1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Бакалавр
  4. 151 — Автоматизація та компʼютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка (бакалаври)
Mesedez, erabili identifikatzaile hau item hau aipatzeko edo estekatzeko: http://elartu.tntu.edu.ua/handle/lib/49671
Metadatuen erregistro osatua
DC eremuaBalioaHizkuntza
dc.contributor.advisorДідич, Ірина Степанівна-
dc.contributor.advisorDidych, Iryna-
dc.contributor.authorКравець, Владислав Вікторович-
dc.contributor.authorKravets, Vladyslav-
dc.date.accessioned2025-07-09T08:20:32Z-
dc.date.available2025-07-09T08:20:32Z-
dc.date.issued2025-06-26-
dc.identifier.citationКравець В.В. Розробка інтелектуальної системи формування дизайну пляшкових корків на базі штучного інтелекту :робота на здобуття кваліфікаційного ступеня бакалавра : спец. 151 — автоматизація та комп’ютерно-інтегровані технології / наук. кер. І. С. Дідич. Тернопіль : Тернопільський національний технічний університет ім. І. Пулюя , 2025. 60 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/49671-
dc.descriptionРоботу виконано на кафедрі ком’пютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України Захист відбудеться 26 червня 2025 р. о 09.00 годині на засіданні екзаменаційної комісії № 20 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул.Руська, 56, навчальний корпус №1, ауд. 403uk_UA
dc.description.abstractКравець В.В. – Розробка інтелектуальної системи формування дизайну пляшкових корків на базі штучного інтелекту. 151 – «Автоматизація та комп’ютерно-інтегровані технології» – Тернопільський національний технічний університет імені Івана Пулюя. – Тернопіль, 2025. Кваліфікаційна робота присвячена розробленню повноцінного циклу створення дизайну: формування датасету, налаштування середовища розробки у Google Colab, навчання генеративної моделі з LoRA, створення Gradio-інтерфейсу для інтерактивної генерації зображень. Запропонована система дозволяє користувачу задавати текстовий опис (prompt), на основі якого модель синтезує нові зразки дизайну, зберігаючи ключові ознаки стилю вихідних даних. Kravets V.V. – Development of an Intelligent System for Bottle Cap Design Generation Based on Artificial Intelligence. 151 - "Automation and computer-integrated technologies" - Ternopil Ivan Puluj National Technical University. - Ternopil, 2025. The qualification work is devoted to the development of a full-fledged design cycle: forming a dataset, setting up a development environment in Google Colab, training a generative model with LoRA, creating a Gradio interface for interactive image generation. The proposed system allows the user to set a text description (prompt), based on which the model synthesizes new design samples, preserving the key features of the original data style.uk_UA
dc.description.tableofcontentsВСТУП 6 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 8 1.1 Технологія виготовлення термоусадочних ковпачків 8 1.2 Основні напрями застосування ШІ в дизайні упаковок 15 1.3 Порівняння сучасних методів генерації зображень 18 РОЗДІЛ 2. ПРОЕКТНА ЧАСТИНА 22 2.1 Постановка задачі та визначення вимог до системи 22 2.2 Архітектура інтелектуальної системи генерації дизайнів 23 2.3 Підготовка та попередня обробка навчальної вибірки 26 2.4 Створення навчального набору даних LoRA 28 2.5 Організація середовища розробки у Google Colab 29 2.6 Проведення процесу навчання нейронної мережі 31 2.7 Реалізація генерації дизайнів за допомогою Gradio-інтерфейсу 32 РОЗДІЛ 3. СПЕЦІАЛЬНА ЧАСТИНА 36 3.1 Технологія донавчання LoRA: особливості та переваги 36 3.2 Аналіз отриманих результатів генерації зображень 38 3.3 Оцінка якості та точності згенерованих дизайнів 48 РОЗДІЛ 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 50 4.1 Характеристика шкідливих факторів виробничого середовища 50 4.2 Забезпечення безпеки життєдіяльності при роботі з ПК 52 ВИСНОВКИ 57 ПЕРЕЛІК ПОСИЛАНЬ 59uk_UA
dc.language.isoukuk_UA
dc.publisherТернопіль, ТНТУuk_UA
dc.subjectгенеративні моделіuk_UA
dc.subjectавтоматизація дизайнуuk_UA
dc.subjectштучний інтелектuk_UA
dc.subjectlorauk_UA
dc.subjectдизайнuk_UA
dc.subjectнейронні мережіuk_UA
dc.subjectпляшкові коркиuk_UA
dc.subjectstable diffusionuk_UA
dc.subjectгенерація зображеньuk_UA
dc.subjectgenerative modelsuk_UA
dc.subjectartificial intelligenceuk_UA
dc.subjectlorauk_UA
dc.subjectneural networksuk_UA
dc.subjectdesignuk_UA
dc.subjectstable diffusionuk_UA
