Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/53379| Назва: | Проєктування системи технічного зору для контролю якості продукції на конвеєрі з автоматичним відбракуванням |
| Інші назви: | Design of a computer vision system for product quality control on a conveyor with automatic rejection |
| Автори: | Бора, Роман Іванович Bora, Roman Сушинський, Володимир Анатолійович Sushynskyi, Volodymyr |
| Приналежність: | Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії. Кафедра комп’ютерно-інтегрованих технологій |
| Бібліографічне посилання: | Бора Р.І., Сушинський В.А. – Проєктування системи технічного зору для контролю якості продукції на конвеєрі з автоматичним відбракуванням: кваліфікаційна робота бакалавра за спеціальністю „174 — автоматизація та комп’ютерно-інтегровані технології“ / Р.І. Бора, В.А. Сушинський — Тернопіль : ТНТУ, 2026. — 63 с. |
| Дата публікації: | 25-чер-2026 |
| Дата внесення: | 12-лип-2026 |
| Видавництво: | Тернопільський національний технічний університет імені Івана Пулюя |
| Країна (код): | UA |
| Місце видання, проведення: | Тернопіль |
| Науковий керівник: | Микитишин, Андрій Григорович Mykytyshyn, Andrii |
| УДК: | 004.932.2:681.5:658.562 |
| Теми: | 174 автоматизація, комп’ютерно-інтегровані технології та робототехніка контроль якості конвеєрна лінія комп’ютерний зір ПЛК виконавчий механізм комп’ютеризована система управління quality control assembly line computer vision PLC actuator computerised control system |
| Кількість сторінок: | 63 |
| Короткий огляд (реферат): | Кваліфікаційна робота присвячена розробленню системи технічного зору для контролю якості продукції на конвеєрі з автоматичним відбракуванням.
У першому розділі проаналізовано особливості конвеєрного контролю якості та вимоги до системи технічного зору. У другому розділі розроблено структуру системи, обґрунтовано вибір компонентів, алгоритм роботи та інтерфейс оператора. У третьому розділі описано метод обробки зображень, критерії відбракування, керування виконавчим механізмом і оцінювання ефективності системи. В четвертому розділі кваліфікаційної роботи: висвітлено питання з Безпеки життєдіяльності та Основ охорони праці. Об’єкт дослідження: процес автоматизованого контролю якості продукції на конвеєрній лінії. Предмет дослідження: методи, алгоритми та технічні засоби побудови системи технічного зору для контролю якості й автоматичного відбракування продукції на конвеєрі. This qualification work is devoted to the development of a machine vision system for product quality control on a conveyor belt with automatic rejection. The first chapter analyses the characteristics of conveyor-based quality control and the requirements for a machine vision system. The second chapter outlines the system architecture, justifies the choice of components, describes the operating algorithm and the operator interface. The third chapter describes the image processing method, rejection criteria, control of the actuator and evaluation of the system’s effectiveness. The fourth chapter of the thesis covers issues relating to Life Safety and the Fundamentals of Occupational Health and Safety. Object of study: the process of automated product quality control on a conveyor line. Subject of study: methods, algorithms and technical means for constructing a machine vision system for quality control and automatic product rejection on a conveyor. |
| Опис: | Роботу виконано на кафедрі комп’ютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться 25 червня 2026 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. 505 |
| Зміст: | ВСТУП 8 1 АНАЛІТИЧНА ЧАСТИНА 10 1.1 Аналіз технологічного процесу 10 1.2 Огляд сучасних методів і засобів автоматизованого контролю 12 1.3 Аналіз вимог до системи 15 1.4 Порівняльний аналіз апаратних і програмних засобів 17 1.5 Постановка задачі проєктування системи контролю якості 18 1.6 Висновок до першого розділу 19 2 ПРОЕКТНА ЧАСТИНА 20 2.1 Розробка загальної структури системи 20 2.2 Вибір апаратних компонентів системи 22 2.3 Проєктування алгоритму роботи системи 23 2.4 Розробка функціональної схеми взаємодії програмних і технічних модулів 25 2.5 Проєктування інтерфейсу оператора та системи моніторингу 28 2.6 Висновок до другого розділу 30 3 СПЕЦІАЛЬНА ЧАСТИНА 31 3.1 Розробка методу обробки зображень 31 3.2 Формування критеріїв прийняття рішення 33 3.3 Розробка алгоритму керування виконавчим механізмом 35 3.4 Моделювання та перевірка роботи системи 37 3.5 Оцінювання ефективності та можливостей удосконалення 39 3.6 Висновок до третього розділу 41 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 42 4.1 Питання щодо охорони праці 42 4.2 Питання щодо безпеки в надзвичайних ситуаціях 44 ВИСНОВКИ 47 ПЕРЕЛІК ДЖЕРЕЛ 48 ДОДАТКИ |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/53379 |
