Show simple item record

Automatic Industrial Quality Control from Image

dc.contributor.advisorZemčík, Pavelcs
dc.contributor.authorKruták, Martincs
dc.date.accessioned2019-07-08T15:56:53Z
dc.date.available2019-07-08T15:56:53Z
dc.date.created2019cs
dc.identifier.citationKRUTÁK, M. Automatická kontrola kvality výrobku z obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.cs
dc.identifier.other121878cs
dc.identifier.urihttp://hdl.handle.net/11012/180336
dc.description.abstractCílem 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.cs
dc.description.abstractThe goal of this thesis is to create overall, automatic and non-contact quality control of a pellet. The issue is divided into two separate parts. The first part deals with precise dimensional measuring of pellet - its length and head diameter so that it is precise and reasonably fast. Precise measuring is achieved with help of algorithms which achieve the sub-pixel precision by polynomial approximation of the edges extracted from the image gradients. The second part deals with the defects of a pellet. Detecting defects like longitudinal furrows or skirt cuts is achieved with convolutional neural networks. The measurement modules work with the resulting precision up to 0.025 mm in case of length measuring and up to 0.01 mm in case of head diameter measuring. In case of defect detections, neural network shows very high classification success rate. The contribution of this thesis is a presentation of innovative approaches in automatic quality control of pellets with use of neural networks and a demonstration of its usage in real manufacturing process.en
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectKonvoluční neuronové sítěcs
dc.subjectměření rozměrů výrobkucs
dc.subjectpovrchová detekce defektůcs
dc.subjectpočítačové viděnícs
dc.subjectstrojové učení.cs
dc.subjectConvolutional neural networksen
dc.subjectdimensional measurementen
dc.subjectsurface defects detectionen
dc.subjectcomputer visionen
dc.subjectmachine learning.en
dc.titleAutomatická kontrola kvality výrobku z obrazucs
dc.title.alternativeAutomatic Industrial Quality Control from Imageen
dc.typeTextcs
dcterms.dateAccepted2019-06-19cs
dcterms.modified2019-07-08-13:31:16cs
thesis.disciplinePočítačová grafika a multimédiacs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
sync.item.dbid121878en
sync.item.dbtypeZPen
sync.item.insts2019.08.01 05:00:31en
sync.item.modts2019.08.01 04:18:29en
dc.contributor.refereeHradiš, Michalcs
dc.description.markBcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record