Implementation and integration of artificial intelligence models for surface defect recognition of metal plates

Ovaj diplomski rad bavi se metodama klasifikacije i detekcije oštećenja na metalnim pločama. Teorijski je opisana struktura i arhitektura korištenih konvolucijskih neuronskih mreža od kojih su neki algoritmi korišteni u praktičnom dijelu. Slike za treniranje obrađene su augmentacijskim metodama. Točnost istreniranih mreža provjerena je na dijelu podataka za testiranje i ocijenjena metrikama točnosti. Model detekcije baziran na YOLO algoritmu prilagođen je za korištenje na sustavu manje računalne snage i Android uređaju.This master thesis deals with classification and detection methods on steel surface defect dataset. The structure and architecture of used convolutional neural networks are described theoretically, some of which algoritms were used in the practical part. Training images were preprocessed by augmentation methods. The accuracy of the trained models was checked on test data and evaluated by accuracy metrics. The detection model based on the YOLO algorithm is adapted for use on a low end system and Android device