Zaznavanje poroznosti na obdelanih površinah ulitkov z metodami globokega učenjaJeraša, Miha (Avtor) Čepon, Gregor (Mentor) Perš, Janez (Komentor) strojni vidpovršinske napakeodbojne površinekonvolucijske nevronske mrežegloboko učenjedetekcija anomalijObravnavamo avtomatizacijo vizualne kontrole na obdelanih kovinskih izdelkih s strojnim vidom, ki omogoča večjo hitrost in objektivnost. Poudarek je na zaznavanju poroznosti, kjer izziv predstavljata odbojnost in ukrivljenost površin. Vzpostavimo eksperimentalno postavitev, ki omogoča ponovljiv zajem slik ustrezne kakovosti. Slike realnih vzorcev pripravimo, označimo in uporabimo za primerjavo različnih metod strojnega vida. Poleg klasičnih pristopov obravnavamo tudi konvolucijsko nevronsko mrežo in dve nenadzorovani metodi detekcije anomalij, katerima namenimo več pozornosti. Ovrednotimo uspešnost klasifikacije ter analiziramo vpliv ključnih dejavnikov, kot so pogoji zajema, prisotnost nečistoč in izbira nastavitev modela. Rezultati kažejo potencial predlaganega pristopa, pri čemer se kot najprimernejša metoda izkaže Patch Distribution Modeling (PaDiM) z doseženim F1=0,96.20262026-08-22 08:31:58Magistrsko delo/naloga185907VisID: 288198sl