Kontrola kvality zděných konstrukcí pomocí umělé inteligence
Quality Control of Masonry Structures using Artificial Intelligence
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Adam Štrejn
Vedoucí práce
Usmanov Vjačeslav
Oponent práce
Kovářík Michal
Studijní program
StavitelstvíInstituce přidělující hodnost
katedra technologie stavebObhájeno
2025-06-26Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tématem bakalářské práce je kontrola kvality zděných konstrukcí pomocí umělé inteligence. Cílem práce je zjištění využitelnosti umělé inteligence při kontrole kvality zdiva pomocí analýzy správnosti převazby zdících prvků. První část práce se zaměřuje na aktuální stav AI se stavebnictvím a na důležitost managementu a kontroly kvality. Následující část je věnovaná praktickému příkladu, kdy nasbíraná data ve formě fotografií byla využita pro trénování AI modelu navrženého na základě přetrénované neuronové sítě ResNet50. Model byl následně ověřen na testovací sadě dat. Konečná přesnost modelu dosahovala při učení hranice 99,9 %. Při vložení testovací sady dat byla finální přesnost 60 %, což bylo způsobeno malým počtem dat při učení modelu. The theme of the thesis is quality control of masonry structures using artificial intelligence. The aim of the thesis is to determine the applicability of AI in quality assessment of masonry by analyzing the correctness of brick bond patterns. The first part of the work focuses on the current state of AI in construction and the importance of quality management and control. The following section presents a practical example, in which image data was collected and used to train an AI model based on the pre-trained neuron network ResNet50 architecture. The model was subsequently validated using a test data set. While the training accuracy reached 99.9 %, the final accuracy on the test set was 60 %, due to the limited amount of training data.
Kolekce
- Bakalářské práce - 11122 [714]