Nadgradnja sistema strojnega vida za kontrolo pozicije vzmeti z metodami globokega učenja

magistrsko delo

Manca Gale (Avtor), Janez Perš (Mentor), Klemen Grm (Komentor)

Povzetek

Pri sestavljanju motorjev na montažni liniji v podjetju Domel prihaja do nepravilnega vstavljanja vzmeti, ki potiska ščetko na komutator. Ob nepravilni poziciji vzmeti lahko pride do krajše življenjske dobe motorja. Pozicija vzmeti se preverja s sistemom strojnega vida, s katerim se zaznava nepravilna pozicija vzmeti. Pri nekaterih tipih motorjev prihaja pri sistemu strojnega vida do nepravilnega razvrščanja. V prvem delu so opisane in preverjene ideje domnevnih vzrokov za napačno razvrščanje. V drugem delu je predstavljena ideja za nadgradnjo sistema strojnega vida za zaznavo nepravilne pozicije vzmeti. Rešitev temelji na iskanju referenčnih točk na segmentiranih področjih vzmeti in vodila ščetke. Za segmentacijo slik smo uporabili metodo učenja konvolucijskega nevronskega omrežja. Kot rešitev težave je predstavljen dodatni algoritem za prepoznavanje slik z nepravilnimi izdelki ter razvrščanje slik s pravilno oziroma nepravilno pozicijo vzmeti glede na razdalje med vzmetjo in vodilom ščetke. Dodatni algoritem upošteva preliminarno razvrstitev obstoječega sistema strojnega vida.

Ključne besede

segmentacija;konvolucijska nevronska omrežja;magisteriji;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2021
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UL FE - Fakulteta za elektrotehniko
Založnik:	[M. Gale]
UDK:	004.93:004.8(043.3)
COBISS:	91407363
Št. ogledov:	202
Št. prenosov:	45
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Upgrade of the Machine Vision System for Spring Position Control With Deep Learning Methods
Sekundarni povzetek:	When assembling motors on the assembly line at Domel, there is a possible incorrect insertion of a spring, which results to the brush being pushed onto the commutator. Such spring position may lead to a shortening of the motor life span. The position of the spring is checked by a machine vision system, which is used to detects any incorrect position of the spring. This machine vision system may malfunction with certain types of products, which leads to an incorrect classification. The first part of this work describes and verifies our assumptions of the alleged causes of this misclassification. The second part presents our solution to upgrading the machine vision system in order to properly detect incorrect spring positions. This solution is based on finding reference points on segmented areas of the spring and brush guide. For image segmentation, we used a convolution neural network, which was thought to perform the image segmentations. As a solution to the problem, an additional algorithm is presented, which is used for recognizing images with faulty products, as well as sorting images with correct and incorrect spring positions with respect to the distance between the spring and the brush guide. This additional algorithm also takes into account the preliminary classifications of the existing machine vision system.
Sekundarne ključne besede:	segmentation;convolutional neural network;
Vrsta dela (COBISS):	Magistrsko delo/naloga
Študijski program:	1000316
Konec prepovedi (OpenAIRE):	1970-01-01
Komentar na gradivo:	Univ. v Ljubljani, Fak. za elektrotehniko
Strani:	XVI, 57 str.
ID:	14206931