|
|
Automatic evaluation of fermentation degree of cocoa beans
Sedlmajer, Jakub ; Kůdela, Jakub (referee) ; Škrabánek, Pavel (advisor)
Standardní metodou zjištění výsledné kvality fermentace kakaových semen je tzv. cut-test. Při tomto testu je kakaové semeno rozříznuto na 2 poloviny, a následně je posouzeno vysoce kvalifikovaným odborníkem. Vzhledem k obrovským objemům zpracovávaného kakaa je automatizace tohoto procesu pomocí strojového vidění nevyhnutelná. Tato práce se zabývá návrhem a vytvořením softwarových nástrojů, které to efektivně umožní.
|
|
|
Application of virtual reality in the scope of Industry 4.0
Veškrna, Filip ; Škrabánek, Pavel (referee) ; Hůlka, Tomáš (advisor)
This thesis deals with the topic of Industry 4.0, the use of virtual reality technology, and the Unity3D development environment. In the practical part, an application is created that enables multiple people to connect in a virtual environment with the option of using virtual reality headset or a personal computer. The created application contains three demonstration scenes showing the possibilities of use, including a conference room, a school classroom, and an industrial hall. Each scene is enhanced with specific functions.
|
|
|
Compensation of distortions caused by movements of objects scanned by a line scan camera
Szabó, Michal ; Shehadeh, Mhd Ali (referee) ; Škrabánek, Pavel (advisor)
Tato diplomová práce se zaměřuje na kompenzaci zkreslení v datech ještěrek získaných pomocí řádkové skenovací kamery (LSC), která snímá ultrafialové (UV) vlnové délky. Dýchací pohyby během skenování způsobují zkreslení šířky trupu ještěrky, což ovlivňuje konečný snímek LSC. Práce navrhuje metody zpracování obrazu pro úpravu těchto zkreslení, včetně extrakce kontur, interpolace a vyhodnocení pomocí referenčního snímku. Metodika má za cíl minimalizovat rozdíl mezi upraveným LSC snímkem a referenčním snímkem.
|
|
| |
|
|
3D point cloud segmentation for industrial bin-picking
Šooš, Marek ; Škrabánek, Pavel (referee) ; Shehadeh, Mhd Ali (advisor)
Diplomová práca sa zaoberá segmentáciou 3D mračna bodov pre priemyselné výbery zo zásobníkov, čo je kľúčová výzva v oblasti priemyselnej robotiky. Cieľom práce je navrhnúť a implementovať efektívny algoritmus na segmentáciu a registráciu 3D bodov mračien, a tým vylepšiť presnosť, rýchlosť a efektívnosť bin-picking operácií. Prínosom diplomovej práce je prezentácia autorovho vlastného riešenia vytvárania umelo generovaných dát potrebných na trénovanie. Výsledkom práce je symbióza výhod rýchleho segmentáčného algoritmu založeného na strojovom učení, a kvalitného, robustného ale pomalého registračného algoritmu založeného na geometrickom princípe. Funkčnosť, spoľahlivosť a kvalitu vytvoreného algoritmu boli verifikované aj experimentálne na rôznych typoch objektov a rôznych datasetoch. Výsledky práce ukazujú, že navrhnutý algoritmus prináša rýchle, spoľahlivé, a komplexné riešenie problému bin-picking. Generovanie dát na mieru znižuje čas a náklady na aplikáciu takéhoto systému. V spojení s komplexným systémom riešenia problému, je možné jednoducho vytvárať riešenia pre rozmanite a špecializovane úlohy bin-pickingu. Dosiahnutými výsledkami prispieva k rozvoju metód segmentácie bodových mračien a ich aplikácií v rôznych priemyselných a vedeckých oblastiach. Zavedením navrhnutého systému do praxe, výrazne prispeje k zvýšeniu výkonnosti a spoľahlivosti navrhovanej automatickej linky.
|
|
| |
|
|
Adaptation of a centroid-based object detector on multiclass tasks
Kelbl, Jan ; Dobrovský, Ladislav (referee) ; Škrabánek, Pavel (advisor)
Tato diplomová práce demonstruje využitelnost centroid detektoru na úlohách vícetřídní detekce objektů. Teoretická část této práce se zaměřuje na základy digitálního obrazu, umělé neuronové sítě, techniky segmentace obrazu s ohledem na vícetřídní úlohy a techniky detekce objektů, obojí s využitím hlubokého učení. Praktická část se zaměřuje na adaptaci centroid detektoru na vícetřídní úlohy včetně návrhu techniky tréninku. Je zavedena nová metrika, střední lokalizační odchylka, umožňující nezkreslené vyhodnocení vícetřídního centroid detektoru. Nakonec je vícetřídní centroid detektor natrénován a vyhodnocen na třech datových sadách různé složitosti. Výsledky ukazují skvělou výkonnost centroid detektoru na vícetřídních úlohách. To je důležitým krokem k aplikaci centroid detektoru na složitější reálné úlohy.
|
|
|
Artificial method in medical image processing
Derevianko, Iryna ; Škrabánek, Pavel (referee) ; Procházková, Jana (advisor)
V této práci je implementován systém podpory rozhodování pro diagnostiku abnormalit kolenního kloubu. Navrhujeme diagnostickou metodu založenou na technologii hlubokého učení, jako jsou konvoluční neuronové sítě se specifickým rozložením řezů magnetické rezonance. Bylo implementováno webové rozhraní, které zahrnuje funkce pro stahování souborů magnetické rezonance, možnost prozkoumat libovolný řez dat z libovolného požadovaného pohledu, vytváření animací pro průběžné prohlížení a také diagnostiku procesů pomocí výše uvedených technologií umělé inteligence.
|
|
|
Evaluation of targets in shooting range based on image data
Sujová, Sára ; Šťastný, Jiří (referee) ; Škrabánek, Pavel (advisor)
The thesis describes the design and implementation of a computer vision system for evaluating targets on the shooting range using image data. The program respects the restrictions based on safety measures established by the the shooting range manager and uses an uniform system of lighting and camera placement. The work consists of several parts. The first part is the creation of the dataset and its annotation. The second part is the creation of the program. The program includes a photo of the target, which is suitably edited and divided into sub-areas in the pre-processing phase. These sub-regions are then iteratively processed by the U-NET network, which produces segmentation maps that are subsequently combined into the resulting map. The positions of the detected shots are obtained from this map. In the last part of the program, a point evaluation of the shooting session is obtained.
|
|
|
Computer Vision for Autonomous Vehicles
Lečbych, Michal ; Škrabánek, Pavel (referee) ; Shehadeh, Mhd Ali (advisor)
Percepční systémy v autonomních vozech jsou v dnešní době intenzivně zkoumaným tématem a nezbytnou součástí potřebnou k vytvoření plně autonomních vozidel. Nejprve, stručně shrneme vývoj takových systémů, vysvětlíme si různé přístupy potřebné k vytvoření percepčních systémů a zaměříme se na detekci objektů, protože to bude naše hlavní část pro námi vytvořená systém. Nový model pro detekci objektů je , spolu s několika dalšími částmi jako odhad vzdálenosti a detekce jízdních pruhů.
|
guest ::
