Ezzel az azonosítóval hivatkozhat erre a dokumentumra forrásmegjelölésben vagy hiperhivatkozás esetén:
http://elartu.tntu.edu.ua/handle/lib/53380| Title: | Розробка автоматизованої системи виявлення дефектів на пофарбованій поверхні з використанням нейронної мережі |
| Other Titles: | Development of an automated system for detecting defects on painted surfaces using a neural network |
| Authors: | Бородюх, Тарас Сергійович Borodiukh, Taras |
| Affiliation: | Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії. Кафедра комп’ютерно-інтегрованих технологій |
| Bibliographic reference (2015): | Бородюх Т.С., Розробка автоматизованої системи виявлення дефектів на пофарбованій поверхні з використанням нейронної мережі: кваліфікаційна робота бакалавра за спеціальністю «174 — Автоматизація, комп’ютерно-інтегровані технології та робототехніка» / Т.С. Бородюх. – Тернопіль: ТНТУ, 2026. — 67 с. |
| Issue Date: | 25-jún-2026 |
| Date of entry: | 12-júl-2026 |
| Publisher: | Тернопільський національний технічний університет імені Івана Пулюя |
| Country (code): | UA |
| Place of the edition/event: | Тернопіль |
| Supervisor: | Золотий, Роман Захарійович Zolotyi, Roman |
| UDC: | 658.562 |
| Keywords: | 174 автоматизація, комп’ютерно-інтегровані технології та робототехніка дефект фарбування тестування машинне навчання нейромережа defect painting testing machine learning neural network |
| Number of pages: | 67 |
| Abstract: | У роботі показано, що компонент освітлення є не менш важливим компонентом системи машинного зору, особливо для дзеркальної поверхні. Для дзеркальної поверхні було протестовано три різні види освітлення, а саме: світле поле, темне поле та структуроване освітлення, і з цих трьох темне поле та структуроване освітлення (дефлектометрія) дали найкращі результати. Дефлектометричне налаштування вимагає високого рівня точності з точки зору налаштування та калібрування. Точність налаштування не така важлива при налаштуванні кільцевого світла темного поля порівняно з дефлектометричним налаштуванням. Запропонована установка кільцевого світла може охоплювати площу 20x10 см, а для охоплення набагато більшої площі потрібно або перемістити об'єкт огляду в поле зору камери, або використовувати більше камер з перекриваючимся полем зору.
Зображення дефектів на твердій пофарбованій поверхні, отримані за допомогою кільцевого освітлення, були покращені за допомогою методів комп'ютерного зору, таких як морфологічні операції, вейвлет-перетворення, фільтр Габора тощо. The work shows that the illumination component is no less important component of a machine vision system, especially for a specular surface. Three different types of illumination were tested for a specular surface, namely: bright field, dark field and structured illumination, and out of these three, dark field and structured illumination (deflectometry) gave the best results. Deflectometric setup requires a high level of accuracy in terms of setup and calibration. The accuracy of setup is not as important when setting up a dark field ring light compared to a deflectometric setup. The proposed ring light setup can cover an area of 20x10 cm, and to cover a much larger area, it is necessary to either move the object of inspection into the field of view of the camera or use more cameras with overlapping fields of view. Images of defects on a solid painted surface obtained using ring illumination were improved using computer vision techniques such as morphological operations, wavelet transform, Gabor filter, etc. |
| Description: | 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 |
| Content: | ВСТУП 5 1. АНАЛІТИЧНА ЧАСТИНА 7 1.1 Огляд дефектів пофарбованої поверхні 7 1.2 Методи комп'ютерного зору для виявлення дефектів на пофарбованих поверхнях 15 2. ПРОЄКТНА ЧАСТИНА 19 2.1. Компоненти налаштування машинного зору 19 2.2 Методи комп'ютерного зору для покращення зображення 22 2.3 Функції нейронної мережі 28 3 СПЕЦІАЛЬНА ЧАСТИНА 38 3.1 Система отримання зображень 38 3.2 Методи комп'ютерного зору для покращення дефектів. 47 3.3 Класифікація дефектів на основі штучної нейронної мережі 49 4 БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ХОРОНИ ПРАЦІ 56 4.1 Організація охорони праці при роботі з системою управління 56 4.2 Електробезпека 58 4.3 Розрахунок заземлення 61 ВИСНОВКИ 64 ПЕРЕЛІК ПОСИЛАНЬ 65 |
| URI: | http://elartu.tntu.edu.ua/handle/lib/53380 |
| Copyright owner: | © Бородюх Т.С., 2026 |
