Automatická detekce rzi na střechách budov

Abstract

Diplomová práce se zabývá využitím konvolučních neuronových sítí a metod počítačového vidění k řešení automatické detekce rzi na střechách budov. Součástí práce je teoretický úvod, na který navazuje rešerše nejvyužívanějších modelů, nástrojů a technologií pro detekci objektů v obraze. K tvorbě testovacích dat byly použity ortofotosnímky z bezpilotních letadel. V rámci práce byly natrénovány nejpopulárnější architektury konvolučních neuronových sítí a pomocí číselných metrik a vizuální kontroly ohodnoceny. Následovala inference modelu s nejlepšími výsledky na testovacích snímcích, která měla za cíl ověřit generalizační schopnosti modelu.

This Master's thesis explores the application of Convolutional Neural Networks and computer vision methods for the automated detection of corrosion on building rooftops. The work includes a theoretical introduction followed by a literature review of the most widely used models, tools, and technologies for object detection in images. The training and testing datasets were constructed from orthophotos acquired by unmanned aerial vehicles. The core of the practical part involves training several convolutional neural network architectures, which were later compared using numerical metrics and visual analysis. Finally, inference of the best-performing model was conducted on test images to verify the model's generalization capabilities.