| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


71 - 76 / 76
Na začetekNa prejšnjo stran12345678Na naslednjo stranNa konec
71.
Sistem strojnega vida za prepoznavo površinskih napak
Marcel Petek, 2019, magistrsko delo

Opis: Magistrsko delo podaja pregled metod za propoznavo površinskih napak na obdelovancih. Objekti opazovanja so krmilne tipke, podsklop ohišij v elektroomaricah. Predstavljene bodo tri metode razvrščanja krmilnih tipk v dober in slab razred. Zajemanje slik je bilo opravljeno s pomočjo laboratorijske opreme, saj so elementi opreme višjega cenovnega razreda. Namen magistrske naloge je v bazah slik krmilnih tipk z različnimi metodami prepoznati napake in jih razvrstiti v pripadajoči razred. Zaradi specifičnosti problematike zaznavanja so se metode prilagajale problemu. Uporabili smo metode prepoznave napak na nadzorovan in nenadzorovan način, torej globinsko učenje z uporabo nevronske mreže, avtoenkoderja in klasično pragovno metodo z uporabo različnih detektorjev robov in preglednih tabel. Omenjene globoke metode se dandanes ne uporabljajo v veliki meri za industrijske namene. Metode so se namreč izboljšale do te mere, da veliki koncerni, kot so IBM, Google, Facebook, uporabniku napram preteklim iskalnim nizom v brskalniku predlagajo, kaj naj bi iskal po svetovnem spletu. Za izbiro globokega učenja namesto genetskega ali algoritma rojev delcev smo se odločili izključno zaradi hitre prilagoditve programa na vhodne parametre in razvoja programa od preteklosti, ko je nivo globine nevronskih mrež bila samo ena prikrita plast z enim nevronom, do danes, ko se lahko nivo adaptivno spreminja glede na vhodno problematiko. Dostopni algoritmi za zaznavanje defektov na teksturah, ki smo jih preizkusili v komercialnih paketih (Vision NI), niso bili učinkoviti za detekcijo teh nepravilnosti. To je motivacija za raziskovanje učinkovitosti drugih pristopov in za primerjavo učinkovitosti. S primerjavo metod bomo za nadaljnje raziskovanje izbrali tisto, ki bo dosegla cilj, 95-odstotno stopnjo natančnosti razvrstitve v razreda dober in slab. Začetni cilj razvrstitve smo uspeli dosečti z uporabo globokega učenja nevronskih mrež.
Ključne besede: avtoenkoder, strojni vid, razvrščanje, globoko učenje, nevronska mreža
Objavljeno: 19.02.2019; Ogledov: 308; Prenosov: 65
.pdf Celotno besedilo (5,01 MB)

72.
Vzpostavitev kontrole vstavljanja keramičnih filtrov v livarsko orodje
Žan Jurgec, 2019, magistrsko delo

Opis: V okviru magistrske naloge sem vzpostavil oz. razvil sistem za kontrolo vstavljanja keramičnih filtrov v livarsko orodje. S projektom sem se seznanil v podjetju Talum. Pri litju ohišij črpalk po metodi nagibnega gravitacijskega litja, so v podjetju prišli do ugotovitve, da prihaja do občasnih napak v procesu. Pred samim litjem je potrebno v orodje vstaviti livarski filter. Ta poskrbi za boljše lastnosti končnega ulitka. Operacija vstavljanja je do sedaj bila odvisna samo od človeške kontrole, torej so bile še vedno prisotne napake, ki so posledica človeškega faktorja, kupec pa je podal zahtevo, da se za omenjeno operacijo vzpostavi avtomatizirana 100 % kontrola. Po proučitvi delovnega okolja in naposled analiziranja različnih rešitev, smo nadzor vzpostavili z optičnimi senzorji. Na podlagi razdalje senzor ugotovi ali je v orodju prisoten filter. Po namestitvi in ustreznem analiziranju je sledila programska integracija senzorja. Iz podjetja so me obvestili, da sistem brezhibno deluje, torej se prisotnost filtra pred vsakim ciklom litja uspešno preveri. Na tak način je avtomatizirana 100 % kontrola zagotovljena.
Ključne besede: livarstvo, optični senzorji, strojni vid, livarski keramični filter
Objavljeno: 19.03.2019; Ogledov: 103; Prenosov: 0

73.
Uporaba globokega učenja in strojnega vida za prepoznavanje objektov v proizvodnih sistemih
Jernej Hernavs, 2019, magistrsko delo