| References (Ukraine): | 1. Ren, Shiqing; Wang, Yan. Separating reflection components of smooth metallic surface using special random sampling method // 3rd International Conference of Innovative Computing Information and Control. – 2008. – С. 527–527. 2. Oren, Michael; Nayar, Shree K. Generalization of Lambert’s reflectance model // Proceedings of the 21st annual conference on Computer graphics and interactive techniques. – 1994. – С. 239–246. 3. Gnanaprakasam, Pradeep; ін. Efficient 3D characterization of raised topological defects in smooth specular coatings // Image and Vision Computing. – 2009. – Т. 27, № 4. – С. 319–330. 4. Li, Chang Jiang; ін. Developing a new automatic vision defect inspection system for curved surfaces with highly specular reflection // International Journal of Innovative Computing, Information and Control. – 2012. – Т. 8, № 7B. – С. 5121–5136. 5. Akafuah, Nelson K.; ін. Evolution of the automotive body coating process — a review // Coatings. – 2016. – Т. 6, № 2. – С. 24. 6. Pernkopf, Franz; O’Leary, Paul. Image acquisition techniques for automatic visual inspection of metallic surfaces // NDT & E International. – 2003. – Т. 36, № 8. – С. 609–617. 7. Puente Leon, F.; Kammel, S. Inspection of specular and painted surfaces with centralized fusion techniques // Measurement. – 2006. – Т. 39, № 6. – С. 536–546. 8. Kumar, Ajay. Computer-vision-based fabric defect detection: A survey // IEEE Transactions on Industrial Electronics. – 2008. – Т. 55, № 1. – С. 348–363. 9. Chen, Yud-Ren; Chao, Kuanglin; Kim, Moon S. Machine vision technology for agricultural applications // Computers and Electronics in Agriculture. – 2002. – Т. 36, № 2. – С. 173–191. 10. Litwiller, Dave. CCD vs. CMOS // Photonics Spectra. – 2001. – Т. 35, № 1. – С. 154–158. 11. Petrozzo, Ronald A.; Singer, Stuart W. Telecentric lenses simplify noncontract metrology // Test & Measurement World. – 2001. – Т. 21, № 13. – С. 4–4. 12. Zhang, Xue-Wu; ін. A vision inspection system for the surface defects of strongly reflected metal based on multi-class SVM // Expert Systems with Applications. – 2011. – Т. 38, № 5. – С. 5930–5939. 13. Martin, Daryl. A practical guide to machine vision lighting // Midwest Sales and Support Manager, Adv Illum. – 2007. – С. 1–3. 14. Abouelela, Ahmed; ін. Automated vision system for localizing structural defects in textile fabrics // Pattern Recognition Letters. – 2005. – Т. 26, № 10. – С. 1435–1443. 15. Piironen, Timo; ін. Automated visual inspection of rolled metal surfaces // Machine Vision and Applications. – 1990. – Т. 3, № 4. – С. 247–254. 16. Boby, Riby Abraham; ін. Identification of defects on highly reflective ring components and analysis using machine vision // The International Journal of Advanced Manufacturing Technology. – 2011. – Т. 52, № 1–4. – С. 217–233. 17. А.Г. Микитишин, М.М. Митник, П.Д. Стухляк, В.В. Пасічник Комп’ютерні мережі. Книга 1. [навчальний посібник] (Лист МОНУ №1/11-8052 від 28.05.12р.) - Львів, "Магнолія 2006", 2013. – 256 с. 18. А.Г. Микитишин, М.М. Митник, П.Д. Стухляк, В.В. Пасічник Комп’ютерні мережі. Книга 2. [навчальний посібник] (Лист МОНУ №1/11-11650 від 16.07.12р.) - Львів, "Магнолія 2006", 2014. – 312 с. 19. Микитишин А.Г., Митник, П.Д. Стухляк. Комплексна безпека інформаційних мережевих систем: навчальний посібник – Тернопіль: Вид-во ТНТУ імені Івана Пулюя, 2016. – 256 с. 20. Микитишин А.Г., Митник М.М., Стухляк П.Д. Телекомунікаційні системи та мережі : навчальний посібник для студентів спеціальності 151 «Автоматизація та комп’ютерно-інтегровані технології» – Тернопіль: Тернопільський національний технічний університет імені Івана Пулюя, 2017 – 384 с. 21. Введення в компютерну графіку та дизайн: Навчальний посібник для студентів спеціальності 174 "Автоматизація, компютерно-інтегровані технології та робототехніка"/Укладачі: О.В. Тотосько, П.Д. Стухляк, А.Г. Микитишин, В.В. Левицький, Р.З. Золотий - Тернопіль: ФОП Паляниця В.А., 2023 - 304с. http://elartu.tntu.edu.ua/handle/lib/41166. 22. Пилипець М. І. Правила заповнення основних форм технологічних документів : навч.-метод. посіб. / Уклад. Пилипець М. І., Ткаченко І. Г., Левкович М. Г., Васильків В. В., Радик Д. Л. Тернопіль : ТДТУ, 2009. 108 с. https://elartu.tntu.edu.ua/handle/lib/42995. |
| Content type: | Bachelor Thesis |
| Ebben a gyűjteményben: | 151 — Автоматизація та компʼютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка (бакалаври) |
Fájlok a dokumentumban:
| Fájl | Leírás | Méret | Formátum | |
|---|---|---|---|---|
| dyplom_Borodiukh_T_2026.pdf | Дипломна робота | 1,49 MB | Adobe PDF | Megtekintés/Megnyitás |
Minden dokumentum, ami a DSpace rendszerben szerepel, szerzői jogokkal védett. Minden jog fenntartva!
Admin Tools