|
|
Automatická kontrola kvality výrobku z obrazu
Kruták, Martin ; Hradiš, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
Cílem této práce je vytvořit postupy pro celkovou, automatickou a bezdotykovou kontrolu kvality výrobku (diabolky). Problém kontroly je rozdělen na dvě části. První část je přesné měření rozměrů diabolky - její délka a průměr hlavičky tak, aby toto měření bylo přesné a dostatečně rychlé. Takového měření je dosaženo pomocí algoritmů pracujících se sub-pixelovou přesností pomocí aproximace gradientů polynomy. V druhé části je kontrola vad diabolky jako jsou podélné rýhy či vrypy v sukýnce (smajlíci), a to za pomocí konvolučních neuronových sítí. Výsledkem jsou měřící moduly pracující s přesností do 0,025 mm v případě měření délky a do 0,01 mm při měření hlavičky. V detekci vad diabolek, vykazuje neuronová síť velmi vysokou úspěšnosti klasifikace. Přínosem této práce je prezentace inovativních přístupů v automatické kontrole kvality výrobků za použití neuronových sítí, demonstrace jejich použití a využití v reálné výrobě.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Obrazová analýza v tribotechnické diagnostice
Machalík, Stanislav ; Stodola,, Jiří (oponent) ; Tillová,, Eva (oponent) ; Zemčík, Pavel (vedoucí práce)
Obrazová analýza částic opotřebení je v práci využita ke klasifikaci jejich obrazů do tříd odpovídajících stanoveným typům opotřebení. Dává možnost získat informace nejen o základních parametrech otěrových částic, ale také údaje, které by při klasickém způsobu hodnocení bylo možné získat jen velmi obtížně. Na základě analýzy morfologických či obrazových charakteristik částic lze sledovat průběh opotřebení strojních součástí, a tím zabránit případné havárii motoru, případně stanovit optimální lhůty pro výměnu oleje. Cílem této práce je prozkoumat možnosti využití obrazové analýzy v kombinaci s metodou analytické ferrografie a na základě teoretických poznatků navrhnout nástroj pro automatickou klasifikaci částic. Současné metody analýzy částic opotřebení jsou založeny na vyhodnocení, které nedává přesnou představu o procesech probíhajících mezi třecími povrchy v motorové soustavě. Práce vychází z metody analytické ferrografie, která umožňuje zhodnotit stav sledovaného stroje z hlediska opotřebení. Přínosem klasifikátorů vytvořených v této práci je možnost automatického vyhodnocení výstupů analytické ferrografie; jejich použití odstraňuje zásadní nevýhodu ferrografické analýzy, kterou je její závislost na subjektivním hodnocení expertem provádějícím analýzu. Vytvořené klasifikátory jsou založeny na využití metod strojového učení. Na základě rozsáhlé databáze částic, která byla vytvořena v první fázi práce, byly klasifikátory natrénovány umožňují tak hodnotit ferrograficky separované otěrové částice, které pocházejí z olejů odebraných z mazaných soustav. Následně byly provedeny experimenty, z jejichž výsledků vyplynuly optimální nastavení klasifikátorů.
|
|
|
Využití strojového učení pro klasifikaci epileptogenní tkáně po elektrické stimulaci
Formánková, Zuzana ; Mívalt, Filip (oponent) ; Cimbálník, Jan (vedoucí práce)
Tato práce se zabývá elektrofyziologickými biomarkery epileptické aktivity po přímé elektrické stimulaci v klasifikaci epileptogenní tkáně. Mezi vhodné biomarkery byly zařazeny vysokofrekvenční oscilace, interiktální spiky, změny v konektivitě a výkon signálu ve frekvenčních pásmech. Biomarkery byly detekovány v iEEG záznamech a jejich reakce na přímou elektrickou stimulaci byla analyzována statistickými testy. Analýza biomarkerů prokázala vliv přímé elektrické stimulace na elektrofyziologické biomarkery epileptické aktivity. Relevantními biomarkery byly selekčními metodami vybrány výkon signálu ve frekvenčním pásmu 80-250 Hz, relativní entropie ve frekvenčním pásmu 250-600 Hz a lineární korelace. Pro klasifikaci epileptogenní tkáně byly implementovány modely strojového učení, konkrétně logistická regrese, metoda podpůrných vektorů a rozhodovací lesy. Metoda podpůrných vektorů prokázala nejvyšší senzitivitu (70,5 %) mezi modely, avšak celkové výsledky jsou nedostatečné (PPV 38,5 %, F1 skóre 42,9 %). Přestože klasifikační modely nedosáhly očekávaných výsledků, tato práce naznačuje potenciál elektrofyziologických biomarkerů pro identifikaci epileptogenních ložisek a poskytuje základ pro další výzkum v této oblasti.
