Development of Software for Defect Measurement on Threaded Inserts
Software pro měření defektů závitových hnízd
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/199649Identifikátory
SIS: 270837
Katalog UK: 9926169626606986
Kolekce
- Kvalifikační práce [12078]
Autor
Vedoucí práce
Oponent práce
Jarý, Vladimír
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Informatika - Umělá inteligence
Katedra / ústav / klinika
Katedra softwaru a výuky informatiky
Datum obhajoby
9. 6. 2025
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
fotogrametrie|závitové hnízdo|počítačové vidění|měření defektů|hloubková mapa|přehledový snímek|zpracování videaKlíčová slova (anglicky)
photogrammetry|threaded insert|computer vision|defect measurement|depth map|one image overview|video processingTato diplomová práce se zabývá vývojem softwarového řešení pro inspekci závitových hnízd na základě videozáznamů. Navržené řešení má dvě hlavní části: generování pře- hledového obrazu (OIO) a odhad hloubkové mapy (DM). Generování OIO bylo úspěšně ověřeno a poskytuje interpretovatelné a spolehlivé výstupy pro účely inspekce. Tvorba DM, založená na dotrénování modelu Depth Anything V2, prokázala určitý potenciál, zejména po augmentaci syntetického trénovacího datasetu, avšak ukázala i limity spo- jené s nedostatkem reálných trénovacích dat. Bylo prozkoumáno využití syntetických dat jako konceptuální řešení. Práce diskutuje paralelizaci a alternativní přístupy, jako je segmentačně-klasifikační řešení, pro budoucí nasazení v praxi. Výsledný systém tvoří základ pro další rozvoj směrem k automatizované inspekci bezpečnostně kritických kom- ponent.
This thesis addresses the development of a software pipeline for defect inspection of threaded inserts from video scans. The pipeline has two main components: the One Image Overview (OIO) generation and Depth Map (DM) estimation. The OIO pipeline, based on classic computer vision methods, was successfully demonstrated, producing in- terpretable and reliable outputs for inspection. The DM pipeline, based on fine-tuning the Depth Anything V2 model, showed promising results, especially after synthetic domain adaptation, but also revealed significant challenges due to limited real-world training data. The use of domain-adapted synthetic data was explored as a proof of concept. Paralleliza- tion strategies and alternative approaches, such as segmentation-classification workflows, are discussed for future development and deployment. The system forms a foundation for further development toward real-time automated inspection of safety-critical components.
