R. Augustausko daktaro disertacijos “Gilaus apmokymo intelektinių metodų taikymas margo paviršiaus defektams aptikti” gynimas

Autorius, institucija:  Rytis Augustauskas, Kauno technologijos universitetas

Mokslo sritis, kryptis: technologijos mokslai, informatikos inžinerija, T007

Mokslinis vadovas: doc. dr. Arūnas Lipnickas (Kauno technologijos universitetas, technologijos mokslai, informatikos inžinerija, T007)

Informatikos inžinerijos mokslo krypties disertacijos gynimo taryba:
prof. dr. Rytis Maskeliūnas (Kauno technologijos universitetas, technologijos mokslai, informatikos inžinerija, T007) – pirmininkas
prof. dr. Nikolaj Goranin (Vilniaus Gedimino technikos universitetas, technologijos mokslai, informatikos inžinerija, T007)
prof. dr. Olga Kurasova (Vilniaus universitetas, gamtos mokslai, informatika, N009)
prof. dr. Renaldas Urniežius (Kauno technologijos universitetas, technologijos mokslai, informatikos inžinerija, T007)
doc. dr. Marcin Woźniak (Silezijos technologijos universitetas, Lenkija, technologijos mokslai, informatikos inžinerija, T007)

Disertacijos gynimas vyko Kauno technologijos universiteto „Santakos“ slėnyje, Posėdžių kambaryje (K.Baršausko g. 59 – A228, Kaunas)

Su disertacija galima susipažinti Kauno technologijos universiteto bibliotekoje (K. Donelaičio g. 20, Kaunas)

Anotacija:

Gamybos kontrolė bei stebėjimas yra vienos pagrindinių ketvirtosios pramonės revoliucijos (Pramonė 4.0) dalių. Kiekvieno gamybos etapo priežiūra ir inspektavimas gali padėti išvengti broko per pirmuosius apdirbimo etapus bei taip sumažinti žaliavų išeigą ar sutaupyti laiko, skirto tolesnei pažeistos (ir ankstyvoje stadijoje neaptiktos) produkcijos gamybai. Taip gali būti sumažinti gamybos kaštai. Neinvazinė patikra, paremta kompiuterine rega (angl. Computer vision (CV)), gali būti naudojama daugelyje optinio inspektavimo vietų. Vaizdo analize paremti metodai yra vieni populiariausių kokybės patikros sprendimų pramonėje. Šiame tyrime aprašoma giliuoju mokymu paremtų metodų taikymas vaizdinių ar struktūrinių gaminių savybių anomalijų analizei. Darbe pateikiami maži konvoliucinių neurononių tinklų architektūrų sprendimai ir modelių treniravimo metodologijos, kurie padeda padidinti veikimo tikslumą, kai skaičiavimų kompleksiškumas išlieka toks pat ar mažai pakitęs. Sukurtieji metodai tiriami dirbtinai sugeneruotuose margo paviršiaus, betono ir asfalto defektų bei medinių baldinių plokščių gręžimo vietų segmentavimo duomenų bazėse.