DETEKCIJA RAZPOK V STEKLU Z METODAMI STROJNEGA VIDA

Raziskava se osredotoca na razvoj algoritmov strojne inteligence z uporabo konvencionalnih metod ter z uporabo nevronskih mrež. Izziv, s katerim smo se pri razvoju metod ukvarjali, se nanasa na iskanje poskodb na steklu vial. Osnova za razvoj algoritmov je zbirka slik poskodovanih in neposkodovanih vial, ki smo jo ustvarili sami s primerno izbrano opremo in ustreznimi postopki. Prvi predlagani pristop iskanja poskodb zajema klasicne metode strojnega ucenja. Za luscenje znacilk smo uporabili banko Gaborjevih filtrov, za razvrscevanje vzorcev pa je bila uporabljena metoda podpornih vektorjev. Drugi predlagani pristop zajema metode globokega ucenja. V tem primeru smo kot osnovni model za konvolucijo vzorcev s filtri vzeli arhitekturo mreže VGG16, ki ji je bil odstranjen zgornji del. Namesto tega smo implementirali nove plasti s prilagojenim stevilom parametrov in previdno izbranimi aktivacijskimi funkcijami. V obeh primerih smo za evaluacijo algoritmov uporabili ROC krivulje, pri cemer smo dosegli 100\% razpoznavnost poskodb. Zaradi optimizacije casa izvajanja teh algoritmov smo na koncu izvedli se ablacijsko studijo, pri kateri smo opazovali, kako zmanjsevanje podatkov o eni viali vpliva na koncni izzid razvrscanja.