Original title: Využití umělé inteligence při analýze kompozitních materiálů
Translated title: The use of artificial intelligence in the analysis of composite materials
Authors: MIKUDA, Martin
Document type: Master’s theses
Year: 2025
Language: cze
Abstract: [cze] [eng]
Tato práce pojednává o možnostech využití modelu konvoluční neuronové sítě YOLO verze 11 na aplikaci zkoumání úlomků vzniklých při opracování kompozitních materiálů. Pro natrénování neuronové sítě byly získány SEM snímky vlákenných fragmentů CFRP kompozitního materiálu. Byl stanoven postup pro získávání dalších vzorků pro snímkování pomocí elektronového mikroskopu. Pro odstranění zbytků matrice byla zvolena metoda vyžíhání za přístupu vzduchu. Teplota potřebná pro vyžíhání vzorků byla stanovena na 500 °C. Pro postup vyžíhání za přístupu vzduchu byly určeny jako vhodné kompozitní materiály s disperzí z uhlíkových a skelných vláken. Kompozity využívající disperzi z aramidových vláken byly vyhodnoceny jako nevhodné pro vyžíhání z důvodu teploty tání blízké teplotě 500 °C. Pro vytrénování neuronové sítě byla vytvořena sada syntetických snímků, pro které byl stanoven přesný algoritmus výroby. Vytrénovaná neuronová síť dosahovala Recall 93 %, Precision 93 %, mAP50 98 % a mAP50-95 74 %. Ze vzájemných vztahů Precision-Recall, Recall-Confidence a Precision-Confidence byly zjištěny možné vysoké prahy nastavení požadovaných přesností pro vytrénovaný model. Z výsledků použitých metrik se vytrénovaná neuronová síť jeví jako spolehlivá při identifikaci vláken. Při ověření strojového vidění operátorem došlo k nalezení množství chyb v určování délky. Vytrénovaný model nedokázal přesně zaměřit konce jednotlivých vláken. Docházelo k identifikaci dlouhých vláken jako dvě kratší. Z konfrontace výsledků a vizuální kontroly snímků operátorem bylo určeno, že konvoluční neuronová síť YOLO ve své nativní podobě není vhodná pro tuto aplikaci. This work discusses the possibilities of using the YOLO version 11 convolutional neural network model for the application of examining fragments resulting from the processing of composite materials. SEM images of fiber fragments of CFRP composite material were obtained for training the neural network. A procedure for obtaining additional samples for imaging using an electron microscope was determined. The method of annealing in air was chosen to remove matrix residues. The temperature required for annealing the samples was determined to be 500 °C. Composite materials with carbon and glass fiber dispersions were determined as suitable for the annealing in air procedure. Composites using aramid fiber dispersions were evaluated as unsuitable for annealing due to the melting temperature close to 500 °C. A set of synthetic images was created for training the neural network, for which a precise production algorithm was determined. The trained neural network achieved Recall 93%, Precision 93%, mAP50 98% and mAP50-95 74%. From the Precision-Recall, Recall-Confidence and Precision-Confidence relationships, possible high thresholds for setting the required accuracy for the trained model were identified. From the results of the metrics used, the trained neural network appears to be reliable in identifying fibers. When verifying the machine vision by the operator, a number of errors were found in determining the length. The trained model was unable to accurately target the ends of individual fibers. Long fibers were identified as two shorter ones. From the confrontation of the results and the visual inspection of the images by the operator, it was determined that the YOLO convolutional neural network in its native form is not suitable for this application.
Keywords: automatic detection.; Carbon fibers; machine vision; synthetic images; YOLO; automatická detekce.; strojové vidění; syntetické snímky; Uhlíková vlákna; YOLO
Citation: MIKUDA, Martin. Využití umělé inteligence při analýze kompozitních materiálů. České Budějovice, 2025. diplomová práce (Mgr.). JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH. Pedagogická fakulta

Institution: University of South Bohemia in České Budějovice (web)
Document availability information: Fulltext is available in the Digital Repository of University of South Bohemia.
Original record: http://www.jcu.cz/vskp/77282

Permalink: http://www.nusl.cz/ntk/nusl-688229


The record appears in these collections:
Universities and colleges > Public universities > University of South Bohemia in České Budějovice
Academic theses (ETDs) > Master’s theses