All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

The system for automated welding inspection

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F20%3A39917274" target="_blank" >RIV/00216275:25530/20:39917274 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    čeština

  • Original language name

    Systém k provádění automatizované kontroly svarů

  • Original language description

    Systém k provádění automatizované kontroly svarů zahrnuje senzor pro sběr obrazových dat, klasifikační a řídicí jednotku komunikačně spojenou se senzorem, nadřazený řídicí systém komunikačně spojený s klasifikační a řídicí jednotkou, kde klasifikační a řídicí jednotka zahrnuje paměťovou jednotku a výpočetní jednotku zahrnující alespoň dvě implementované architektury konvolučních neuronových sítí o různých výpočetních náročnostech. Výhoda tohoto provedení spočívá v možnosti využití složitosti neuronové sítě odpovídající kvalitě snímků, což umožňuje rychlejší adaptaci neuronové sítě a její plynulejší trénování. Systém dále zahrnuje rozhraní pro komunikaci s operátorem komunikačně spojené s klasifikační a řídicí jednotkou, přičemž rozhraní zahrnuje zobrazovací jednotku a vstupní periferii pro přijetí instrukce o zařazení obrazových dat do jedné z alespoň dvou tříd, zadání míry jistoty zařazení obrazových dat k třídě a výběru architektury neuronové sítě. Výhoda představeného systému spočívá v získání přesnějšího klasifikátoru neuronové sítě, kdy trénování neuronové sítě probíhá nad množinou obrazových dat, která jsou zařazena do dané třídy statisticky s vyšší hodnotou jistoty příslušnosti snímků do dané třídy, než při trénování neuronové sítě nad množinou všech zařazených dat. Paměťová jednotka obsahuje snímky svarů získané senzorem a zařazené do příslušné třídy. Architektura neuronové sítě s nejnižší výpočetní náročností obsahuje alespoň sedm vrstev typu Convolution2D, MaxPooling2D, Dropout, Flatten a Dense. Vstupní periferie zahrnuje ovládací prvek k zadání míry jistoty příslušnosti snímku do příslušné třídy, přičemž míra jistoty je tím vyšší, čím delší je délka stisku ovládacího prvku.

  • Czech name

    Systém k provádění automatizované kontroly svarů

  • Czech description

    Systém k provádění automatizované kontroly svarů zahrnuje senzor pro sběr obrazových dat, klasifikační a řídicí jednotku komunikačně spojenou se senzorem, nadřazený řídicí systém komunikačně spojený s klasifikační a řídicí jednotkou, kde klasifikační a řídicí jednotka zahrnuje paměťovou jednotku a výpočetní jednotku zahrnující alespoň dvě implementované architektury konvolučních neuronových sítí o různých výpočetních náročnostech. Výhoda tohoto provedení spočívá v možnosti využití složitosti neuronové sítě odpovídající kvalitě snímků, což umožňuje rychlejší adaptaci neuronové sítě a její plynulejší trénování. Systém dále zahrnuje rozhraní pro komunikaci s operátorem komunikačně spojené s klasifikační a řídicí jednotkou, přičemž rozhraní zahrnuje zobrazovací jednotku a vstupní periferii pro přijetí instrukce o zařazení obrazových dat do jedné z alespoň dvou tříd, zadání míry jistoty zařazení obrazových dat k třídě a výběru architektury neuronové sítě. Výhoda představeného systému spočívá v získání přesnějšího klasifikátoru neuronové sítě, kdy trénování neuronové sítě probíhá nad množinou obrazových dat, která jsou zařazena do dané třídy statisticky s vyšší hodnotou jistoty příslušnosti snímků do dané třídy, než při trénování neuronové sítě nad množinou všech zařazených dat. Paměťová jednotka obsahuje snímky svarů získané senzorem a zařazené do příslušné třídy. Architektura neuronové sítě s nejnižší výpočetní náročností obsahuje alespoň sedm vrstev typu Convolution2D, MaxPooling2D, Dropout, Flatten a Dense. Vstupní periferie zahrnuje ovládací prvek k zadání míry jistoty příslušnosti snímku do příslušné třídy, přičemž míra jistoty je tím vyšší, čím delší je délka stisku ovládacího prvku.

Classification

  • Type

    F<sub>uzit</sub> - Utility model

  • CEP classification

  • OECD FORD branch

    20205 - Automation and control systems

Result continuities

  • Project

    <a href="/en/project/TG02010058" target="_blank" >TG02010058: Proof-of-concept activities support at University of Pardubice</a><br>

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Others

  • Publication year

    2020

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Patent/design ID

    34543

  • Publisher

    CZ001 -

  • Publisher name

    Industrial Property Office

  • Place of publication

    Prague

  • Publication country

    CZ - CZECH REPUBLIC

  • Date of acceptance

  • Owner name

    Univerzita Pardubice

  • Method of use

    B - Výsledek je využíván orgány státní nebo veřejné správy

  • Usage type

    A - K využití výsledku jiným subjektem je vždy nutné nabytí licence