|
|
Quality Assurance Network
Ježek, Jiří ; Maradová, Karla (oponent) ; Rozehnalová, Jana (vedoucí práce)
Bakalářská práce pojednává o zvýšení kvality výrobního procesu pomocí QA network. Nástroj graficky mapuje vznik a detekci vad ve výrobním procesu tak, aby vada byla odhalena co nejdříve po jejím vzniku. K připravení Quality Assurance Network byla použita jako zdroj analýza možných příčin a důsledků (FMEA). V práci je rozebrána rešerše současného stavu z oblasti kvality – zlepšování procesu a analýzy možných příčin a důsledků. Následně je v práci realizace QA networku a poté je v závěru vlastní zhodnocení řešené problematiky.
|
|
|
Detekce vad potisku
Boček, Václav ; Boštík, Ondřej (oponent) ; Honec, Peter (vedoucí práce)
Tato práce se zabývá návrhem a realizací zařízení pro vizuální kontrolu potisku loga na propiskách. Ke snímání objektu je využito řádkové kamery. Řízení celé jednotky a zpracování pořízených dat zajišťuje mikropočítač Raspberry Pi 4, ke kterému je vytvořena rozšiřující deska pro ovládání periferií. Řízení jednotlivých prvků zařízení je implementováno v jazyku C++, algoritmy detekce v jazyku Python s využitím knihoven OpenCV a TensorFlow. Zařízení disponuje grafickým uživatelským rozhraním pro ovládání celého procesu kontroly. Na konci práce jsou uvedeny výsledky testu spolehlivosti celé kontrolní jednotky.
|
|
|
Klasifikace detekovaných vad
Janošík, Zdeněk ; Petyovský, Petr (oponent) ; Honec, Peter (vedoucí práce)
V této diplomové práci je popsán postup návrhu a realizace klasifikátoru vad detekovaných při konečné fázi výroby netkané textilie. Úvod práce je věnován analýze možností při zpracování a klasifikaci obrazu. Navazuje část, kde je popsán postup při segmentaci vad obrazu a extrakce příznakového vektoru, dále popis realizace klasifikátoru a přehled dosažených výsledků klasifikace na reálných snímcích detekovaných vad.
|
|
|
Quality Assurance Network
Ježek, Jiří ; Maradová, Karla (oponent) ; Rozehnalová, Jana (vedoucí práce)
Bakalářská práce pojednává o zvýšení kvality výrobního procesu pomocí QA network. Nástroj graficky mapuje vznik a detekci vad ve výrobním procesu tak, aby vada byla odhalena co nejdříve po jejím vzniku. K připravení Quality Assurance Network byla použita jako zdroj analýza možných příčin a důsledků (FMEA). V práci je rozebrána rešerše současného stavu z oblasti kvality – zlepšování procesu a analýzy možných příčin a důsledků. Následně je v práci realizace QA networku a poté je v závěru vlastní zhodnocení řešené problematiky.
|
|
|
Detekce vad potisku
Boček, Václav ; Boštík, Ondřej (oponent) ; Honec, Peter (vedoucí práce)
Tato práce se zabývá návrhem a realizací zařízení pro vizuální kontrolu potisku loga na propiskách. Ke snímání objektu je využito řádkové kamery. Řízení celé jednotky a zpracování pořízených dat zajišťuje mikropočítač Raspberry Pi 4, ke kterému je vytvořena rozšiřující deska pro ovládání periferií. Řízení jednotlivých prvků zařízení je implementováno v jazyku C++, algoritmy detekce v jazyku Python s využitím knihoven OpenCV a TensorFlow. Zařízení disponuje grafickým uživatelským rozhraním pro ovládání celého procesu kontroly. Na konci práce jsou uvedeny výsledky testu spolehlivosti celé kontrolní jednotky.
|
|
|
Klasifikace detekovaných vad
Janošík, Zdeněk ; Petyovský, Petr (oponent) ; Honec, Peter (vedoucí práce)
V této diplomové práci je popsán postup návrhu a realizace klasifikátoru vad detekovaných při konečné fázi výroby netkané textilie. Úvod práce je věnován analýze možností při zpracování a klasifikaci obrazu. Navazuje část, kde je popsán postup při segmentaci vad obrazu a extrakce příznakového vektoru, dále popis realizace klasifikátoru a přehled dosažených výsledků klasifikace na reálných snímcích detekovaných vad.
|
host ::
RSS.