Návrh AI modelu pro automatickou detekci vadných výrobků pomocí metod hlubokého učení – Petr Šíma
Petr Šíma
Bakalářská práce
Návrh AI modelu pro automatickou detekci vadných výrobků pomocí metod hlubokého učení
Design of AI model for the automatic identification of defective products using deep learning
Anotace:
Hlavní cíl této práce spočívá v návrhu modelu umělé inteligence, schopného vyhodnotit vadnost výrobku na základě analýzy jeho fotografie. Teoretická část se proto zabývá problematikou automatizace kontroly kvality a stručně popisuje současný stav poznání v této oblasti. Dále vymezuje základní pojmy z oblasti strojového vidění a umělé inteligence, skrze které se dostává k popisu strojového a hlubokého …víceAbstract:
The main objective of this work is to design an artificial intelligence model capable of evaluating the defectiveness of a product based on the analysis of its photograph. Therefore, the theoretical part initially deals with the issue of automation of quality control and briefly describes the current state of knowledge in this field. It then defines the basic concepts of machine vision and artificial …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 28. 6. 2022
Obhajoba závěrečné práce
- Vedoucí: Ing. Iaroslav Kovalenko, Ph.D.
Citační záznam
Jak správně citovat práci
Šíma, Petr. Návrh AI modelu pro automatickou detekci vadných výrobků pomocí metod hlubokého učení. Liberec, 2022. bakalářská práce (Bc.). Technická univerzita v Liberci. Fakulta strojní
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty, autentizovaným studentům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Technická univerzita v Liberci, Fakulta strojníTechnická univerzita v Liberci
Fakulta strojníBakalářský studijní program / obor:
Strojní inženýrství / Strojní inženýrství
Práce na příbuzné téma
-
Jak zmást konvoluční neuronové síte?
Erik Daniel MURGAŠ -
Konvoluční neuronové sítě pro klasifikaci písma
Adam Podlas -
Použití konvoluční neuronové sítě pro klasifikační úlohu
Martin Petráň -
Konvoluční neuronové sítě pro detekci objektů v medicínských obrazech
Zuzana Koščová -
Konvoluční neuronové sítě pro klasifikaci objektů z LiDARových dat
Jiří Zacha -
Návrh prediktorů přesnosti pro konvoluční neuronové sítě
Šimon Šmída -
Klasifikace obrazů planktonu s proměnlivou velikosti pomocí konvoluční neuronové sítě
Jaroslav Bureš -
Neuronové sítě pro automatickou detekci log v obraze
Zbyněk Novák