dc.subjectbottle corksuk_UA
dc.subjectdesign automationuk_UA
dc.subjectimage generationuk_UA
dc.titleРозробка інтелектуальної системи формування дизайну пляшкових корків на базі штучного інтелекту igenceuk_UA
dc.title.alternativeDevelopment of an Intelligent System for Bottle Cap Design Generation Based on Artificial Intelluk_UA
dc.typeBachelor Thesisuk_UA
dc.rights.holder© Кравець В. В., 2025uk_UA
dc.contributor.committeeMemberКапаціла, Юрій Богданович-
dc.contributor.committeeMemberKapatsila, Yuriі-
dc.coverage.placenameТернопільський національний технічний університет ім. І. Пулюяuk_UA
dc.format.pages60-
dc.subject.udc004.03.8uk_UA
thesis.degree.grantorЕК №20, 2025 р.-
dc.relation.references1. Haykin S. Neural Networks - A Comprehensive Foundation - Simon Haykin.pdf. McMaster University, Hamilton, Ontario, Canada, 2006. P. 823.uk_UA
dc.relation.references2. N. Richard: Applied regression analysis, third ed., John Wiley & Sons, New York, 1998uk_UA
dc.relation.references3. Philip D. Wasserman. Neural Computing: Theory and Practice, New York: Coriolis Group (Sd), 1989uk_UA
dc.relation.references4. K. Gurney: An introduction to neural networks, first ed., Taylor & Francis Group, London, 1997uk_UA
dc.relation.references5. R. Rombach, A. Blattmann, D. Lorenz, P. Esser and B. Ommer, "High-Resolution Image Synthesis with Latent Diffusion Models," 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), New Orleans, LA, USA, 2022, pp. 10674-10685, doi: 10.1109/CVPR52688.2022.01042.uk_UA
dc.relation.references6. Hu, Edward & Shen, Yelong & Wallis, Phillip & Allen-Zhu, Zeyuan & Li, Yuanzhi & Wang, Shean & Chen, Weizhu. (2021). LoRA: Low-Rank Adaptation of Large Language Models. 10.48550/arXiv.2106.09685.uk_UA
dc.relation.references7. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.uk_UA
dc.relation.references8. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.uk_UA
dc.relation.references9. Schmidhuber, J. (2015). Deep learning in neural networks: An overview. Neural Networks, 61, 85-117.uk_UA
dc.relation.references10. Deng, L., & Yu, D. (2014). Deep learning: methods and applications. Foundations and Trends® in Signal Processing, 7(3–4), 197-387.uk_UA
dc.relation.references11. Karpathy, A., & Fei-Fei, L. (2015). Deep visual-semantic alignments for generating image descriptions. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 3128-3137).uk_UA
dc.relation.references12. Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., & Sutskever, I. (2019). Language models are unsupervised multitask learners. OpenAI blog, 1(8), 9.uk_UA
dc.relation.references13. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. In Advances in neural information processing systems (pp. 5998-6008).uk_UA
dc.relation.references14. Brock, A., Donahue, J., & Simonyan, K. (2019). Large scale GAN training for high fidelity natural image synthesis. In International Conference on Learning Representations.uk_UA
dc.relation.references15. Oleh Yasniy, Abdellah Menou, Andriy Mykytyshyn, Vitalii Kubashok, Iryna Didych (2024). Application of neural network platforms for text-based image generation. Ceur Workshop Proceedings, 2024, 3842, pp. 232–240uk_UA
dc.relation.references16. Yasniy, O., Mykytyshyn, A., Didych, I., Kubashok, V., & Boiko, A. (2023). Application of artificial intelligence to improve the work of educational platforms. In ITTAP (pp. 605-609).uk_UA
dc.relation.references17. Karras, T., Aila, T., Laine, S., & Lehtinen, J. (2019). A style-based generator architecture for generative adversarial networks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 4401-4410).uk_UA
dc.relation.references18. OpenAI. (2023). DALL-E 3: Creating Images from Text. Retrieved from https://openai.com/dall-e-3uk_UA
dc.contributor.affiliationТернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії. Кафедра комп’ютерно-інтегрованих технологійuk_UA
dc.coverage.countryUAuk_UA
Bildumetan azaltzen da:151 — Автоматизація та компʼютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка (бакалаври)

Item honetako fitxategiak:
Fitxategia Deskribapena TamainaFormatua 
KRB_Kravets_V_2025.pdfКваліфікаційна робота бакалавра2,15 MBAdobe PDFBistaratu/Ireki
Itemaren erregistro erraza erakusten du


DSpaceko itemak copyright bidez babestuta daude, eskubide guztiak gordeta, baldin eta kontrakoa adierazten ez bada.

Administratzailearen tresnak