magistrsko delo
Gorazd Fažmon (Avtor), Marjan Golob (Mentor)

Povzetek

V magistrskem delu je predstavljen razvoj sistema za zaznavanje napak v industrijskih procesih, ki temelji na osnovi zaznave zvoka. S pomočjo programskega orodja Audacity, so zajeti zvočni signali proizvodnih postopkov. S programskim orodjem Python je izdelan program za pretvorbo zvočnega signala v sliko. Z uporabo Python knjižnice TensorFlow je program naučen, da prepozna napako. Podan je podroben opis pomembnih pojmov, algoritmov, metod in testiranj sistema. Glavni cilj naloge je implementirati zgrajen sistem na dejanskem proizvodnem postopku.

Ključne besede

konvolucijske nevronske mreže;kakovost zvoka;spektrogram;Mel frekvenčni kepstralni koeficienti;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [G. Fažmon]
UDK: 681.586.4(043.2)
COBISS: 36699139 Povezava se bo odprla v novem oknu
Št. ogledov: 411
Št. prenosov: 80
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Convolutional neural networks for sound-based error detection
Sekundarni povzetek: The master’s thesis presents the development of an industrial process fault detection system based on sound sensing. Using Audacity software, audio signals from production processes are captured. With the use of Python software, a program for converting audio to image is created. Using the Python TensorFlow library, the program is taught to recognize the error. A detailed description of important system concepts, algorithms, methods, and tests is given. The main objective of the task is to implement the built system on the actual production process.
Sekundarne ključne besede: convolutional neural network;sound quality;spectrogram;Mel-frequency cepstral coefficient (MFCC);TensorFlow;
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Elektrotehnika
Strani: X, 72 f.
ID: 11877054