APPLICATION OF COMPUTER VISION IN QUALITY CONTROL

Cilj ovog rada je prikazati primjenu računalnog vida u procesu automatske kontrole kvalitete završnog proizvoda. Kontrola kvalitete je jako bitan faktor u industriji gdje se teži prema automatizaciji kako bi ubrzali procese te smanjili mogućnost ljudske pogreške. Računalni vid omogućuje prepoznavanje grešaka ili nepravilnosti u visokoj točnosti. U teorijskom dijelu rada opisana je povijest i određene tehnologije računalnog vida, također je opisana primjena računalnog vida u različitim dijelovima industrije. U prvom primjeru eksperimentalnog dijela prikazan je jedan od načina prepoznavanja razlika na dvije slike korištenjem standardnih alata za obradu slike. Umjetna inteligencija za potrebe računalnog vida razvijena je uz pomoć konvolucijskih neuronskih mreža a prikaza je u drugom primjeru eksperimentalnog dijela. Za potrebe ovog rada korišten je programski jezik Python te biblioteke kao što su OpenCV, NumPy i Keras za procesiranje, obradu slika i učenje neuronske mreže.The aim of this paper is to present the application of computer vision in the process of automatic quality control of the final product. Quality control is a very important factor in an industry where automation is sought to speed up processes and reduce the possibility of human error. Computer vision allows the detection of errors or irregularities in high accuracy. The theoretical part of the paper describes the history and certain technologies of computer vision, it also describes the application of computer vision in different parts of the industry. In the first example of the experimental part, one of the ways of recognizing differences in two images using standard processing tools is demonstrated. Artificial intelligence for the needs of computer vision was developed with the help of convolutional neural networks and the presentation is in second example of the experimental part. For the purposes of this paper, the Python programming language and libraries such as OpenCV, Numpy and Keras were used for processing, image manipulation and learning of the neural network