magistrsko delo magistrskega študijskega programa II. stopnje Strojništvo
Nejc Možina (Avtor), Drago Bračun (Mentor)

Povzetek

Pri izdelavi kompozitnih izdelkov nastanejo zračni žepi, ki poslabšajo določene mehanske lastnosti kompozita. V nalogi je prikazan razvoj slikovnega sistema za pregledovanje kompozitnih izdelkov, ki vključuje osvetljevanje s strukturirano svetlobo, zajem slike osvetljene površine ter skeniranje izdelka. V nadaljevanju je zajet teoretični in eksperimentalni prikaz prepoznave zračnih žepov z uporabo konvolucijskih nevronskih mrež. Globoko učenje smo izvedli s pomočjo sistema YOLO, ki je namenjen prepoznavi objektov na slikah. Vsi pomožni programi za predobdelavo slik in ustvarjanje baze podatkov so bili razviti v programskem okolju Python. Končne uteži globokega učenja in delovanje zaznave zračnih žepov smo nato uspešno testirali na testnih slikah in ovrednotili dobljene rezultate.

Ključne besede

magistrske naloge;kompozitne strukture;zračni žepi;zaznava napak;strojni vid;globoko učenje;konvolucijske nevronske mreže;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL FS - Fakulteta za strojništvo
Založnik: [N. Možina ]
UDK: 620.168:004.932:004.85(043.2)
COBISS: 70023683 Povezava se bo odprla v novem oknu
Št. ogledov: 391
Št. prenosov: 70
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: Detection of air voids in composite structures based on image processing with convolutional neural networks
Sekundarni povzetek: During the manufacture of composite products, air voids are formed which affect certain mechanical properties of the composite. This paper presents the development of an imaging system for viewing composite products, which includes structured light illumination, image acquisition of the illuminated surface, and scanning of the composite product. This is followed by a theoretical and experimental demonstration of air voids detection using convolutional neural networks. Deep learning was performed using the YOLO system, which is designed to recognize objects on images. All programs for image preprocessing and database generation were developed in the Python software environment. The final weights of the Deep Learning and the functioning of the air voids detection were then successfully tested on test images after the obtained results were evaluated.
Sekundarne ključne besede: master thesis;composite structures;air pockets;detecting defects;machine vision;deep learning;convolutional neural networks;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 0
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. Ljubljana, Fak. za strojništvo
Strani: XXI, 60 str.
ID: 12947117