Bachelor's Thesis

Visual Anomaly Detection of Intake Module Pre-filters Using Unsupervised Deep Learning

Final Thesis 8.6 MB Appendix 12.47 kB

Author of thesis: Bc. Josef Hruška

Acad. year: 2024/2025

Supervisor: doc. Ing. Pavel Škrabánek, Ph.D.

Reviewer: Ing. Jan Turčínek, Ph.D.

Abstract:

Unsupervised deep learning methods can detect anomalies by learning patterns exclusively from normal, non-anomalous data. In industry, where anomalous data are rare, this approach is particularly promising for visual defect detection on manufactured parts. This thesis provides an overview of image anomaly detection methods using unsupervised deep learning, with the primary goal of developing a custom solution for detecting defects on a mass-produced plastic pre-filter. To ensure robust training and evaluation of the models, an extensive dataset of both normal and anomalous pre-filter images is collected. The anomalous images are then annotated to create binary masks for pixel-level evaluation. Two models are developed. The first model is an author's custom autoencoder based on direct image reconstruction, and second is a modified feature reconstruction model built on an existing architecture. The accuracy of the models is evaluated both at the image classification and at the pixel level. The best performing model is implemented for further experimental testing.

Keywords:

Unsupervised deep learning,  visual quality inspection,  image anomaly detection

Date of defence

18.06.2025

Result of the defence

Defended (thesis was successfully defended)

znamkaAznamka

Grading

A

Process of defence

Student seznámil komisi s výsledky své bakalářské práce a odpověděl na otázky oponenta. Následovala diskuze k závěrečné práci a otázky komise: jak se v procesu kontrolují svary? Jak jste řešil vliv osvětlení? Jaký má montážní linka takt? Student odpověděl na všechny dotazy komise.

Language of thesis

English

Faculty

Fakulta strojního inženýrství

Department

Institute of Automation and Computer Science

Study programme

Fundamentals of Mechanical Engineering (B-ZSI-P)

Specialization

Fundamentals of Mechanical Engineering (STI)

Composition of Committee

prof. Ing. Vladimír Vašek, CSc. (předseda)
Ing. Jan Turčínek, Ph.D. (člen)
Ing. Petr Hadraba, Ph.D. (člen)
Mgr. Monika Dosoudilová, Ph.D. (člen)
Ing. Ondřej Rubeš, Ph.D. (člen)
Ing. Luděk Janák (člen)
Ing. Roman Parák, Ph.D. (člen)
doc. Ing. Pavel Škrabánek, Ph.D. (místopředseda)
doc. Ing. Ivan Švarc, CSc. (člen)
Ing. et Ing. Stanislav Lang, Ph.D. (člen)

Supervisor’s report
doc. Ing. Pavel Škrabánek, Ph.D.

Hlavním cílem bakalářské práce bylo navrhnout, vytvořit a experimentálně vyhodnotit jednu nebo více topologií pro detekci anomálií na plastových modulech předfiltrů. K dosažení tohoto cíle bylo nezbytné vytvořit a anotovat dostatečně rozsáhlou a reprezentativní datovou sadu. Nedílnou součástí práce měla být také rešerše metod používaných pro detekci anomálií v obrazových datech. Všechny tyto požadavky student úspěšně splnil.

Nad rámec zadání student navrhl a realizoval i stanici pro sběr obrazových dat a rozšířil experimentální část o analýzu vlivu změny zorného pole kamery na přesnost detekce anomálií. Tím významně přispěl ke komplexnosti řešení a praktické využitelnosti výsledků.

Student při řešení pracoval samostatně, proaktivně konzultoval jak vývoj vlastního technického řešení, tak i strukturu a jazykové zpracování textu práce. Zvolené metody byly vhodné a odpovídaly rozsahu cíle. Student efektivně využil dostupné nástroje a aplikoval je inovativním způsobem. Získané výsledky a poznatky jsou přínosné a potenciálně využitelné v reálném výrobním prostředí.

Text práce je logicky strukturovaný, dobře čitelný a po formální stránce kvalitně zpracovaný. Grafické zpracování je na dobré úrovni. V práci se vyskytuje minimum překlepů a jazykových chyb. Práce odpovídá standardům kladeným na bakalářské práce i v oblasti citací a bibliografických odkazů. Diskuse dosažených výsledků je nadprůměrná. Práce obsahuje seznam zkratek; seznam použitých symbolů však chybí.

Na základě výše uvedeného práci doporučuji k obhajobě a hodnotím ji známkou A.
Evaluation criteria Grade
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita A
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry A
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací A
Samostatnost studenta při zpracování tématu A

Grade proposed by supervisor: A

Reviewer’s report
Ing. Jan Turčínek, Ph.D.

Cílem práce bylo navrhnout a implementovat jednu či více topologií neuronových sítí pro detekci anomálií v plastových modulech a vytvoření dostatečně velké trénovací sady dat. Objem vytvořených dat je možné považovat za dostačující. Autor navrhuje dva modely, jeden méně efiktivní a druhý více. Sice, jak sám autor uvádí, že systém není připraven pro produkční nasazení je dle mého názoru byl tento cíl splněn. 


Student provádí podrobnou rešerši zvolených nástrojů a metod v podobě dobře srozumitelné i pro osoby, které nejsou oblasti tématu práce odborníky. Práce je přehledná, dobře čitelná a pochopitelná.
Evaluation criteria Grade
Splnění požadavků a cílů zadání B
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita A
Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry A
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací A
Topics for thesis defence:
  1. Co by bylo potřeba udělat pro to, aby připravovaný systém mohl být nasazen v provozu?

Grade proposed by reviewer: A

Responsibility: Mgr. et Mgr. Hana Odstrčilová