prikaz prve stranice dokumenta Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja
Rad nije dostupan
diplomski rad
Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. urn:nbn:hr:168:152395
Posilović, Luka
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Posilović, L. (2019). Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:152395

Posilović, Luka. "Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:152395

Posilović, Luka. "Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:152395

Posilović, L. (2019). 'Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:152395

Posilović L. Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2019 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:152395

L. Posilović, "Duboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:152395

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:152395
Podaci o radu
NaslovDuboko učenje korištenjem YOLO modela za nedestruktivna ispitivanja
Naslov (engleski)Deep Learning Using YOLO Model for Nondestructive Testing
AutorLuka Posilović
MentorSven Lončarić (mentor)
Član povjerenstvaSven Lončarić (predsjednik povjerenstva)
Član povjerenstvaMarko Subašić (član povjerenstva)
Član povjerenstvaTomislav Petković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2019-07-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Nedestruktivno ispitivanje je metoda kojom se pronalaze pukotine i ostale nesavršenosti u materijalima bez njihova uništavanja. Vrlo je važna prilikom ispitivanja konstrukcijskih elemenata u nuklearnim elektranama, ali i mnogim drugim industrijama poput avio industrije i automobilske industrije. Jedna od metoda nedestruktivnog ispitivanja koristi se ultrazvučnim valovima kako bi pronašla pukotine i odredila njihov tip i veličinu. Za potrebe ispitivanje nekog objekta snimi se velika količina ultrazvučnih slika koje ljudski ekspert mora detaljno pregledati. Mogućnost ljudske pogreške i vrijeme potrebno za kvalitetnu analizu svih podataka otežavajući su faktori u provedbi ispitivanja. Ovom problemu pristupa se razvojem algoritma za automatsku detekciju defekata u ispitivanom materijalu. Razvijeni algoritam je konvolucijska neuronska mreža koja na ulazu prima ultrazvučne slike, a izlaz su je pozicija i veličina pronađenih defekata. Korišten je model YOLO - You Only Look Once s pretreniranim baznim slojevima. Model je treniran koristeći bazu od 490 slika podijeljenih na skup za treniranje, validaciju i testiranje. Predstavljeni model ostvario je prosječnu točnost (mAP) od 93,5% na testnom skupu podataka s mogućnošću obrade 45 slika u sekundi. Također, razvijen je algoritam za uklanjanje šuma na ultrazvučnim slikama koristeći valićnu transformaciju.
Sažetak (engleski)
Non-destructive testing is a method for detecting flaws and other impurities in materials without destroying them. It is very important during inspection of construction blocks in nuclear power plants, but also many other different industries such as aviation industry and automotive industry. One of the methods of non-destructive testing is using ultrasonic waves to find cracks and determine their shape and size. To inspect some object a vast amount of ultrasonic images is acquired that a human expert needs to inspect in detail. Possibility of human error and time needed for a thorough inspection of all data are aggravating factors in inspection and analysis. The approach to this problem is the development of an algorithm for automatic flaw detection in inspected materials. Developed algorithm is a convolutional neural network which inputs ultrasonic images and outputs the position and size of detected defects. Model is trained using the database of 490 images divided into the set for training, validation and test. Presented model achieved the average precision (mAP) of 93,5% on a test set while analyzing 45 images per second. Also, an algorithm for denoising ultrasonic images using wavelet transform is presented.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:152395
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2020-01-07 21:29:48