| Власник авторського права: | © Бора Р.І., Сушинський В.А., 2026 |
| Перелік літератури: | 1 Szeliski, R. (2022). Computer vision: Algorithms and applications (2nd ed.). Springer. doi: 10.1007/978-3-030-34372-9. 2 Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (4th ed.). Pearson. 3 Steger, C., Ulrich, M., & Wiedemann, C. (2018). Machine vision algorithms and applications (2nd ed.). Wiley-VCH. 4 Groover, M. P. (2022). Automation, production systems, and computer-integrated manufacturing (5th ed.). Pearson. 5 International Organization for Standardization. (2015). ISO 9001:2015: Quality management systems — Requirements. ISO. 6 Gilchrist, A. (2016). Industry 4.0: The industrial Internet of Things. 7 OpenCV. (2026). OpenCV 4.x documentation: Image processing in OpenCV. Retrieved April 26, 2026. 8 Wang, J., Ma, Y., Zhang, L., Gao, R. X., & Wu, D. (2018). Deep learning for smart manufacturing: Methods and applications. Journal of Manufacturing Systems, 48, 144–156. doi: 10.1016/j.jmsy.2018.01.003. 9 Hütten, N., Alves Gomes, M., Hölken, F., Andricevic, K., Meyes, R., & Meisen, T. (2024). Deep learning for automated visual inspection in manufacturing and maintenance: A survey of open-access papers. Applied System Innovation, 7(1) 10 Bolton, W. (2015). Programmable logic controllers (6th ed.). Newnes. 11 PLCopen. (2026). IEC 61131-3: Programming languages. Retrieved April 26, 2026. 12 International Society of Automation. (2026). ISA-95 standard: Enterprise-control system integration. ISA. 13 Bradski, G. (2000). The OpenCV library. Dr. Dobb’s Journal, 25(11), 120–125. 14 Python Software Foundation. (2026). Python 3 documentation. Retrieved April 26, 2026. 15 SQLite Consortium. (2026). SQLite documentation. 16 Basler AG. (2026). Vision system lighting: Finding the right illumination. Retrieved April 26, 2026. 17 Basler AG. (2026). Machine vision lenses. 18 Raspberry Pi Ltd. (2026). Camera documentation. 19 Davies, E. R. (2018). Computer vision: Principles, algorithms, applications, learning (5th ed.). Academic Press. 20 Hornberg, A. (Ed.). (2017). Handbook of machine and computer vision: The guide for developers and users (2nd ed.). Wiley-VCH. 21 Thomas, A. D. H., Rodd, M. G., Holt, J. D., & Neill, C. J. (1995). Real-time industrial visual inspection: A review. Real-Time Imaging, 1(2), 139–158. 22 Silva, R. L., Rudek, M., Szejka, A. L., & Canciglieri Junior, O. (2018). Machine vision systems for industrial quality control inspections. In Product lifecycle management to support Industry 4.0 (IFIP Advances in Information and Communication Technology, Vol. 540, pp. 631–641). 23 Sioma, A. (2023). Vision system in product quality control systems. Applied Sciences, 13(2), 751. 24 Carvalho, P., Durupt, A., & Grandvalet, Y. (2023). A review of benchmarks for visual defect detection in the manufacturing industry. arXiv. 25 Akundi, A., & Reyna, M. (2021). A machine vision based automated quality control system for product dimensional analysis. Procedia Computer Science, 185, 127–134. doi: 10.1016/j.procs.2021.05.014. 26 Didych, I., Tymoshchuk, D., Karpinski, M., Mykytyshyn, A., & Stanko, A. (2025). AI-driven intelligent system for bottle cap design generation. 27 I. Didych, A. Stanko, A. Mykytyshyn, M. Mytnyk, «Application of machine learning methods to the prediction of NO₂ concentration in the air environment». In 4th International Workshop on Information Technologies: Theoretical and Applied Problems (ITTAP-2024), 2024. 28 A. Stanko, O. Duda, A. Mykytyshyn, O. Totosko, R. Koroliuk, «Artificial Intelligence of Things (AIoT): Integration Challenges, and Security Issues». In CEUR Workshop Proceedings (BAIT-2024), 2024, pp. 92–105. |
| Тип вмісту: | Bachelor Thesis |
| Розташовується у зібраннях: | 151 — Автоматизація та компʼютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка (бакалаври) |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| dyplom_Bora_R._Sushynskyi_V_2026.pdf | Дипломна робота | 2,35 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора