bakalářská práce

Využití strojového učení pro kontrolu kvality v průmyslových aplikacích

Text práce 2.97 MB Příloha 12.24 kB

Autor práce: Bc. Viktor Gaško

Ak. rok: 2018/2019

Vedoucí: Ing. Roman Parák

Oponent: Ing. Ladislav Dobrovský

Abstrakt:

Cieľom tejto bakalárskej práce je zoznámiť sa s problematikou kontroly kvality v priemyselných aplikáciách so zameraním na hlboké učenie. K tomuto a podobným problémom bolo vytvorených niekoľko knižníc, ktoré majú za úlohu uľahčiť jeho riešenie. Hlavnou úlohou je vytvorenie programu na kontrolu kvality za pomoci programovacieho jazyka Python a frameworku Tensorflow. Tento program bude pozostávať z troch neurónových sietí, pričom jedna zistí približnú polohu súčiastky, druhá jej farbu a tretia skontroluje správnosť jej výroby.

Klíčová slova:

neurónová sieť, konvolučná neurónová sieť, hlboké učenie, tenzor, dátový súbor, klasifikácia objektu

Termín obhajoby

20.6.2019

Výsledek obhajoby

obhájeno (práce byla úspěšně obhájena)

znakmkaAznamka

Klasifikace

A

Průběh obhajoby

Student seznámil komisi s výsledky své bakalářské práce a úspěšně zodpověděl otázky oponenta i komise (Co vyjadřují uvedené procentuální hodnoty?, Jaký jiný nástroj by šel použít?, Jak se neuronová síť učí? Jaké hodnoty byly na vstupu?).

Jazyk práce

čeština

Fakulta

Ústav

Studijní obor

Základy strojního inženýrství (B-STI)

Složení komise

doc. Ing. Branislav Lacko, CSc. (předseda)
prof. Ing. Pavel Ošmera, CSc. (místopředseda)
doc. Ing. Simeon Simeonov, CSc. (člen)
Ing. Radek Poliščuk, Ph.D. (člen)
Ing. Pavel Škrabánek, Ph.D. (člen)
Ing. František Vdoleček, CSc. (člen)

Posudek vedoucího
Ing. Roman Parák

Předložená bakalářská práce se zabývá tématem Využití strojového učení pro kontrolu kvality v průmyslových aplikacích.

Student Viktor Gaško měl za úkol provést rešerši problematiky kontroly kvality v průmyslových aplikacích a rešerši knihoven pro strojové učení. Praktická část práce obsahuje návrh a implementaci řídícího programu pro strojové učení pri kontrole kvality zvolených typů objektů, výběr vhodného programovacího jazyka, konfigurování knihoven pro strojové učení a vytvoření datového souboru pro učení. Student vytvořil a porovnal v práci strojové učení na procesore a grafické kartě. Praktická část je zakončena testováním navrženého řešení, které sestává z troch neurónových sítí pro určení polohy, typu výrobku a kontroly kvality, čili vyhodnocení zle vyrobené součásti. Praktickou částí práce byla kooperace s dalším studentem pri vytvoření objektů, které byly tisknuté na 3D tiskárně od firmy Prusa Research.

Student splnil všechny části bakalářské práce.

Student pracoval na práci samostatně. Všechny postupy konzultoval s vedoucím práce. Pri tvoření praktické části chválim studentovu nezávislost a schopnosť v reálném času přicházet s novými nápady na vylepšení.
Chválím studentovu aktivitu pri tvorbe bakalářské práce, která obnášela nadstandartní objem času a úsilí. Rovněž chválim studentovu programátorskou zručnost a schopnost učit se novým věcem. Taktéž vyzdvihuji komplexnost řešení i její praktický potenciál.

Písemná část práce, stejně jako praktická je na velmi dobré úrovni.

Předloženou práci doporučuji k obhajobe a hodnotím známkou A / výborně.
Kritérium hodnocení Známka
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita A
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry A
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací A
Samostatnost studenta při zpracování tématu A

Známka navržená vedoucím: A

Posudek oponenta
Ing. Ladislav Dobrovský

Celkově je práce logicky a srozumitelně napsána a věnuje se aplikaci tří různých
neuronových sítí. Autor korektně zhodnocuje nedostatky trénovací množiny a obtížnost úkolu klasifikace součástí.
Práce obsahuje drobné chyby a překlepy: V části 4.3.1: chybí sloveso (sú, patrí), tečka navíc: "príliš. presnů". V části 4.5: "konvolúcia komutatívne", předpokládám, že bylo míněno, že je komutativní násobení vyskytující se ve vzorci pro výpočet konvoluce. "výstupom kernelu je lineárnu aktivácia". V části 5.8: "Gloun" - Gluon. Nesjednocené použití Cuda/CUDA a Cmos/CMOS.
Obrázky jsou znehodnoceny ztrátovou kompresí. Text v obrázku je hůře čitelný a schemata a grafy funkcí jsou neostré. Obr. 17 je téměř nečitelný. Obr. 37 je viditelný pouze v elektronické verzi.
7.5: OpenCV a TensorFlow je na RapsberryPi podporováno i v systému Raspbian, a proto by bylo by vhodné pokus opakovat.
Kritérium hodnocení Známka
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita A
Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry A
Využitelnost výsledků v praxi nebo teorii B
Logické uspořádání práce a formální náležitosti B
Grafická, stylistická úprava a pravopis C
Práce s literaturou včetně citací A

Známka navržená oponentem: A