Snímání a následná detekce a klasifikace vad skleněných tyčí
Optical rods defects detection and classification
Type of document
bakalářská prácebachelor thesis
Author
Matěj Latka
Supervisor
Novák Jakub
Opponent
Friedjungová Magda
Field of study
Znalostní inženýrstvíStudy program
Informatika 2009Institutions assigning rank
katedra aplikované matematikyRights
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
Show full item recordAbstract
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.
Collections
- Bakalářské práce - 18105 [244]