|
|
Jednoduše konfigurovatelný kontrolní kamerový systém pro průmyslové aplikace
Andrla, Ondřej ; Špaňhel, Jakub (oponent) ; Španěl, Michal (vedoucí práce)
Cílem této práce je vytvořit prototyp jednoduše konfigurovatelného kamerového systému, sloužícího ke kontrole výrobků na automatizované montážní lince. Práce je zvláště zaměřena na problematiku detekce LED. Detekována je jejich samotná přítomnost ve snímku a dále systém vyhodnocuje, zda LED svítí, a pokud ano, tak jakou barvou. Výsledné řešení umožňuje uživateli jednoduše definovat kontrolní metriky pro vyhledávaní kruhových objektů v obraze, a to pomocí konfigurační aplikace s grafickým uživatelským rozhraním. Příslušná konfigurace se ukládá do souboru ve formátu JSON. Dále byl implementován runtime, který na základě konfigurace samostatně zpracovává záznam z kamery, kontroluje výrobky a podává o nich zprávy dalším součástem systému. K detekci objektů v obraze systém využívá Houghovu kruhovou transformaci. K otestování efektivnosti systému byl vytvořen datový soubor za pomoci nástroje FitKit s maticí LED. Při testování runtime na datovém souboru se podařilo dosáhnout celkové správnosti detekce LED 97,79%.
|
|
|
Aplikace strojového učení pro prediktivní údržbu v Průmyslu 4.0
Navrátil, Tadeáš ; Richter, Miloslav (oponent) ; Horák, Karel (vedoucí práce)
Práce zpracovává algoritmy strojového učení pro použití v konceptu Průmysl 4.0. Největší důraz je kladen na prediktivní údržbu a vizuální inspekci. V teoretické části je práce zaměřena na literární rešerši metod strojového učení v oblasti detekce anomálií v časových řadách a obrazových datech. V praktické části se zabývá reimplementací vybraných metod a jejich zhodnocení pomocí matice záměn a metrik, které z ní vycházejí.
|
|
|
Jednoduše konfigurovatelný kontrolní kamerový systém pro průmyslové aplikace
Andrla, Ondřej ; Špaňhel, Jakub (oponent) ; Španěl, Michal (vedoucí práce)
Cílem této práce je vytvořit prototyp jednoduše konfigurovatelného kamerového systému, sloužícího ke kontrole výrobků na automatizované montážní lince. Práce je zvláště zaměřena na problematiku detekce LED. Detekována je jejich samotná přítomnost ve snímku a dále systém vyhodnocuje, zda LED svítí, a pokud ano, tak jakou barvou. Výsledné řešení umožňuje uživateli jednoduše definovat kontrolní metriky pro vyhledávaní kruhových objektů v obraze, a to pomocí konfigurační aplikace s grafickým uživatelským rozhraním. Příslušná konfigurace se ukládá do souboru ve formátu JSON. Dále byl implementován runtime, který na základě konfigurace samostatně zpracovává záznam z kamery, kontroluje výrobky a podává o nich zprávy dalším součástem systému. K detekci objektů v obraze systém využívá Houghovu kruhovou transformaci. K otestování efektivnosti systému byl vytvořen datový soubor za pomoci nástroje FitKit s maticí LED. Při testování runtime na datovém souboru se podařilo dosáhnout celkové správnosti detekce LED 97,79%.
|
host ::
RSS.