| dc.contributor.advisor |
Štursa, Dominik |
|
| dc.contributor.author |
Špicar, Kamil
|
|
| dc.date.accessioned |
2024-07-08T11:43:07Z |
|
| dc.date.available |
2024-07-08T11:43:07Z |
|
| dc.date.issued |
2024 |
|
| dc.date.submitted |
2024-05-17 |
|
| dc.identifier.uri |
https://hdl.handle.net/10195/83045 |
|
| dc.description.abstract |
Cílem práce je návrh systému detekce vad na osazených deskách plošných spojů s využitím konvolučních neuronových sítí. Navržený systém je komplexní množinou detekčních metod zaměřených na vady identifikované z historických obrazových dat, jejichž kombinací lze klasifikovat celé inspekční fotografie osazených desek plošných spojů. Detekční metody zahrnují ověřené architektury konvolučních neuronových sítí a výpočty parametrů pro dílčí klasifikace z jejich výstupů. Byl vytvořen software pro testování celého navrženého systému a trénování jednotlivých modelů. |
cze |
| dc.format |
89 s. |
|
| dc.format |
89 s. |
|
| dc.language.iso |
cze |
|
| dc.publisher |
Univerzita Pardubice |
cze |
| dc.rights |
Bez omezení |
|
| dc.subject |
AOI |
cze |
| dc.subject |
PCB |
cze |
| dc.subject |
konvoluční neuronové sítě |
cze |
| dc.subject |
vizuální inspekce |
cze |
| dc.subject |
detekce vad |
cze |
| dc.subject |
AOI |
eng |
| dc.subject |
PCB |
eng |
| dc.subject |
Convolutional neural networks |
eng |
| dc.subject |
Visual inspection |
eng |
| dc.subject |
Defect detection |
eng |
| dc.title |
Vývoj systému detekce vad na osazených PCB s využitím konvolučních neuronových sítí |
cze |
| dc.title.alternative |
Development of an assembled PCB defect detection system using convolutional neural networks |
eng |
| dc.type |
diplomová práce |
cze |
| dc.contributor.referee |
Doležel, Petr |
|
| dc.date.accepted |
2024-06-11 |
|
| dc.description.abstract-translated |
This thesis aims to design a defect detection system for assembled printed circuit boards using convolutional neural networks. The proposed system is a complex set of detection methods that focus on defects identified from historical image data, the combination of which can be used to classify entire inspection photos of assembled printed circuit boards. The detection methods include verified convolutional neural network architectures and parameter calculations for partial classifications based on their outputs. Software was developed to test the entire
proposed system and to train individual models. |
eng |
| dc.description.department |
Fakulta elektrotechniky a informatiky |
cze |
| dc.thesis.degree-discipline |
Automatické řízení |
cze |
| dc.thesis.degree-name |
Ing. |
|
| dc.thesis.degree-grantor |
Univerzita Pardubice. Fakulta elektrotechniky a informatiky |
cze |
| dc.thesis.degree-program |
Automatické řízení |
cze |
| dc.description.defence |
<p>Diplomová práce se zabývá návrhem systému detekce vad na osazených deskách plošných spojů (PCB) s využitím konvolučních neuronových sítí. Cílem práce bylo vytvoření komplexního detekčního systému, který kombinuje různé metody zaměřené na identifikaci vad z historických obrazových dat a jejich klasifikaci. Hlavním přínosem práce je návrh a implementace detekčního systému, který dosahuje vysoké přesnosti při detekci a klasifikaci vad na PCB. Cíle diplomové práce byly splněny, práce je komplexní a obsahuje úplný popis navrženého řešení.</p>
<p>V souladu s čl. 4 odst. 1b) Stipendijního řádu Univerzity Pardubice komise navrhuje diplomovou práci na Studentskou cenu rektora II. stupně za vynikající úroveň diplomové práce. </p> |
cze |
| dc.identifier.stag |
47537 |
|
| dc.description.grade |
Dokončená práce s úspěšnou obhajobou |
cze |
