Custom Deep Learning Model for Enhanced Defect Inspection in the printing Industry

Mohammed Mehdi SEMLANI

Diplomová práce

Abstract:

This thesis focuses on addressing the challenge of automating defect inspection in the manufacturing of fuel cells, a process that is traditionally done manually and is prone to errors. The research develops a custom deep learning model designed specifically for detecting small manufacturing defects. The model was built from scratch, utilizing a Darknet53 backbone architecture and a three-scale prediction mechanism, to provide a solution that overcomes the limitations of commercially available models, such as high costs and data privacy concerns. The goal is to enhance quality control in fuel cell production by using AI-driven inspection processes, which can improve efficiency and reliability in the renewable energy sector.

Abstract:

Tato práce se zaměřuje na řešení problému automatizace kontroly defektů v systému. výroby palivových článků, což je proces, který se tradičně provádí ručně a je náchylný k chybám. V rámci výzkumu je vyvinut vlastní model hlubokého učení navržený speciálně pro detekci malých výrobních vad. Model byl vytvořen na základě od základu, s využitím páteřní architektury Darknet53 a třístupňové predikce. mechanismu, aby poskytl řešení, které překonává omezení komerčně vyráběných dostupných modelů, jako jsou vysoké náklady a obavy o soukromí dat. Cílem je zlepšit kontrolu kvality při výrobě palivových článků pomocí kontrolních procesů řízených umělou inteligencí, což může zvýšit účinnost a spolehlivost v odvětví obnovitelných zdrojů energie. Translated with DeepL.com (free version)

Keywords

object detection, deep Learning, Fuel Cell Inspection, Transfer Learning, Hyperparameter Tun ing, Custom Anchor Boxes, Data Augmentation, Industrial Quality Control.

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 20. 8. 2024

Obhajoba závěrečné práce

• Vedoucí: prof. Ing. Markus Mayer, Dr.

JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH

Přírodovědecká fakulta

Magisterský studijní program / obor:
Artificial Intelligence and Data Science / Artificial Intelligence and Data Science