Snímání a následná detekce a klasifikace vad skleněných tyčí

Abstract

Práce se zabývá automatizovanou detekcí a klasifikací vad na skleněných tyčích. Jsou analyzována předchozí řešení podobných problémů a popsán vlastní postup, v rámci kterého byly navrženy čtyři snímací soustavy využívající pokročilých optických prvků a osvětlení. Dále byly upraveny a rozšířeny analyzované metody detekce a klasifikace vad. Druhá z nich, využívající model založený na moderní architektuře Faster R-CNN, detekuje správně na jednom z datasetů 83 % vad a správně klasifikuje 77 % z nich.

This thesis focuses on the automated detection and classification of defects on glass rods. Previous solutions of similar problems are analysed and a new approach is proposed. Four camera systems using advanced optical components and lighting are designed. Also, analysed defect detection and classification methods are modified and extended. One of them using a model based on the modern Faster R-CNN architecture is able to detect 83 % of defects and to correctly classify 77 % of them.