Určování fyzikálních a chemických vlastností meziproduktů při purifikaci cukerných šťáv v reálném čase metodami strojového učení

dc.contributor.advisorBalda Pavel, Ing. Ph.D.cs
dc.contributor.authorKubeš, Břetislavcs
dc.contributor.refereeSchlegel Miloš, prof. Ing. CSc.cs
dc.date.accepted2025-06-17
dc.date.accessioned2026-02-20T16:26:41Z
dc.date.available2024-10-01
dc.date.available2026-02-20T16:26:41Z
dc.date.issued2025-05-19
dc.date.submitted2025-05-19
dc.description.abstractTato diplomová práce se zabývá návrhem systému strojového učení pro analýzu digitálních snímků z cukrovaru s cílem vyhodnotit fyzikální a chemické vlastnosti cukerné šťávy v reálném čase. Systém má sloužit k predikci kvality kapaliny a případně navrhovat úpravy procesních veličin, které ovlivňují recyklovatelnost pomocí technologie RECLIME. Práce kombinuje principy počítačového vidění, hlubokého učení a průmyslové automatizace s důrazem na využití řídicího systému REXYGEN pro řízení jak sběru dat, tak inference. Přestože kvůli selhání externí spolupráce nedošlo k realizaci sběru dat v reálném provozu, byla navržena kompletní architektura systému, včetně technické integrace kamery a inferenčního modelu neuronové sítě. Teoretická část podrobně popisuje metodiku návrhu modelu a možnosti jeho nasazení v průmyslovém prostředí.cs
dc.description.abstract-translatedThis thesis focuses on designing a machine learning system for analyzing digital images from a sugar factory to evaluate the physical and chemical properties of sugar liquid (raw juice) in real time. The system aims to predict the quality of the liquid and, if possible, suggest adjustments to process parameters that influence recyclability using the RECLIME technology. The work combines principles of computer vision, deep learning, and industrial automation, with an emphasis on using the REXYGEN control system to manage both data acquisition and inference. Although real-world data collection was not completed due to a failure in external collaboration, the full system architecture was designed, including camera integration and a neural network inference model. The theoretical part provides a detailed methodology for model development and deployment in an industrial environment.en
dc.description.departmentKatedra kybernetikycs
dc.description.resultObhájenocs
dc.formati-viii, 1-70
dc.identifier99901
dc.identifier.urihttp://hdl.handle.net/11025/66048
dc.language.isocs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezenícs
dc.rights.accessopenAccesscs
dc.subjectstrojové učenícs
dc.subjectumělá inteligencecs
dc.subjectřízenícs
dc.subjectRexygencs
dc.subjectcukrovarcs
dc.subjectprůmyslcs
dc.subject.translatedmachine learningen
dc.subject.translatedartificial intelligenceen
dc.subject.translatedcontrolen
dc.subject.translatedRexygenen
dc.subject.translatedsugar factoryen
dc.subject.translatedindustryen
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-programKybernetika a řídicí technikacs
dc.titleUrčování fyzikálních a chemických vlastností meziproduktů při purifikaci cukerných šťáv v reálném čase metodami strojového učenícs
dc.title.alternativeReal-time determination of physical and chemical properties of sugar juice purification intermediates using machine learning methodsen
dc.typediplomová prácecs
local.files.count4*
local.files.size19094779*
local.has.filesyes*
local.relation.IShttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=99901

Files

Original bundle
Showing 1 - 4 out of 4 results
No Thumbnail Available
Name:
DP_Kubes_A23N0042P.pdf
Size:
18.05 MB
Format:
Adobe Portable Document Format
Description:
VŠKP
No Thumbnail Available
Name:
PV_Kubes_A23N0042P.pdf
Size:
62.4 KB
Format:
Adobe Portable Document Format
Description:
Posudek vedoucího VŠKP
No Thumbnail Available
Name:
PO_Kubes_A23N0042P.pdf
Size:
60.4 KB
Format:
Adobe Portable Document Format
Description:
Posudek oponenta VŠKP
No Thumbnail Available
Name:
PB_Kubes_A23N0042P.pdf
Size:
38.86 KB
Format:
Adobe Portable Document Format
Description:
Průběh obhajoby VŠKP

Collections