Opis: Delo opisuje nekaj najsodobnejših pristopov reševanja inženirskih problemov z uporabo globokega učenja in predstavlja sistem za zaznavanje okolice v dinamičnem proizvodnem okolju. Algoritmi strojnega učenja ponujajo v kombinaciji z optičnimi senzorji (kamerami) možnost reševanja izjemno kompleksnih problemov, katerim so do sedaj bili kos le ljudje. Avtomatizacija procesov, pretok informacij med stroji in ljudmi ter pametna analiza podatkov s procesiranjem v oblaku, so le nekateri izzivi, ki jih naslavlja Industrija 4.0. Magistrsko delo predstavlja dinamičen sistem strojnega vida, ki ponuja rešitev na področju klasifikacije in lokalizacije poljubnih objektov v proizvodnih sistemih.
Ključne besede: proizvodni sistemi, strojni vid, globoko učenje, industrija 4.0
Objavljeno: 01.03.2019; Ogledov: 211; Prenosov: 73
.pdf Celotno besedilo (3,55 MB)

74.
Avtomatski strojni gorilnik z nadzornim sistemom za distribucijo plina
Jan Tement, 2019, diplomsko delo

Opis: V diplomski nalogi smo se ukvarjali s problemom avtomatizacije strojnega gorilnika. V podjetju Zavar izdelujejo plinsko opremo, med drugim tudi strojne gorilnike za predgrevanje ali gretje raznih obdelovancev iz različnih materialov. Predgrevanje jekla se uporablja predvsem pred varjenjem zvarjencev. Do sedaj se je problem nadzora gorenja, prižiganja in ugašanja gorilnika reševal s pomočjo analognih sistemov (termo členov). Sistem je sicer enostaven za uporabo, vendar ga ne moremo nadgraditi na novejše aplikacije, kot je na primer povezava z robotom. Težavo smo rešili tako, da smo ga avtomatizirali s pomočjo PLK krmilnika, ob upoštevanju vseh standardov in varnostnih predpisov. Naš cilj je, da napravimo popolnoma avtomatiziran strojni gorilnik z avtomatskim prižigom, kontrolo temperature, časovnim delovanjem, samodejnim izklopom, z možnostjo povezave z robotom ter ročnega ali strojnega vžiga, ob upoštevanju vseh standardov in varnostnih predpisov.
Ključne besede: Avtomatski strojni gorilnik, programabilni logični krmilnik, programiranje, plinska tehnika, industrija.
Objavljeno: 11.11.2019; Ogledov: 8; Prenosov: 1
.pdf Celotno besedilo (4,81 MB)

75.
Analiza in preizkus možnosti načina uporabe sodelujočega robota kuka r820 iiwa pri kuhinjskih opravilih
Matic Kladnik, 2019, magistrsko delo

Opis: V magistrskem delu je predstavljena tematika sodelujočih robotov, bolj znanih pod tujko kolaborativni roboti. Predstavljeni so osnovni principi delovanja sodelujočih robotov in možni načini uporabe. Poseben poudarek v nalogi je na sodelujočem robotu KUKA R820 iiwa. Opisane so varnostne funkcije, ki omenjeni robot ločijo od običajnih industrijskih robotov z malo maso. Predstavljene so tri aplikacije, ki so bile za testiranje izdelane tekom magistrskega dela. Na osnovi opažanj ob izdelavi omenjenih aplikacij je ocenjena tudi smotrnost uporabe strojnega vida v povezavi s sodelujočim robotom. Izdelana je tudi analiza možnosti implementacije avtomatizacije in robotizacije v sodobno kuhinjo.
Ključne besede: KUKA R820 iiwa, sodelujoč robot, varnostne funkcije, strojni vid, robotska roka v kuhinji
Objavljeno: 11.11.2019; Ogledov: 13; Prenosov: 7
.pdf Celotno besedilo (3,28 MB)

76.
Razvoj naprednega sistema za detektiranje voznih pasov na platformah gpu
Karlo Crnek, 2019, magistrsko delo

Opis: Problem, ki ga obravnavamo v magistrski nalogi je detektiranje voznih pasov na RGB slikah oz. posnetkih ceste pred vozilom med vožnjo. Za rešitev tega problema smo se odločili uporabiti tehnike »globokega učenja«, predvsem konvolucijske nevronske mreže, s katerimi smo izvedli semantično segmentiranje. Problem smo reševali s tremi različnimi arhitekturami nevronskih mrež, ki smo jih učili na naboru podatkov BDD100k. Modele mrež smo nato testirali in primerjali rezultate s pomočjo IoU metrike za semantično segmentacijo. Opravili smo tudi več eksperimentov s ciljem izboljšanja IoU vrednosti in generalizacije modelov. Na koncu smo modele testirali tudi na Nvidia Jetson TX2 platformi in predlagali možnost vključitve takšnih modelov v sistem avtonomnega vozila.
Ključne besede: globoko učenje, konvolucijske nevronske mreže, segmentacija voznega pasu, strojni vid, avtonomno vozilo
Objavljeno: 13.11.2019; Ogledov: 31; Prenosov: 7
.pdf Celotno besedilo (3,48 MB)

Iskanje izvedeno v 0.19 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici