Automatická detekce odpadu v obrazových datech

Blažková, Anežka

Publikace:
Automatická detekce odpadu v obrazových datech

Diplomová práceopen access

dc.contributor.advisor	Štursa, Dominik
dc.contributor.author	Blažková, Anežka
dc.contributor.referee	Doležel, Petr
dc.date.accepted	2024-09-11
dc.date.accessioned	2024-10-13T16:26:22Z
dc.date.issued	2024
dc.date.submitted	2024-08-20
dc.description.abstract	Cílem diplomové práce je vytvořit software pro automatickou detekci odpadu v prostředí Python pomocí konvolučních neuronových sítí. Teoretická část je věnována problematice odpadu a recyklace. Práce popisuje strukturu konvoluční neuronové sítě a její učení. Dále se zabývá algoritmy a metriky pro klasifikaci a detekci odpadu. Praktická část obsahuje dataset se shromážděnými daty a jejich augmentace, které jsou využity k následnému trénování a optimalizaci modelu. V práci je zvolen algoritmus YOLOv5 a jeho modifikace YOLOv5n, YOLOv5s a YOLOv5m, na kterých je síť postupně trénována a následně dle zvolených metrik vyhodnocena. Součástí je také jednoduchá aplikace, pomocí které lze jednoduše vyhodnotit snímky.	cze
dc.description.abstract-translated	The goal of this diploma thesis is to develop software for automatic detection of waste in Python environment using convolutional neural network. The theoretical section is devoted to the problematic of recycling and waste. Thesis describes structures of convolutional neural network and its learning. The scope includes with algorithms and metrics for classification and detection of waste. The practical section describes dataset with all collected data and their augmentation, which are later used for training and optimalization of model. The thesis includes algorithm YOLOv5 and its modification YOLOv5n, YOLOv5s and YOLOv5m, on which it is gradually trained and subsequently evaluated according to the selected metrics. It also includes a simple application that is easy to use for image evaluation.	eng
dc.description.defence	Diplomová práce se zabývá vývojem softwaru pro automatickou detekci odpadu v obrazových datech pomocí konvolučních neuronových sítí. Diplomová práce vykazuje několik nedostatků. Chybí podrobnější popis metodiky, jak by případný pohyb robota byl vykonáván, což oslabuje praktickou aplikovatelnost navrhovaného řešení. Dalším významným nedostatkem je, že při trénování modelů není využito rozdělení na trénovací, testovací a validační množiny, což může ovlivnit objektivitu vyhodnocení modelů. Lze konstatovat, že předložená práce splňuje požadavky na práci tohoto typu a studentka splnila zadání.	cze
dc.description.department	Fakulta elektrotechniky a informatiky	cze
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze
dc.format	79 s.
dc.identifier.stag	45332
dc.identifier.uri	https://hdl.handle.net/10195/84368
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	Bez omezení
dc.subject	odpad	cze
dc.subject	Python	cze
dc.subject	konvoluční neuronové sítě	cze
dc.subject	zpracování obrazu	cze
dc.subject	YOLOv5	cze
dc.subject	waste	eng
dc.subject	Python	eng
dc.subject	convolutional neural networks	eng
dc.subject	image processing	eng
dc.subject	YOLOv5	eng
dc.thesis.degree-discipline	Automatické řízení	cze
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta elektrotechniky a informatiky	cze
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Automatické řízení	cze
dc.title	Automatická detekce odpadu v obrazových datech	cze
dc.title.alternative	Automatic waste detection in image data	eng
dc.type	diplomová práce	cze
dspace.entity.type	Publication