Automatická klasifikace geologických vzorků pomocí spektroskopie laserem buzeného plazmatu a strojového učení

Simple item page
but.committeeprof. RNDr. Tomáš Šikola, CSc. (předseda) prof. RNDr. Jiří Spousta, Ph.D. (místopředseda) prof. RNDr. Pavel Zemánek, Ph.D. (člen) prof. Ing. Ivan Křupka, Ph.D. (člen) prof. RNDr. Petr Dub, CSc. (člen) prof. RNDr. Jiří Petráček, Dr. (člen) prof. RNDr. Radim Chmelík, Ph.D. (člen) doc. Ing. Jindřich Mach, Ph.D. (člen) doc. Ing. Petr Bábor, Ph.D. (člen) doc. Ing. Radek Kalousek, Ph.D. (člen) prof. Ing. Miroslav Kolíbal, Ph.D. (člen) Ing. Petr Jákl, Ph.D. (člen) RNDr. Antonín Fejfar, CSc. (člen)cs
but.defencePo otázkách oponenta bylo dále diskutováno: Volba testovacích dat pro trénování modelu. Studentka na otázky odpověděla.cs
but.jazykčeština (Czech)
but.programPřesná mechanika a optikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorProchazka, Davidcs
dc.contributor.authorStříbrná, Kláracs
dc.contributor.refereeHrdlička, Alešcs
dc.date.created2024cs
dc.description.abstractTato práce se zabývá tvorbou databáze LIBS (Laser Induced Breakdown Spectroscopy) spekter geologických vzorků, na jejíž základě jsou pak natrénovány klasifikační modely konvoluční neuronové sítě (CNN), které slouží k automatické klasifikaci vzorků. Natrénované modely jsou následně validovány na neznámých datech a porovnány mezi sebou z hlediska spolehlivosti a času potřebného pro jejich natrénování. Motivací práce je otestovat metodu LIBS v kombinací se strojovým učením jako potenciální metodu automatické klasifikace geologických vzorků. Současná řešení jsou totiž často finančně i časově nákladná. Metoda LIBS umožňuje rychlé chemické mapování a systémy jsou ve srovnání s jinými metodami chemické analýzy standardně používanými v geologii poměrně levné. LIBS navíc umožňuje detekci lehkých prvků (např. Li, Be), které jiné metody detekovat nedokáží.cs
dc.description.abstractThis thesis focuses on creating a database of LIBS spectra from geological samples. These spectra are then used to train a Convolutional Neural Network (CNN)-based classification model for the automatic classification of the samples. The trained models are validated on unknown data and compared in terms of accuracy and training time. The aim of the thesis is to evaluate the potential of combining LIBS with Machine Learning for the automatic classification of geological samples. Current methods are often time-consuming and expensive. LIBS allows for fast chemical mapping and, compared to other methods of chemical analysis used in geology, is relatively inexpensive. Additionally, LIBS can detect light elements (such as Li and Be) that are undetectable by other methods.en
dc.description.markAcs
dc.identifier.citationSTŘÍBRNÁ, K. Automatická klasifikace geologických vzorků pomocí spektroskopie laserem buzeného plazmatu a strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2024.cs
dc.identifier.other160255cs
dc.identifier.urihttp://hdl.handle.net/11012/247764
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta strojního inženýrstvícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectLIBScs
dc.subjectspektroskopiecs
dc.subjectchemické mapovánícs
dc.subjectPCAcs
dc.subjectstrojové učenícs
dc.subjectumělé neuronové sítěcs
dc.subjectautomatická klasifikacecs
dc.subjectgeologické vzorkycs
dc.subjectminerálycs
dc.subjectpegmatitycs
dc.subjectLIBSen
dc.subjectSpectroscopyen
dc.subjectelemental mappingen
dc.subjectPCAen
dc.subjectMachine Learningen
dc.subjectArtificial Neural Networksen
dc.subjectautomatic classificationen
dc.subjectgeological samplesen
dc.subjectmineralsen
dc.subjectpegmatitesen
dc.titleAutomatická klasifikace geologických vzorků pomocí spektroskopie laserem buzeného plazmatu a strojového učenícs
dc.title.alternativeAutomatic classification of geological samples using Laser-Induced Breakdown Spectroscopy and machine learningen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2024-06-12cs
dcterms.modified2024-06-12-11:44:05cs
eprints.affiliatedInstitution.facultyFakulta strojního inženýrstvícs
sync.item.dbid160255en
sync.item.dbtypeZPen
sync.item.insts2025.03.27 10:45:55en
sync.item.modts2025.01.17 09:34:58en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta strojního inženýrství. Ústav fyzikálního inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
9.66 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
181.09 KB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_160255.html
Size:
11.56 KB
Format:
Hypertext Markup Language
Description:
file review_160255.html
Download
Collections
2024