Detekcija izbranih površinskih anomalij na odbojnih površinah z deflektometrijoŽust, Lojze (Avtor) Kristan, Matej (Mentor) konvolucijanevronske mrežedeflektometrijasemantična segmentacijastrojno učenjeDiplomsko delo opisuje problem detekcije anomalij na reflektivnih površinah z uporabo deflektometrije. Predlagamo novo metodo za detekcijo anomalij, ki je sposobna hitre detekcije na podlagi zgolj ene slike opazovane površine. Klasične metode deflektometrije izdelajo 3D rekonstrukcijo opazovanega objekta, napake pa zaznajo z odstopanji pri primerjavi z referenčnim objektom brez defektov. Večina teh metod za delovanje potrebuje natančno kalibracijo sistema. Ker se metoda, ki jo predlagamo, uči na anotiranih primerih anomalij, pri inferenci ne potrebuje posebne kalibracije in referenčnih objektov. Detekcijo anomalij opišemo kot problem semantične segmentacije, ki za vsak piksel napove verjetnost anomalije. Za implementacijo semantične segmentacije uporabimo konvolucijske nevronske mreže. Predlagamo tudi robusten postopek za lokalizacijo detekcij iz segmentacijske maske, ki je sposoben zaznati tudi delno prekrivajoče anomalije. S preliminarno analizo in eksperimentalno evalvacijo utemeljimo izbiro arhitekture ter hiperparametrov modela. Razvito metodo učimo in evalviramo na problemu detekcije udrtin v strehi avtomobila, kjer pokazažemo bistvene izboljšave v primerjavi z osnovno metodo. Naša metoda je na testih dosegla natančnost 0.88, priklic 0.88 in F-mero 0.88, kar predstavlja skoraj 50% izboljšavo v primerjavi z osnovno metodo.20182021-03-26 14:55:46Diplomsko delo/naloga125593sl