Student se v rámci bakalářské práce zabýval automatizovaným odečítáním číselných hodnot z displejů zařízení, která nedisponují komunikačním rozhraním. Práce vznikala ve spolupráci s Českým metrologickým institutem, kde podobný systém může nalézt praktické uplatnění při dlouhodobých měřeních a kalibracích. V rámci řešení bylo nutné nastudovat problematiku zpracování obrazu a OCR metod a následně navrhnout vlastní řešení splňující požadavek na minimální úspěšnost správného rozpoznání 95%. Student pracoval samostatně a výstupem je software pro zpracování obrazu, a OCR založené na trénovaném modelu.

Práce je rozsáhlá a působí zajímavě. Slabší stránkou je interpretace dosažených výsledků a způsob jejich prezentace. Text působí místy nekonzistentně a některé části by si zasloužily podrobnější vysvětlení, zejména v oblasti trénování modelů a vyhodnocení experimentálních výsledků. Z textu rovněž není vždy zcela zřejmé výsledné nastavení předzpracování obrazu ani důvody některých rozhodnutí při návrhu a testování systému. Přes uvedené připomínky student prokázal schopnost samostatně nastudovat rozsáhlé téma, implementovat funkční software a experimentálně ověřit navržené řešení. Práci doporučuji k obhajobě a hodnotím známkou B – velmi dobře.

Pan Šeda se ve své závěrečné práci zabýval problematikou strojového odečítání hodnot z displejů měřicích přístrojů. Práce byla zadána na podnět Českého metrologického institutu.

V teoretické části je zpracována rešerše zaměřená na zpracování obrazu, které je pro danou úlohu zásadní. Jako implementační jazyk byl zvolen Python, čemuž odpovídá i zaměření rešerše na knihovny dostupné pro tento programovací jazyk. Konkrétně je pozornost věnována knihovně OpenCV, která představuje standardní nástroj pro zpracování obrazu, a dále OCR knihovnám určeným pro vyhodnocování textu, v tomto případě zejména číslic.

Práce se dále zabývá základním zpracováním různých typů displejů a porovnáním dostupných knihoven založených na neuronových sítích. Ve vlastní části řešení student rovněž dotrénovává vybrané modely pro konkrétní potřeby úlohy a specifické typy displejů. Z práce je patrné, že navrženým postupem bylo dosaženo požadované přesnosti.

V práci postrádám zmínku o momentových metodách pro vyhodnocování prvků v obraze. Tyto metody knihovna OpenCV nabízí a představují zajímavou alternativu k metodám založeným na neuronových sítích, případně mohou sloužit jako vstup pro další zpracování.

Po formální stránce je text dobře členěn a vhodně upraven. Jedinou výtku mám k tomu, že se v rešeršní části objevují i výsledky vlastní práce jako příklady předzpracování obrazu.

Zadání považuji za splněné a doporučuji práci k obhajobě s hodnocením velmi dobře/B Topics for thesis defence:

1. Myslíte, že by metody výpočtu obrazových momentů byly použitelné pro rozpoznání číslic, případně vylepšení řešení?
2. V práci zmiňujete problém, který nastane při změně číslice na displeji. Je to nakonec spolehlivě vyřešeno? Dalo by se to něják vylepšit?