dc.contributor	Henyš Petr, doc. Ing. Ph.D. : 62628
dc.contributor.advisor	Kovalenko Iaroslav, Ing. Ph.D. : 63985
dc.contributor.author	Šíma, Petr
dc.contributor.other	Garan Maryna, Ing. Ph.D. Konzultant : 63986
dc.date.accessioned	2022-12-18T05:26:03Z
dc.date.available	2022-12-18T05:26:03Z
dc.date.committed	2023-5-15
dc.date.defense	2022-08-31
dc.date.issued	2022-08-31
dc.date.submitted	2021-11-15
dc.date.updated	2022-8-31
dc.degree.level	Bc.
dc.description.abstract	Hlavní cíl této práce spočívá v návrhu modelu umělé inteligence, schopného vyhodnotit vadnost výrobku na základě analýzy jeho fotografie. Teoretická část se proto zabývá problematikou automatizace kontroly kvality a stručně popisuje současný stav poznání v této oblasti. Dále vymezuje základní pojmy z oblasti strojového vidění a umělé inteligence, skrze které se dostává k popisu strojového a hlubokého učení. Následně se zabývá popisem neuronových sítí, procesem jejich učení a typy uspořádání sítí použitých v praktické části práce. Úvodem praktické části je stručný popis využitého softwaru a hardwaru. Následuje popis zvolených vstupních dat, způsob jejich úpravy a optimalizace pro proces trénování a testování. Dále je uveden první vytvořený model, který byl podnětem a dal za vznik dalším modelům v rámci průběžného vyhodnocování a zvyšování přesnosti detekce vad. Závěrem práce je celkové porovnání navržených modelů a zhodnocení dosažených výsledků.	cs
dc.description.abstract	The main objective of this work is to design an artificial intelligence model capable of evaluating the defectiveness of a product based on the analysis of its photograph. Therefore, the theoretical part initially deals with the issue of automation of quality control and briefly describes the current state of knowledge in this field. It then defines the basic concepts of machine vision and artificial intelligence, through which this part of the thesis arrives at a description of the machine and deep learning. Then there is a description of neural networks, the learning process, and the types of network structures used in this work. The practical part starts with a brief description of the software and hardware used. The following section is devoted to describing the selected input data and how it is modified and optimized for the training and testing process. Subsequently, the first developed model was presented, which was the impetus and gave rise to other models within the framework of continuous evaluation and improvement of defect detection accuracy. The thesis concludes with an overall comparison of the proposed models and assessment of the reached results.	en
dc.description.mark	1
dc.format	65 s., 20 s.
dc.format.extent	-
dc.identifier.signature	V 202204392
dc.identifier.uri	https://dspace.tul.cz/handle/15240/166628
dc.language.iso	cs
dc.relation.isbasedon	par[1] ANSARI, Shamshad. Building computer vision applications using artificial neural networks: with step-by-step examples in OpenCV and TensorFLow with Python. [New York]: Apress, [2020]. For professionals by professionals. ISBN 978-1-4842-5886-6.par par[2] CHOLLET, François. Deep learning v jazyku Python: knihovny Keras, TensorFlow. Přeložil Rudolf PECINOVSKÝ. Praha: Grada Publishing, 2019. Knihovna programátora. ISBN 978-80-247-3100-1.par par[3] HOWARD, Jeremy a Sylvain GUGGER. Deep learning for coders with fastai and PyTorch: AI applications without a PhD. Sebastopol, California: O'Reilly Media, [2020]. ISBN 978-1-4920-4552-6.par
dc.rights	Vysokoškolská závěrečná práce je autorské dílo chráněné dle zákona č. 121/2000 Sb., autorský zákon, ve znění pozdějších předpisů. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou https://knihovna.tul.cz/document/26	cs
dc.rights	A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act. https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics https://knihovna.tul.cz/document/26	en
dc.rights.uri	https://knihovna.tul.cz/document/26
dc.rights.uri	https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf
dc.subject	umělá inteligence	cs
dc.subject	strojové vidění	cs
dc.subject	hluboké učení	cs
dc.subject	klasifikace obrazu	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	detekce anomalií	cs
dc.subject	autoenkodér	cs
dc.subject	artificial intelligence	en
dc.subject	machine vision	en
dc.subject	deep learning	en
dc.subject	image classification	en
dc.subject	convolutional neural networks	en
dc.subject	anomaly detection	en
dc.subject	autoencoder	en
dc.title	Návrh AI modelu pro automatickou detekci vadných výrobků pomocí metod hlubokého učení	cs
dc.title	Design of AI model for the automatic identification of defective products using deep learning	en
dc.type	bakalářská práce	cs
local.degree.abbreviation	Bakalářský
local.degree.discipline	SI
local.degree.programme	Strojní inženýrství
local.degree.programmeabbreviation	B2301
local.department.abbreviation	KSA
local.faculty	Fakulta strojní	cs
local.faculty.abbreviation	FS
local.identifier.author	S18000111
local.identifier.stag	43719
local.identifier.verbis
local.identifier.verbis	0dcd3443-f624-4b0d-99d5-8578415554f1
local.note.administrators	automat
local.note.secrecy	Povoleno ZverejnitPraci Povoleno ZverejnitPosudky
local.poradovecislo	4392

Návrh AI modelu pro automatickou detekci vadných výrobků pomocí metod hlubokého učení

Files

Original bundle

Collections