Виявлення аномалій на зображеннях у промисловому виробництві за допомогою нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorПишнограєв, Іван Олександрович
dc.contributor.authorБурдейний, Артем Олександрович
dc.date.accessioned2025-06-11T13:54:20Z
dc.date.available2025-06-11T13:54:20Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 102 с., 25 рис., 21 табл., 25 посилань, додаток. Об’єкт дослідження – зображення промислової продукції та бінарні маски локалізації дефектів із публічного набору даних MVTec AD. Предмет дослідження – методи виявлення та локалізації аномалій на зображеннях продуктів промисловості. Актуальність роботи полягає в розробці моделі для точного виявлення пошкоджень та дефектів на різноманітній промисловій продукції. Метою роботи є розробка власної self-supervised моделі, що здатна як класифікувати зображення на нормальні та аномальні, так і виконувати бінарну сегментацію зображень виділяючи та локалізуючи дефектні ділянки. Порівняти її результати із методом PatchCore. Додатково дослідити, як дифузійна модель здатна покращити якість реконструкції, що виконана за допомогою VQ-VAE, для задач виявлення аномалій на зображеннях. Наукова новизна роботи полягає в поєднанні безумовної дифузійної моделі разом з VQ-VAE для усунення дефектів із зображень в латентному просторі VQ-VAE та подальшого покращення виявлення аномалій на зображеннях. Імплементовано метод PatchCore. Представлено та імплементовано модель для виявлення аномалій, що складається з таких компонентів як VQ-VAE, дифузійна модель та сегментаційна мережа U-Net. Для представленої моделі отримано значення метрик pixel-AUROC 0.9887 та IoU 0.7012. Результати роботи подано до опублікування у періодичне видання «Electronics and Control Systems».
dc.description.abstractotherMaster's thesis: 102 p., 25 figures, 21 tables, 25 references, appendix. The object of the study is images of industrial products and binary defect localization masks from the publicly available MVTec AD dataset. The subject of research is methods for detecting and localizing anomalies in images of industrial products. Relevance of the work lies in developing a model for the accurate detection of damages and defects in various industrial products. The purpose of the work is to develop a self-supervised model capable of both classifying images as normal or anomalous and performing binary segmentation to identify and localize defective regions. The results are compared with those of the PatchCore method. Additionally, the study explores how a diffusion model can enhance the reconstruction quality achieved by VQ-VAE for image anomaly detection tasks. The scientific novelty of the work lies in the combination of an unconditional diffusion model with VQ-VAE to remove defects from images in the latent space of VQ-VAE and to further enhance image anomaly detection. The PatchCore method has been implemented. A custom anomaly detection model has been proposed and implemented, consisting of components such as VQ-VAE, a diffusion model, and a U-Net segmentation network. The proposed model achieved a pixel-AUROC score of 0.9887 and an IoU score of 0.7012. The results of the work have been submitted for publication in the journal “Electronics and Control Systems”.
dc.format.extent102 с.
dc.identifier.citationБурдейний, А. О. Виявлення аномалій на зображеннях у промисловому виробництві за допомогою нейронних мереж : магістерська дис. : 122 Комп'ютерні науки / Бурдейний Артем Олександрович. - Київ, 2025. - 102 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74205
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкомп’ютерний зір
dc.subjectзгорткові нейронні мережі
dc.subjectпромислове виявлення аномалій
dc.subjectдифузійна модель
dc.subjectself- supervised learning
dc.subjectcomputer vision
dc.subjectconvolutional neural networks
dc.subjectindustrial anomaly detection
dc.subjectdiffusion model
dc.subject.udc004.932.2:004.032.26](043.3)
dc.titleВиявлення аномалій на зображеннях у промисловому виробництві за допомогою нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Burdeinyi_magistr.pdf
Розмір:
3.67 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи