Tento projekt je financován se státní podporou Technologické agentury ČR a Ministerstva průmyslu a obchodu ČR v rámci Programu TREND.
www.tacr.cz
Výzkum užitečný pro společnost.

Detail projektu

Defektoskopie lakovaných dílů s pomocí automatické adaptace neuronových sítí

Období řešení: 01.01.2021 — 31.12.2023

Zdroje financování

Technologická agentura ČR - 3. veřejná soutěž - Program průmyslového výzkumu a experimentálního vývoje TREND, PODPROGRAM 1 – TECHNOLOGIČTÍ LÍDŘI

- plně financující (2021-04-29 - 2023-12-31)

O projektu

Projekt se zbývá výzkumem a vývojem prototypu kamerového systému s obchodním označením Konica-Eye, který je určen k monitorování kvality lakovaných dílů ve výrobních společnostech. Hlavním uchazečem je společnost Konica Minolta Business Solutions Czech (nadnárodní dodavatel industriálních řešení s R&D pobočkou v Brně), Vysoké učení technické v Brně (konkrétně jeho součást Výzkumné centrum senzorických, informačních a komunikačních systémů, které se specializuje i na výzkum umělé inteligence a zpracování signálů) a společnost NC LINE (lakování kovových dílů a povrchové úpravy materiálů). Výsledný prototyp bude kombinací pokročilých algoritmů umělé inteligence, pokročilých nástrojů počítačového vidění, hardware pro masivně paralelní výpočty, osvětlovací techniky a kamerových systémů. Uvedený prototyp bude použit ve společnostech Hajdik a NC LINE.

Popis anglicky
The objective of the project is research and development of a prototype camera system with a commercial designation “Konica-Eye” and it pilot deployment, which will monitor the quality of painted parts in manufacturing companies. The main applicants are Konica Minolta Business Solutions Czech (an international supplier of industrial solutions with an R&D branch in Brno), Brno University of Technology and NC LINE (a major Czech company for painting metal parts and surface treatment of materials). The resulting prototype will be a combination of advanced artificial intelligence algorithms, advanced computer vision tools, hardware for massively parallel computations, lighting technology and camera systems. The prototype will be deployed in NC LINE and HAJDIK.

Klíčová slova
umělá inteligence; počítačové vidění; defektoskopie;

Klíčová slova anglicky
artificial intelligence, computer vision, defectoscopy

Označení

FW03010273

Originální jazyk

čeština

Řešitelé

Burget Radim, doc. Ing., Ph.D. - hlavní řešitel
Kolařík Martin, Ing., Ph.D. - spoluřešitel
Myška Vojtěch - spoluřešitel

Útvary

Ústav telekomunikací
- příjemce (17.06.2020 - nezadáno)

Výsledky

KUMAR, A.; JOSHI, R.; DUTTA, M.; JONÁK, M.; BURGET, R. Fruit-CNN: An Efficient Deep learning-based Fruit Classification and Quality Assessment for Precision Agriculture. In 2021 13th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). Online: IEEE, 2021. p. 60-65. ISBN: 978-1-6654-0219-4.
Detail

JEŽEK, Š.; JONÁK, M.; BURGET, R.; DVOŘÁK, P.; SKOTÁK, M. Deep learning-based defect detection of metal parts: evaluating current methods in complex conditions. In 2021 13th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). Online: IEEE, 2021. p. 66-71. ISBN: 978-1-6654-0219-4.
Detail

ANDERSON, E. Performance Metrics Evaluations for Selected Proactive Routing Protocols in Smart Grid Neighbourhood Area Wireless Mesh Network. Proceedings I of the 28th Conference STUDENT EEICT 2022 General Papers. 1. Brno: Brno University of Technology, 2022. p. 511-515. ISBN: 978-80-214-6029-4.
Detail

JONÁK, M.; JEŽEK, Š.; BURGET, R. Evaluation of Nested U-Net models performance on MVTec AD dataset. In 2022 14th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). Valencia, Spain: IEEE, 2022. p. 70-75. ISBN: 979-8-3503-9866-3.
Detail

JEŽEK, Š.; JONÁK, M.; BURGET, R.; DVOŘÁK, P.; SKOTÁK, M. Anomaly detection for real-world industrial applications: benchmarking recent self-supervised and pretrained methods. In 2022 14th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). Valencia, Spain: IEEE, 2022. p. 64-69. ISBN: 979-8-3503-9866-3.
Detail

JEŽEK, Š.; BURGET, R.; VERMA, S.; VISHAL, V.; JOSHI, R.; DUTTA, M. AI-enhanced Mental Health Diagnosis: Leveraging Transformers for Early Detection of Depression Tendency in Textual Data. In 2023 15th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). IEEE Computer Society, 2023. p. 56-61. ISBN: 979-8-3503-9328-6.
Detail

KOLAŘÍK, M.; JONÁK, M.; PŘINOSIL, J.; KRAJSA, O.; BURGET, R.; GAJDACZEK, T. One-Class Learning Weed Plants Detection on Multispectral Images. In 2022 14th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). International Congress on Ultra Modern Telecommunications and Control Systems and Workshops. Valencia, Spain: IEEE, 2022. p. 76-79. ISBN: 979-8-3503-9866-3. ISSN: 2157-023X.
Detail

JEŽEK, Š.; BURGET, R.; JONÁK, M.; KOLAŘÍK, M.; HAVLÍČEK, L.; SKOTÁK, M.: Defect Detection System; Defektoskopie kovových lakovaných dílů. Výzkumná laboratoř Konica Minolta IT Solutions Czech s.r.o.. Holandská 879/4 639 00 Brno. (poloprovoz)
Detail

JEŽEK, Š.; BURGET, R.; JONÁK, M.; KOLAŘÍK, M.; DVOŘÁK, P.; SKOTÁK, M.: Defect Analyzer; Systém pro defektoskopii kovových lakovaných dílů. Výzkumná laboratoř společnosti Konica Minolta IT Solutions Czech s.r.o., Holandská 879/4 639 00 Brno. (prototyp)
Detail

Odpovědnost: Burget Radim, doc. Ing., Ph.D.