is Íslenska en English

Lokaverkefni (Meistara)

Háskóli Íslands > Verkfræði- og náttúruvísindasvið > Meistaraprófsritgerðir - Verkfræði- og náttúruvísindasvið >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: http://hdl.handle.net/1946/35913

Titill: 
  • Titill er á ensku Multispectral Classification for In-Line Inspection Systems
  • Notkun fjölrófsmynda til að flokka aðskotahluti á framleiðslubandi
Námsstig: 
  • Meistara
Útdráttur: 
  • Útdráttur er á ensku

    There are plenty of industries that can benefit from a non-destructive in-line visual inspection system that is able to detect and classify foreign materials.
    With hyperspectral imaging (HSI), one collects both spectral (biochemical) and spatial (textural) information on the detected material in real-time.
    With HSI gathered in-line, the extensive information acquired can be challenging to process correctly in time.
    Few systems do solve this problem, but all are lacking in some way.
    Some cannot be adapted for new anomalies or lack the speed required for an in-line system.
    Others do not utilize the combined spectral and spatial information.
    This thesis proposes an adaptable classification system that processes the full spectral and spatial data.
    The proposed method demonstrates in-line production processing speed, adapts to changing environments, and has the potential to surpass human visual inspection.
    This system is built upon recent developments in neural network architectures for image processing.

  • Margar greinar framleiðsluiðnaðar hafa hag af öflugu gæðaeftirlitskerfi þar sem notast er við myndgreiningu til að bera kennsl á og flokka aðskotahluti.
    Litrófsmyndgreiningartækni sem getur greint bæði sýnilega litrófið og nærinnrauða litrófið gefur mikilvægar upplýsingar, svo sem um stærð, lögun, áferð og efnafræðilegt innihald myndaða hlutarins á rauntíma.
    Hins vegar er krefjandi verk fyrir flokkunaralgrím að vinna úr þessum upplýsingum á þeim hraða sem framleiðsluiðnaður krefst.
    Fá gæðaeftirlitskerfi eru í boði fyrir iðnaðinn og þau sem eru á markaði eru ekki fullnægjandi.
    Til dæmis hafa sum eftirlitskerfanna ekki getu til að læra inn á nýja aðskotahluti, og önnur geta ekki unnið úr upplýsingunum á þeim hraða sem framleiðsluiðurinn krefst.
    Fá þeirra gæðaeftirlitskerfa sem í boði eru nýta sér samtímis þær litrófsupplýsingar og rúmfræðilegu upplýsingar sem fást úr litrófsmynd með nærinnrauðu ljósi.
    Þetta meistaraverkefni leggur til myndgreiningarkerfi sem vinnur úr bæði litrófsupplýsingum og rúmfræðilegum upplýsingum sem fást með fjölrása litrófsmyndavél á því sem næst rauntíma.
    Myndgreiningarkerfið er byggt á nýlegum framförum í myndgreiningu með djúpum tauganetum og ætti að geta greint aðskotahluti með meiri nákvæmni en mannleg skoðun er fær um.
    Kerfið hefur einnig góða aðlögunarhæfni þar sem það er fært um að laga sig að breyttum aðstæðum á borð við birtuskilyrði og hitastig.

Samþykkt: 
  • 5.6.2020
URI: 
  • http://hdl.handle.net/1946/35913


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
MSc_ÞórTómasarson_HÍ_Skemman.pdf23.25 MBOpinnHeildartextiPDFSkoða/Opna
YfirlýsingMeðferðVerkefnis_ÞórTómasarson.pdf295.27 kBLokaðurYfirlýsingPDF