but.committee	prof. Dr. Ing. Pavel Zemčík, dr. h. c. (předseda) prof. Dr. Ing. Jan Černocký (místopředseda) doc. Ing. Radim Burget, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen)	cs
but.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 oponenta a na otázku přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm velmi dobře (B) . Otázky u obhajoby: Používá se váš systém přímo ve výrobě? Z čeho vycházejí požadavky? Snímkovací frekvenci, kterou umožňuje rychlost vašeho systému i kamery, které používáte, jsou vzhledem ke kontrolovaným výrobkům poměrně nízké. Doopravdy postačuje tak nízká rychlost? Jak přesně byly získány datové sady? Jak si vysvětlujete dokonalou úspěšnost rozpoznávání defektů? S jakou nejmenší trénovací sadou takové úspěšnosti dosahujete? Zkoušel jste použít nějakou menší a rychlejší síť?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Zemčík, Pavel	cs
dc.contributor.author	Kruták, Martin	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.created	2019	cs
dc.description.abstract	Cílem této práce je vytvořit postupy pro celkovou, automatickou a bezdotykovou kontrolu kvality výrobku (diabolky). Problém kontroly je rozdělen na dvě části. První část je přesné měření rozměrů diabolky - její délka a průměr hlavičky tak, aby toto měření bylo přesné a dostatečně rychlé. Takového měření je dosaženo pomocí algoritmů pracujících se sub-pixelovou přesností pomocí aproximace gradientů polynomy. V druhé části je kontrola vad diabolky jako jsou podélné rýhy či vrypy v sukýnce (smajlíci), a to za pomocí konvolučních neuronových sítí. Výsledkem jsou měřící moduly pracující s přesností do 0,025 mm v případě měření délky a do 0,01 mm při měření hlavičky. V detekci vad diabolek, vykazuje neuronová síť velmi vysokou úspěšnosti klasifikace. Přínosem této práce je prezentace inovativních přístupů v automatické kontrole kvality výrobků za použití neuronových sítí, demonstrace jejich použití a využití v reálné výrobě.	cs
dc.description.abstract	The goal of this thesis is to create overall, automatic and non-contact quality control of a pellet. The issue is divided into two separate parts. The first part deals with precise dimensional measuring of pellet - its length and head diameter so that it is precise and reasonably fast. Precise measuring is achieved with help of algorithms which achieve the sub-pixel precision by polynomial approximation of the edges extracted from the image gradients. The second part deals with the defects of a pellet. Detecting defects like longitudinal furrows or skirt cuts is achieved with convolutional neural networks. The measurement modules work with the resulting precision up to 0.025 mm in case of length measuring and up to 0.01 mm in case of head diameter measuring. In case of defect detections, neural network shows very high classification success rate. The contribution of this thesis is a presentation of innovative approaches in automatic quality control of pellets with use of neural networks and a demonstration of its usage in real manufacturing process.	en
dc.description.mark	B	cs
dc.identifier.citation	KRUTÁK, M. Automatická kontrola kvality výrobku z obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121878	cs
dc.identifier.uri	http://hdl.handle.net/11012/180336
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	Konvoluční neuronové sítě	cs
dc.subject	měření rozměrů výrobku	cs
dc.subject	povrchová detekce defektů	cs
dc.subject	počítačové vidění	cs
dc.subject	strojové učení.	cs
dc.subject	Convolutional neural networks	en
dc.subject	dimensional measurement	en
dc.subject	surface defects detection	en
dc.subject	computer vision	en
dc.subject	machine learning.	en
dc.title	Automatická kontrola kvality výrobku z obrazu	cs
dc.title.alternative	Automatic Industrial Quality Control from Image	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2019-06-19	cs
dcterms.modified	2019-07-08-13:31:16	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121878	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:28:30	en
sync.item.modts	2025.01.15 14:55:18	en
thesis.discipline	Počítačová grafika a multimédia	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 kontrola kvality výrobku z obrazu

Files

Original bundle

Collections