Práce se po teoretické i praktické stránce zabývá využitím metod zpracování obrazu a umělé inteligence při vývoji aplikací pro detekci výrobních vad. Textová část práce se zaměřuje zejména na implementaci aplikací, které byly vyvinuty jako součást práce. Tyto aplikace vznikly v rámci společného projektu Univerzity Pardubice a firmy ze soukromé sféry. Očekává se, že budou dále prakticky využívány.
Klíčovou roli v aplikacích hrají konvoluční neuronové sítě. Tento typ umělých neuronových sítí, využívaný zejména pro klasifikaci obrázků, roste v poslední době v oblibě. A to nejen v akademickém prostředí, ale také v praxi. Je úspěšně využíván IT giganty jako Google nebo Facebook.
Ačkoliv vyvinuté aplikace slouží primárně pro detekci výrobních vad konkrétního dílu, jsou dostatečně univerzální na to, aby byly použity pro klasifikaci libovolných obrázků za předpokladu, že uživatel poskytne dostatečně velkou množinu dat pro učení sítě.
Anotace v angličtině
This thesis covers the use of computer vision and artificial intelligence methods in development of software used for detection of manufacturing defects. The printed part of the thesis is mostly focused on the description of the implementation of applications that comprise the practical part of the thesis. These applications were developed as part of a project with a privately owned company and are expected to be used in production.
A key role in the applications is played by convolutional neural networks. This kind of artificial neural networks, used mostly for image classification, has recently been growing in popularity, both in academic and practical fields. It is being used by IT giants such as Google or Facebook.
Even though the applications are primarily used for detecting defects of a specific part, they are univarsal enough to be used for classification of any images, provided that the user supplies a large enough dataset to train the network.
Klíčová slova
Umělá inteligence, konvoluční neuronová síť, strojové učení, zpracování obrazu
Práce se po teoretické i praktické stránce zabývá využitím metod zpracování obrazu a umělé inteligence při vývoji aplikací pro detekci výrobních vad. Textová část práce se zaměřuje zejména na implementaci aplikací, které byly vyvinuty jako součást práce. Tyto aplikace vznikly v rámci společného projektu Univerzity Pardubice a firmy ze soukromé sféry. Očekává se, že budou dále prakticky využívány.
Klíčovou roli v aplikacích hrají konvoluční neuronové sítě. Tento typ umělých neuronových sítí, využívaný zejména pro klasifikaci obrázků, roste v poslední době v oblibě. A to nejen v akademickém prostředí, ale také v praxi. Je úspěšně využíván IT giganty jako Google nebo Facebook.
Ačkoliv vyvinuté aplikace slouží primárně pro detekci výrobních vad konkrétního dílu, jsou dostatečně univerzální na to, aby byly použity pro klasifikaci libovolných obrázků za předpokladu, že uživatel poskytne dostatečně velkou množinu dat pro učení sítě.
Anotace v angličtině
This thesis covers the use of computer vision and artificial intelligence methods in development of software used for detection of manufacturing defects. The printed part of the thesis is mostly focused on the description of the implementation of applications that comprise the practical part of the thesis. These applications were developed as part of a project with a privately owned company and are expected to be used in production.
A key role in the applications is played by convolutional neural networks. This kind of artificial neural networks, used mostly for image classification, has recently been growing in popularity, both in academic and practical fields. It is being used by IT giants such as Google or Facebook.
Even though the applications are primarily used for detecting defects of a specific part, they are univarsal enough to be used for classification of any images, provided that the user supplies a large enough dataset to train the network.
Klíčová slova
Umělá inteligence, konvoluční neuronová síť, strojové učení, zpracování obrazu
Postup: Cílem práce je vytvoření software pro automatickou detekci vadných výrobků založeného na technologii konvolučních sítí. Software bude umožňovat efektivní import velkého množství vizuálních dat pro vytvoření trénovací množiny, možnost hromadné úpravy dat ve smyslu oříznutí, normalizace kontrastu a identifikace klíčových částí obrázku, možnost trénování konvoluční sítě včetně vizualizace průběhu a možnost exportu výsledné sítě jako samostatné aplikace s jednoznačným rozhraním.
Teoretická část: Stručná rešerše problematiky konvolučních sítí, vývoj konvolučních sítí, rešerše nejznámějších použití.
Praktická část: Tvorba aplikace, ověření aplikace, testování různých scénářů, statistické vyhodnocení, uživatelská příručka k aplikaci, diskuse.
Zásady pro vypracování
Postup: Cílem práce je vytvoření software pro automatickou detekci vadných výrobků založeného na technologii konvolučních sítí. Software bude umožňovat efektivní import velkého množství vizuálních dat pro vytvoření trénovací množiny, možnost hromadné úpravy dat ve smyslu oříznutí, normalizace kontrastu a identifikace klíčových částí obrázku, možnost trénování konvoluční sítě včetně vizualizace průběhu a možnost exportu výsledné sítě jako samostatné aplikace s jednoznačným rozhraním.
Teoretická část: Stručná rešerše problematiky konvolučních sítí, vývoj konvolučních sítí, rešerše nejznámějších použití.
Praktická část: Tvorba aplikace, ověření aplikace, testování různých scénářů, statistické vyhodnocení, uživatelská příručka k aplikaci, diskuse.
Seznam doporučené literatury
BUDUMA, N. Fundamentals of Deep Learning. Sebastopol, CA : O?Reilly Media, Inc, 2017. 304 s. ISBN 978-1491925614
HAYKIN, S. Neural Networks. New Jersey : Prentice Hall, 1999. 845 s. ISBN 0-13-273350-1
Seznam doporučené literatury
BUDUMA, N. Fundamentals of Deep Learning. Sebastopol, CA : O?Reilly Media, Inc, 2017. 304 s. ISBN 978-1491925614
HAYKIN, S. Neural Networks. New Jersey : Prentice Hall, 1999. 845 s. ISBN 0-13-273350-1
Přílohy volně vložené
1 DVD
Přílohy vázané v práci
ilustrace, grafy, schémata, tabulky
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Diplomová práce se zabývá tvorbou komplexního software pro automatické vyhodnocování kvality svarů pomocí konvolučních neuronových sítí. Navržený a vytvořený software umožňuje úplný návrh systému pro vyhodnocování kvality pomocí přehledného grafického uživatelského rozhraní, obsahuje nástroje pro předzpracování obrazových dat, konzolovou aplikaci pro efektivní využívání navrženého systému i nástroje pro validaci a online úpravu existujícího systému.
Práce byla zkontrolována v systému IS STAG a nejedná se o plagiát.
Komise navrhuje diplomovou práci za její vynikající úroveň na studentskou cenu rektora I. stupně.