. Radek Hranický, Ph.D. (člen)
Ing. Ondřej Lengál, Ph.D. (člen)
Date of acceptance
2024-06-20
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení