Εφαρμογές μηχανικής μάθησης στην βιομηχανική όραση

Τοπαρόπουλος, Μάριος

dc.contributor.advisor	Σκλαβούνου, Ελένη-Ορσαλία
dc.contributor.author	Τοπαρόπουλος, Μάριος
dc.date.accessioned	2023-10-25T10:32:09Z
dc.date.available	2023-10-25T10:32:09Z
dc.date.issued	2023-10-13
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/5484
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-5321
dc.description.abstract	Η βιομηχανική όραση αποτελεί έναν δυναμικά αναπτυσσόμενο τομέα που έχει δεχθεί σημαντικές επιρροές από τις τεχνολογικές εξελίξεις της μηχανικής μάθησης. Η παρούσα έρευνα αναλύει εκτενώς τις εφαρμογές της μηχανικής μάθησης στον τομέα της βιομηχανικής οράσεως, επικεντρώνοντας σε πολλαπλές πτυχές. Αρχικά, εξετάζεται η ικανότητα της μηχανικής μάθησης να αναγνωρίζει και να κατηγοριοποιεί αντικείμενα με ακρίβεια, αναδεικνύοντας την ευελιξία της στην αντιμετώπιση διαφορετικών τύπων δεδομένων και περιβαλλόντων. Παραδείγματα από βιομηχανικές εφαρμογές δείχνουν πώς η τεχνολογία αυτή έχει βελτιώσει την απόδοση των συστημάτων ελέγχου ποιότητας και αυτοματοποίησης. Στη συνέχεια, η έρευνα επικεντρώνεται στην προβλεπτική συντήρηση, όπου η μηχανική μάθηση επιτρέπει την πρόβλεψη και την πρόληψη βλαβών ή δυσλειτουργιών σε βιομηχανικό εξοπλισμό, μειώνοντας τους χρόνους διακοπής και τα κόστη συντήρησης. Παράλληλα, τονίζεται η σημασία των προκλήσεων και των περιορισμών που συναντώνται στην εφαρμογή της μηχανικής μάθησης στη βιομηχανική όραση, όπως η ανάγκη για μεγάλα δεδομένα, η εκπαίδευση των μοντέλων και οι ηθικές προκλήσεις. Τέλος, η έρευνα προτείνει δρόμους για μελλοντικές εξελίξεις στον τομέα, επισημαίνοντας την ανάγκη για συνεχή έρευνα και καινοτομία, καθώς και τη σημασία της συνεργασίας μεταξύ ερευνητών, βιομηχανιών και κυβερνήσεων για την προώθηση της τεχνολογίας αυτής στο μέλλον.	el
dc.format.extent	81	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Αναφορά Δημιουργού - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/4.0/	*
dc.subject	Μηχανική μάθηση	el
dc.subject	Βιομηχανική όραση	el
dc.subject	Αναγνώριση αντικειμένων	el
dc.subject	Προβλεπτική συντήρηση	el
dc.subject	Αυτοματοποίηση	el
dc.subject	Ποιοτικός έλεγχος	el
dc.subject	Εκπαίδευση μοντέλων	el
dc.subject	Ηθικά διλήμματα	el
dc.title	Εφαρμογές μηχανικής μάθησης στην βιομηχανική όραση	el
dc.title.alternative	Machine learning applications on industrial vision	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Chatzopoulos, Avraam
dc.contributor.committee	Drosos, Christos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	Industrial vision, a rapidly evolving domain, has been significantly influenced by advancements in machine learning. This research delves into the multifaceted applications of machine learning within the realm of industrial vision, highlighting its transformative potential. Initially, the capability of machine learning to accurately recognize and categorize objects is explored, underscoring its adaptability in handling diverse data types and environments. Examples from industrial applications demonstrate how this technology has enhanced the efficiency of quality control and automation systems. Subsequently, the research focuses on predictive maintenance, where machine learning facilitates the forecasting and prevention of malfunctions or damages in industrial equipment, thereby reducing downtime and maintenance costs. Concurrently, the challenges and constraints encountered in implementing machine learning in industrial vision are emphasized. These encompass the necessity for vast datasets, model training intricacies, and ethical dilemmas. In conclusion, the study suggests avenues for future developments in the field, emphasizing the imperative for ongoing research and innovation. The significance of collaboration among researchers, industries, and governments to propel this technology forward is also accentuated.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: ΕΦΑΡΜΟΓΕΣ ΜΗΧΑΝΙΚΗΣ ΜΑΘΗΣΗΣ ΣΤΗΝ ...
Μέγεθος:: 2.088Mb
Τύπος:: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές