1. Sistem strojnega vida za prepoznavo površinskih napakMarcel Petek, 2018, master's thesis/paper Abstract: 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.
Keywords: avtoenkoder, strojni vid, razvrščanje, globoko učenje, nevronska mreža
Published: 19.02.2019; Views: 35; Downloads: 5
 Full text (5,01 MB) |
2. Uporaba grafičnih pogonov za prvoosebne simulacijeSrečko Šmerc, 2019, bachelor thesis/paper Abstract: V diplomski nalogi smo najprej na kratko predstavili grafični pogon Unity3D in program Blender. Nato smo razložili, kaj je modeliranje z uporabo agentov ter kje se uporablja. Pokazali smo izdelavo posameznih elementov v programu Blender, ki smo jih kasneje združili v stavbo. Za tem je prikazana izdelava simulacije evakuacije v grafičnem pogonu Unity3D, njeno delovanje ter nato tudi testiranje le-te.
Keywords: Grafični pogon Unity3D, simulacija, varnost, agent
Published: 18.02.2019; Views: 81; Downloads: 13
Full text (2,48 MB) |
3. Pregled razvoja standarda openglDenis Selčan, 2019, bachelor thesis/paper Abstract: V diplomskem delu smo naredili pregled razvoja standarda OpenGL. Pregled temelji na uradni dokumentaciji, ki je bila izdana ob vsaki verziji standarda. Za vsako izdano verzijo smo opisali glavne oz. poglavitne dodane funkcionalnosti k standardu in na tak način dobili dober vpogled, kako se je razvijal standard kot tudi računalniška grafika na splošno. Za demonstracijo razvoja standarda smo z uporabo različnih verzij standarda izrisali enako sceno. Pri zasnovi scene smo si zadali cilj, da z vsako novo verzijo dodamo k realnosti scene, zato smo pri vsaki nadgradnji dodali tudi nekakšen vizualni element k sceni, ki poveča njeno realističnost. Izrisovanje je bilo implementirano v programskem jeziku C++ in OpenGL standardom samim. Pri vsaki implementaciji scene smo izmerili tudi število izrisov na sekundo in primerjali spremembe zmogljivosti standarda.
Keywords: OpenGL, računalniška grafika, C++
Published: 18.02.2019; Views: 64; Downloads: 5
Full text (2,60 MB) |
4. Razpoznavanje in klasifikacija imenskih entitet z uporabo umetnih nevronskih mrežLuka Bašek, 2019, master's thesis/paper Abstract: Z razvojem področja globokega učenja, ki temelji na umetnih nevronskih mrežah, se danes poskušajo rešiti že znani problemi področja obdelave naravnega jezika. V tem magistrskem delu obravnavamo problem razpoznavanja in klasifikacije imenskih entitet z uporabo metod globokega učenja. V magistrski nalogi smo uporabili programski jezik Python in odprtokodno knjižnico Keras. Preizkusili smo različne arhitekture rekurentnih nevronskih mrež, ki uporabljajo pomnilne celice LSTM in GRU. Prav tako smo opravili različne poskuse, v katerih smo iskali optimalne parametre nevronske mreže z namenom natančnega razpoznavanja in klasifikacije imenskih entitet. Učenje nevronske mreže in vrednotenje modelov smo izvedli na korpusih, ki so bili predstavljeni na konferenci CONLL leta 2003.
Keywords: obdelava naravnega jezika, razpoznavanje imenskih entitet, umetne nevronske mreže, LSTM, GRU
Published: 14.02.2019; Views: 72; Downloads: 7
Full text (4,85 MB) |
5. Porazdeljen sistem na osnovi spletnega brskalnika in stohastičnega algoritmaNiko Kovačič, 2019, master's thesis/paper Abstract: V magistrskem delu smo zasnovali in implementirali porazdeljen sistem, ki s pomočjo spletnega brskalnika ter programskega jezika JavaScript rešuje problem neperiodičnih binarnih zaporedij z nizkimi avtokorelacijami (LABS) s stohastičnim algoritmom samo izogibajočega sprehoda (SAW). V nalogi smo predstavili različne tipe porazdeljenih sistemov in kakšne cilje morajo izpolniti, da je njihova izgradnja vredna truda. Opisali smo osnovne lastnosti problema LABS in algoritma SAW za njegovo reševanje. Na koncu smo predstavili še rezultate večmesečnega testiranja porazdeljenega sistema. Z pridobljenimi podatki smo ponovno izračunali enačbo zaključnega pogoja, s katero bi lahko ob omejenih razpoložljivih virih vseeno lahko v nadaljevanju testiranja daljših sekvenc našli najboljše rešitve.
