Detail práce

Hluboké neuronové sítě pro detekci anomálií při kontrole kvality

Diplomová práce Student: Juřica Tomáš Akademický rok: 2018/2019 Vedoucí: Hradiš Michal, Ing., Ph.D.
Název anglicky
Deep Neural Networks for Defect Detection
Jazyk práce
český
Abstrakt

Cílem této práce je automatizovat detekci defektů při průmyslové výrobě plastových karet. Typickým defektem vzniklým při takovéto výrobě je kontaminace prachovými částicemi či vlasem. Hlavními výzvami, které v této práci řeším, je malý počet dostupných dat (214 karet), velmi malá plocha defektů v kontextu celé karty (průměrně 0,0068 \% plochy karty) a zároveň velice rozmanité a komplexní pozadí, ve kterém defekty hledám. Realizaci úkolu jsem dosáhl za použití detekčního algoritmu Mask R-CNN a rozšíření datové sady pomocí namodelování vzhledu typických defektů a vytvoření syntetického datasetu o počtu 20 000 obrázků, na kterém jsem detektor natrénoval. Takovýmto způsobem jsem dosáhl 0,83 AP při IoU rovno 0,1 na testovací části původní datové sady.

Klíčová slova

Hluboké neuronové sítě, detekce anomálií, detekce defektů, kontrola kvality, Mask R-CNN

Ústav
Studijní program
Informační technologie, obor Počítačové a vestavěné systémy
Soubory
Stav
obhájeno, hodnocení D
Obhajoba
17. června 2019
Oponent
Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm "D".

Otázky u obhajoby
  1. Používáte velice složitou síť a to na obrázky 2048x2048, kde detekujete maličké vady. Nabízí se myšlenka zpracovávat pouze výřezy vstupního obrazu s daleko menším rozlišením. Jaké by takový přístup měl výhody a nevýhody?
  2. Jak by bylo možné udělat základní (baseline) řešení, aby bylo jednoduché a šlo proti němu vyhodnotit vlastnosti naučené CNN? Proč něco takového není v DP?
  3. Na přiloženém CD jsou obrázky syntetických vad - jsou jich jen malé desítky. Proč nejsou obrázky vad generované procedurálně, aby byly jedinečné?
Komise
Fučík Otto, doc. Dr. Ing. (UPSY FIT VUT), předseda
Jaroš Jiří, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Martínek Tomáš, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Vašíček Zdeněk, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Vojnar Tomáš, prof. Ing., Ph.D. (UITS FIT VUT), člen
Vranić Valentino, doc. Ing., Ph.D. (FIIT STU), člen
Citace
JUŘICA, Tomáš. Hluboké neuronové sítě pro detekci anomálií při kontrole kvality. Brno, 2019. Diplomová práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2019-06-17. Vedoucí práce Hradiš Michal. Dostupné z: https://www.fit.vut.cz/study/thesis/22149/
BibTeX
@mastersthesis{FITMT22149,
    author = "Tom\'{a}\v{s} Ju\v{r}ica",
    type = "Diplomov\'{a} pr\'{a}ce",
    title = "Hlubok\'{e} neuronov\'{e} s\'{i}t\v{e} pro detekci anom\'{a}li\'{i} p\v{r}i kontrole kvality",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2019,
    location = "Brno, CZ",
    language = "czech",
    url = "https://www.fit.vut.cz/study/thesis/22149/"
}
Nahoru