Tato práce se zabývá problematikou využití strojového vidění při procesu výroby syntetických vláken metodou tažení. Cílem práce je návrh a realizace systému strojového vidění pro detekci přípravků v pracovním prostoru a zjištění jejich souřadnic vzhledem k souřadnicovému systému stroje k produkci syntetických vláken. Získané souřadnice jsou následně předány řídícímu systému stroje prostřednictvím souboru JSON. V práci jsou nejdříve popsány různé metody detekce objektů a také je vysvětleno, proč a jak kalibrovat kameru. Rešeršní část se zaměřuje na stručné shrnutí dostupných komerčních systémů strojového vidění v průmyslu a hledání potenciálních alternativ pro tuto problematiku. Následuje detailní popis realizace samotného systému, včetně popisu ovládání systému, který může sloužit jako příručka pro obsluhu. V poslední části je realizovaný systém otestován k ověření jeho funkčnosti.
Anotace v angličtině
This thesis solves the issue of usage of machine vision in the process of synhetic fibers production using the drawing method. Main objective of the thesis is to develop machine vision system that detects devices in a workspace of a machine used in synhetic fibers production and determining their coordinates with respect to the machine's coordinate system. The acquired data is then sent to the machine's control system through a JSON file. In theoretical part, various methods of object detection are described, as well as an explanation of why and how to calibrate the camera. The research part focuses on a brief summary of available commercial machine vision systems and the search for potential alternatives for this issue. This is followed by the main part: implementation of the system itself, including a description of how to operate the system, which can serve as an operator's manual. In the last part, the implemented system is tested to verify its functionality.
Klíčová slova
strojové vidění, detekce objektů, OpenCV, ArUco, metoda tažení, drawing, Python
Tato práce se zabývá problematikou využití strojového vidění při procesu výroby syntetických vláken metodou tažení. Cílem práce je návrh a realizace systému strojového vidění pro detekci přípravků v pracovním prostoru a zjištění jejich souřadnic vzhledem k souřadnicovému systému stroje k produkci syntetických vláken. Získané souřadnice jsou následně předány řídícímu systému stroje prostřednictvím souboru JSON. V práci jsou nejdříve popsány různé metody detekce objektů a také je vysvětleno, proč a jak kalibrovat kameru. Rešeršní část se zaměřuje na stručné shrnutí dostupných komerčních systémů strojového vidění v průmyslu a hledání potenciálních alternativ pro tuto problematiku. Následuje detailní popis realizace samotného systému, včetně popisu ovládání systému, který může sloužit jako příručka pro obsluhu. V poslední části je realizovaný systém otestován k ověření jeho funkčnosti.
Anotace v angličtině
This thesis solves the issue of usage of machine vision in the process of synhetic fibers production using the drawing method. Main objective of the thesis is to develop machine vision system that detects devices in a workspace of a machine used in synhetic fibers production and determining their coordinates with respect to the machine's coordinate system. The acquired data is then sent to the machine's control system through a JSON file. In theoretical part, various methods of object detection are described, as well as an explanation of why and how to calibrate the camera. The research part focuses on a brief summary of available commercial machine vision systems and the search for potential alternatives for this issue. This is followed by the main part: implementation of the system itself, including a description of how to operate the system, which can serve as an operator's manual. In the last part, the implemented system is tested to verify its functionality.
Klíčová slova
strojové vidění, detekce objektů, OpenCV, ArUco, metoda tažení, drawing, Python
Cílem bakalářské práce je návrh softwaru, který řeší problematiku manuálního zadávání počátečních parametrů pro automatizované procesy, například polohu předmětů v pracovním prostoru. Daný software by měl být kompatibilní s jinými softwary. Samotná detekce by měla být realizována pomocí počítačového vidění. Téma má aplikační potenciál a je určeno pro zvýšení automatizace a snížení lidského faktoru v automatizovaných procesech.
Proveďte rešerši dané problematiky. Seznamte se s technologií počítačového vidění.
Na základě studie navrhněte vhodný postup a model pro realizaci.
Cílem bakalářské práce je návrh softwaru, který řeší problematiku manuálního zadávání počátečních parametrů pro automatizované procesy, například polohu předmětů v pracovním prostoru. Daný software by měl být kompatibilní s jinými softwary. Samotná detekce by měla být realizována pomocí počítačového vidění. Téma má aplikační potenciál a je určeno pro zvýšení automatizace a snížení lidského faktoru v automatizovaných procesech.
Proveďte rešerši dané problematiky. Seznamte se s technologií počítačového vidění.
Na základě studie navrhněte vhodný postup a model pro realizaci.
[1] MOORE, Alan D. Python GUI Programming with Tkinter: Develop responsive and powerful GUI applications with Tkinter. [online]. Birmingham: Packt Publishing, 2018 [vid. 2021-10-13]. ISBN 978-1-78883-568-8.
[2] LUTZ, Mark. Programming Python. Fourth edition. Beijing Boston Farnham Sebastopol Tokyo: O’Reilly, 2019. ISBN 978-0-596-15810-1.
[3] TALVERDI, P. CNC lathe G-Code and M-Code illustrative handbook. ? Lulu Enterprises, ///. ISBN 978-0-557-64836-8.
[4] KAEHLER, Adrian a Gary R. BRADSKI. Learning OpenCV 3: computer vision in C++ with the OpenCV library. First edition, Second release. Sebastopol, CA: O’Reilly Media, 2017. ISBN 978-1-4919-3799-0.
[5] LI, Qing. Biomaterials for implants and scaffolds. New York, NY: Springer Berlin Heidelberg, 2016. ISBN 978-3-662-53572-1.
[6] STANISLAV, Lukáš. PRODUKCE NANOVLÁKEN METODOU TAŽENÍ. Liberec, 2015. Disertační práce. Technická Univerzita v Liberci.
Seznam doporučené literatury
[1] MOORE, Alan D. Python GUI Programming with Tkinter: Develop responsive and powerful GUI applications with Tkinter. [online]. Birmingham: Packt Publishing, 2018 [vid. 2021-10-13]. ISBN 978-1-78883-568-8.
[2] LUTZ, Mark. Programming Python. Fourth edition. Beijing Boston Farnham Sebastopol Tokyo: O’Reilly, 2019. ISBN 978-0-596-15810-1.
[3] TALVERDI, P. CNC lathe G-Code and M-Code illustrative handbook. ? Lulu Enterprises, ///. ISBN 978-0-557-64836-8.
[4] KAEHLER, Adrian a Gary R. BRADSKI. Learning OpenCV 3: computer vision in C++ with the OpenCV library. First edition, Second release. Sebastopol, CA: O’Reilly Media, 2017. ISBN 978-1-4919-3799-0.
[5] LI, Qing. Biomaterials for implants and scaffolds. New York, NY: Springer Berlin Heidelberg, 2016. ISBN 978-3-662-53572-1.
[6] STANISLAV, Lukáš. PRODUKCE NANOVLÁKEN METODOU TAŽENÍ. Liberec, 2015. Disertační práce. Technická Univerzita v Liberci.
Přílohy volně vložené
0
Přílohy vázané v práci
ilustrace
Převzato z knihovny
Ano
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Průběh obhajoby je zveřejněn pouze přihlášenému uživateli.