Keywords: porazdeljen sistem, spletni brskalnik, stohastični algoritem SAW
Published: 14.02.2019; Views: 61; Downloads: 6
Full text (2,31 MB) |
6. Krmiljenje proizvodnih enot in porabnikov s sistemom za upravljanje z energijoGorazd Ledinek, 2018, diploma project paper Abstract: Trendi in napovedi velike rasti rabe električne energije v svetu, vse bolj spodbujajo razvoj ne le proizvodne tehnologije, ampak tudi tehnologije za optimizacijo rabe električne energije z razvojem sistemov za upravljanje z energijo (v nadaljevanju EMS - »Energy Management Systems«). Slednji obetajo ne le optimizacijo proizvodnje in rabe električne energije in s tem prihranke, ampak tudi možnost izvajanja storitev fleksibilne proizvodnje in rabe energije tako za potrebe trga z energijo kot tudi za potrebe upravljavcev prenosnih in distribucijskih omrežij [23].
Osnova izvedbe tovrstnih sistemov je komunikacija s porabniki in proizvodnimi enotami. Ta nam preko meritev relevantnih fizikalnih veličin omogoča napovedovanje proizvodnje in porabe električne energije. Na podlagi napovedi lahko nato ročno (uporabnik sam/preprosti EMS) ali avtomatsko (pametni EMS) sprejmemo ustrezne odločitve in na koncu ponovno preko komunikacijskih povezav krmilimo proizvodne enote in porabnike.
Glavni izziv pri izvedbi komunikacijske povezave z napravami predstavljajo raznolikost naprav na trgu, mnogoterost uporabljenih komunikacijskih tehnologij in protokolov ter velika možnost izbire tehnologij hranjenja in obdelave merjenih podatkov.
Cilj tega projekta je bil fizično in komunikacijsko povezati porabnike in proizvodne enote znotraj eksperimentalnega sistema v Laboratoriju za energetiko FERI. S tem omogočiti meritve ključnih fizikalnih veličin in krmiljenje teh naprav za potrebe razvoja inteligentnega EMS nove generacije, hkrati pa zagotoviti stalno spremljanje (monitoring) vseh naprav v eksperimentalnem sistemu.
Keywords: Krmiljenje porabnikov, krmiljenje proizvodnih enot, upravljanje z energijo, sistem za upravljanje z energijo, EMS, hišna avtomatizacija
Published: 07.02.2019; Views: 193; Downloads: 12
Full text (2,21 MB) |
7. |
8. Regulacija krmilnega sistema avtonomnega vozila GPE18Tadej Vidovič, 2018, diploma project paper Abstract: V zaključnem projektu smo predstavili rešitev za krmilni sistem avtonomnega dirkalnega vozila, bolid formule študent GPE18. Vozilo smo izdelali v ekipi UNI Maribor GPE za namene tekmovanj formule študent. V bolidu je že bil vgrajen krmilni sistem za človeško upravljanje vozila, mi pa smo izdelali regulacijski sistem, ki v načinu avtonomne vožnje obrača kolesa glede na zahtevo avtonomnega računalnika. V sklopu naloge smo modelirali oz. identificirali sistem, poiskali smiselno opcijo za aktuacijo sistema, izbrali ali izdelali potrebne komponente ter na koncu opravili praktični preizkus sestavljenega sistema.
Keywords: modeliranje, regulacija, električno vozilo, avtonomna vožnja, krmilni sistem, e-formula študent
Published: 07.02.2019; Views: 197; Downloads: 13
Full text (1,34 MB) |
9. |
10. Linrarni laboratorijski napajalnikJaka Vek, 2018, diploma project paper Abstract: V zaključnem projektu je opisan razvoj linearnega napajalnika za laboratorijske potrebe, kar pomeni, da zanemarimo učinkovitost in prenosljivost v prid natančnosti in zanesljivosti. Namen izdelka je nadomestitev dražjih možnosti z enako dobrimi lastnostmi in možnostjo uporabnikovega nadgrajevanja.
Napajalnik omogoča osnovne funkcionalnosti, kot sta nastavljanje napetosti in tokovno omejevanje. Za prikazovanje teh vrednosti sta za večjo preglednost uporabljena digitalna prikazovalnika. Napajalnik je narejen tako, da ima možnost dodajanja funkcij in uporabniških vmesnikov, tako da nismo omejeni na trenutno zasnovo.
Opisan je postopek načrtovanja in izdelovanja delov, ki skupaj naredijo laboratorijski napajalnik. Navedeni so problemi, ki so nastali in kako so bili rešeni. Meritve so bile opravljene ter prikazane, s pomočjo katerih smo določili uspešnost projekta.
Keywords: Linearni napajalnik, operacijski ojačevalnik, usmernik, merjenje napetosti, A/D pretvornik, valovitost
Published: 07.02.2019; Views: 159; Downloads: 10
Full text (1,22 MB) |
