prikaz prve stranice dokumenta Deep learning-based methods for defect detection from ultrasound images
  Preuzmi
PDF 11.22 MB
disertacija
Deep learning-based methods for defect detection from ultrasound images
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:247036
Medak, Duje
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zavod za elektroničke sustave i obradbu informacija

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Medak, D. (2022). Deep learning-based methods for defect detection from ultrasound images (Disertacija). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:247036

Medak, Duje. "Deep learning-based methods for defect detection from ultrasound images." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:247036

Medak, Duje. "Deep learning-based methods for defect detection from ultrasound images." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:247036

Medak, D. (2022). 'Deep learning-based methods for defect detection from ultrasound images', Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 13.03.2025., https://urn.nsk.hr/urn:nbn:hr:168:247036

Medak D. Deep learning-based methods for defect detection from ultrasound images [Disertacija]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 13.03.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:247036

D. Medak, "Deep learning-based methods for defect detection from ultrasound images", Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:247036

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:247036
Podaci o radu
NaslovDeep learning-based methods for defect detection from ultrasound images
Naslov (hrvatski)Metode zasnovane na dubokom učenju za detekciju defekata iz ultrazvučnih slika
AutorDuje Medak
MentorSven Lončarić (mentor)
Član povjerenstvaMarko Subašić (predsjednik povjerenstva)
Član povjerenstvaZvonko Kostanjčar (član povjerenstva)
Član povjerenstvaZoran Kalafatić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
(Zavod za elektroničke sustave i obradbu informacija)
Zagreb
Datum i država obrane2022-06-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Obradba informacija
Univerzalna decimalna klasifikacija
(UDC)		004 - Računalna znanost i tehnologija. Računalstvo. Obrada podataka
Sažetak
Ultrasonic testing is a non-destructive evaluation (NDE) technique that is used to inspect the integrity of the material and check if there are any defects in its internal structure. The acquisition of ultrasonic data is already done in an automated fashion using robotic manipulators, but the analysis of the data is still done manually by specially trained experts. Manual analysis is subject to human errors especially when a large amount of data needs to be inspected. The goal of this doctoral dissertation is to develop deep learning-based methods that can be used to efficiently and reliably detect defects from ultrasonic images. Deep learning methods have been achieving great results in many image analysis tasks during the past few years. However, to develop a good deep learning-based method for defect detection, several problems must be solved. Some of the encountered challenges include a small dataset, noise and geometry signals, and extreme aspect ratios of the defects.
Sažetak (hrvatski)
Ultrazvučno testiranje je tehnika nerazornog ispitivanja koja se koristi za ispitivanje kvalitete materijala i detekciju defekata unutar njegove strukture. Akvizicija ultrazvučnih podataka se već obavlja automatizirano korištenjem robotskih manipulatora, ali analizu prikupljenih podataka još uvijek ručno rade obučeni inspektori. Takva analiza podložna je ljudskoj pogrešci, pogotovo ako je količina podataka koju je potrebno pregledati velika. Cilj ove doktorske disertacije je razviti metode bazirane na dubokom učenju koje bi se mogle koristiti za efikasnu i pouzdanu detekciju defekata na ultrazvučnim slikama. Metode dubokog učenja zadnjih godina postižu odlične rezultate u raznim problemima vezanim za analizu slike. Međutim, kako bi se razvila dobra metoda za detekciju defekata bazirana na dubokom učenju, nekoliko problema mora biti riješeno. Neki od izazova koji se pojavljuju su mali skup podataka, šumoviti podaci, pojava signala uzrokovanih geometrijom i ekstremni omjeri oblika defekata.
Ključne riječi
Ključne riječi (hrvatski)
Jezikengleski
URN:NBNurn:nbn:hr:168:247036
Datum promocije2022
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: poslijediplomski znanstveni (doktorski)
Akademski / stručni naziv: Doktor znanosti (dr. sc.)
Vrsta resursaTekst
Opsegix, 107 str. : graf. prikazi , 30 cm.
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-07-07 11:45:03