|
|
|
Automatická kontrola kvality výrobku z obrazu
Kruták, Martin ; Hradiš, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
Cílem této práce je vytvořit postupy pro celkovou, automatickou a bezdotykovou kontrolu kvality výrobku (diabolky). Problém kontroly je rozdělen na dvě části. První část je přesné měření rozměrů diabolky - její délka a průměr hlavičky tak, aby toto měření bylo přesné a dostatečně rychlé. Takového měření je dosaženo pomocí algoritmů pracujících se sub-pixelovou přesností pomocí aproximace gradientů polynomy. V druhé části je kontrola vad diabolky jako jsou podélné rýhy či vrypy v sukýnce (smajlíci), a to za pomocí konvolučních neuronových sítí. Výsledkem jsou měřící moduly pracující s přesností do 0,025 mm v případě měření délky a do 0,01 mm při měření hlavičky. V detekci vad diabolek, vykazuje neuronová síť velmi vysokou úspěšnosti klasifikace. Přínosem této práce je prezentace inovativních přístupů v automatické kontrole kvality výrobků za použití neuronových sítí, demonstrace jejich použití a využití v reálné výrobě.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Obrazová analýza v tribotechnické diagnostice
Machalík, Stanislav ; Stodola,, Jiří (oponent) ; Tillová,, Eva (oponent) ; Zemčík, Pavel (vedoucí práce)
Obrazová analýza částic opotřebení je v práci využita ke klasifikaci jejich obrazů do tříd odpovídajících stanoveným typům opotřebení. Dává možnost získat informace nejen o základních parametrech otěrových částic, ale také údaje, které by při klasickém způsobu hodnocení bylo možné získat jen velmi obtížně. Na základě analýzy morfologických či obrazových charakteristik částic lze sledovat průběh opotřebení strojních součástí, a tím zabránit případné havárii motoru, případně stanovit optimální lhůty pro výměnu oleje. Cílem této práce je prozkoumat možnosti využití obrazové analýzy v kombinaci s metodou analytické ferrografie a na základě teoretických poznatků navrhnout nástroj pro automatickou klasifikaci částic. Současné metody analýzy částic opotřebení jsou založeny na vyhodnocení, které nedává přesnou představu o procesech probíhajících mezi třecími povrchy v motorové soustavě. Práce vychází z metody analytické ferrografie, která umožňuje zhodnotit stav sledovaného stroje z hlediska opotřebení. Přínosem klasifikátorů vytvořených v této práci je možnost automatického vyhodnocení výstupů analytické ferrografie; jejich použití odstraňuje zásadní nevýhodu ferrografické analýzy, kterou je její závislost na subjektivním hodnocení expertem provádějícím analýzu. Vytvořené klasifikátory jsou založeny na využití metod strojového učení. Na základě rozsáhlé databáze částic, která byla vytvořena v první fázi práce, byly klasifikátory natrénovány umožňují tak hodnotit ferrograficky separované otěrové částice, které pocházejí z olejů odebraných z mazaných soustav. Následně byly provedeny experimenty, z jejichž výsledků vyplynuly optimální nastavení klasifikátorů.
|
host ::
RSS.