Elektronikos komponentų ant konvejerio skaičiavimo metodų tyrimas

Abstract

Elektronikos komponentų ant konvejerio skaičiavimo metodų tyrimas. Magistro baigiamasis darbas elektronikos inžinerijos laipsniui. Vilniaus Gedimino technikos universitetas. Vilnius, 2022, 71 p., 27 iliustr., 16 lent., 59 bibl., 2 priedai. Šio darbo tikslas – išnagrinėti smulkiems objektams atpažinti ir aptikti taikomus intelektualiuosius metodus ir pritaikyti pasirinktą metodą elektronikos komponentų ant konvejerio skaičiavimo sistemai. Tikslui pasiekti buvo atlikta vaizdo apdorojimo bei klasifikavimo, giliojo mokymosi ir objektų aptikimo metodų analitinė apžvalga. Buvo sukurtas individualus duomenų rinkinys klasifikavimo modeliui mokyti ir suformuluotas elektronikos komponentų skaičiavimo metodas eksperimentiniams tyrimams atlikti. Eksperimentinio tyrimo dalyje įgyvendinti ir ištirti mokymui pasirinkti objektų aptikimo modeliai, įvertintas jų efektyvumas (vaizdo apdorojimo sparta, vidutinis aptikimo tikslumas, išvedimo laikas) aptinkant elektronikos komponentus. Įdiegus pasiūlytą skaičiavimo metodą papildomai įvertinti suskaičiuotų elektronikos komponentų kiekiai, metodo poveikis modelių efektyvumui. Sudaryta sistema geba identifikuoti ir skaičiuoti keturių rūšių elektronikos komponentus realiuoju laiku.

Investigation of methods for counting electronic components on a conveyor. Masters’ graduation thesis for electronics engineering degree, Vilnius Gediminas Technical University. Vilnius, 2022, 71 p., 27 pictures., 16 tables., 59 lit., 2 ex. The aim of this thesis is to investigate intelligent techniques used to identify and detect tiny objects and apply chosen method for counting electronic components on a conveyor. For achieving the aim, an analytical review of image processing and classification, deep learning and object detection methods was conducted. An individual dataset for training regression-based object detectors to identify electronic components was collected and a method for counting electronic components was formulated. During the experimental research, trained object detection models were implemented and investigated, their image processing speed, mean average precision, inference time while detecting electronic components were evaluated. After the implementation of the proposed calculation method, quantities of the calculated components and the effect of the method on the efficiency of the models were additionally evaluated and compared. The system is capable to identify and count four different types of electronic components.