Original title: Detekce povrchových defektů kovových dílů pomocí neuronových sítí
Translated title: Surface defect detection of metal parts based on neural networks
Authors: Hadwiger, Tomáš ; Jonák, Martin (referee) ; Ježek, Štěpán (advisor)
Document type: Bachelor's theses
Year: 2024
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato práce je zaměřená na problematiku detekci povrchových anomálií na kovových dílech. Cílem bylo implementovat různé architektury neuronových sítí s použitím metody CutPaste a poměřit jejich výsledky na třídách tří různých datových množin: MVTec AD, MPDD a MPDD2. Pro třídy objektů množiny MVTeC AD se ukázala jako nejpřesnější architektura ResNet-18 s přesností 84,45 AUROC, pro materiály to byla architektura EfficientNet s průměrnou přesností 87,22 AUROC. Pro množiny MPDD a MPDD2 byla naměřena jako nejpřesnější architektura ResNet50 s průměrnou přesností 88,64 a 61,10 AUROC. Podle naměřených hodnot je množina MPDD2 nejtěžší pro detekci anomálií. The goal of this thesis is focused on surface anomaly detection on metal parts. The goal was to implement different neural network architectures using the method CutPaste and compare them on three different datasets: MVTec AD, MPDD, MPDD2. For the object classes of the dataset MVTec AD the most accurate architecture turned out to be ResNet-18 with average precision of 84,45 AUROC, for the materials it was the EfficientNet architecture with average precision of 87,22 AUROC. For the MPDD and MPDD2 datasets, the most accurate architecture was ResNet50 with average precision of 88,64 AUROC and 61,10 AUROC respectively. Based on the measure values, the most difficult dataset for anomaly detection turned out to be MPDD2.
Keywords: anomaly detection; automation; computer vision; industrial quality control; neural networks; automatizace; detekce anomálií; neuronové sítě; počítačové vidění; průmyslová kontrola kvality

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: https://hdl.handle.net/11012/246543

Permalink: http://www.nusl.cz/ntk/nusl-618147


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses