<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=142745"><dc:title>Uporaba globokega učenja za izboljšanje kakovosti farmacevtskih izdelkov</dc:title><dc:creator>POTOČNIK,	BLAŽ	(Avtor)
	</dc:creator><dc:creator>Begeš,	Gaber	(Mentor)
	</dc:creator><dc:subject>globoko učenje</dc:subject><dc:subject>strojni vid</dc:subject><dc:subject>kakovost</dc:subject><dc:subject>mehko želatinaste kapsule</dc:subject><dc:description>Kakovost nas spremlja v vseh industrijah in povsod je preverjanje kakovosti izdelka ena najpomembnejših nalog proizvajalca. Razlogi za to so številni. Na prvem mestu je varnost uporabnikov. Podjetje lahko pride na slab glas, če bi nekakovostni kosi prišli do končnih uporabnikov in podobno. Praktično v nobeni drugi industriji ni odgovornost za varnost uporabnikov večja kot v farmacevtski. 

V preteklosti je farmacevtska industrija želela pregledovati večinoma tablete in trde želatinaste kapsule. V zadnjih letih pa so na priljubljenosti pričele pridobivati mehke želatinaste kapsule, ki zaradi razlik v pojavnosti in novih primerov napak, ki se pojavljajo na njih, otežujejo uporabo metod, ki smo jih uporabljali za tablete in kapsule. Ob naraščajočih zahtevah strank ne moremo več doseči njihovih pričakovanj po kakovosti pregledovanja.
 
Z razvojem globokih nevronskih mrež v zadnjih letih, se je pojavila nova rešitev, ki jo zaradi principa delovanja lahko uporabimo za pregledovanje mehko želatinastih kapsul. Cilj mojega dela je bil definirati težave, ki jih mehko želatinaste kapsule predstavljajo pri pregledovanju kakovosti in ugotoviti, če so globoke nevronske mreže ustrezna rešitev za težave, ki so se pojavile z novimi oblikami farmacevtskih izdelkov. Ugotoviti želimo, ali lahko z njihovo uporabo izboljšamo kakovost pregledovanja, torej zaznamo več izdelkov z napakami. To posledično pomeni tudi izboljšanje kakovosti izdelkov, ki pridejo do končnega uporabnika. 

Da bi ugotovili, ali so globoke nevronske mreže rešitev, smo skupaj s strokovnjaki za razvoj algoritmov določili postopek priprave podatkovnih baz za učenje. Postopek testiranja je bil enak kot za rešitve, ki ne uporabljajo modelov globokega učenja. 

Za prikaz rezultatov sem izbral mehke želatinaste kapsule posebne oblike, ki jih brez uporabe globokega učenja ne bi mogli pregledovati s tako visoko kakovostjo. Izvedel sem primerjavo med rešitvama brez uporabe globokega učenja in z uporabo globokega učenja. Na teh izdelkih sem izračunal kakšna je razlika v kakovosti izdelkov po opravljenem pregledovanju. Za konec sem prikazal še uporabo globokega učenja na trdih kapsulah.

Na treh primerih sem prikazal, kako z uporabo globokega učenja lahko rešujemo težave, ki se pojavijo zaradi razlik v izgledu mehko želatinastih kapsul. Z izračuni sem prikazal tudi, za koliko se izboljša kakovost zaradi uporabe globokega učenja.</dc:description><dc:date>2022</dc:date><dc:date>2022-11-23 10:50:00</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>142745</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
