De grootste kennisbank van het HBO

Inspiratie op jouw vakgebied

Vrij toegankelijk

Terug naar zoekresultatenDeel deze publicatie

Automatisering van kwaliteitscontroles voor menggranulaat

eindrapportage afstuderen
Bestanden downloaden (2)

Automatisering van kwaliteitscontroles voor menggranulaat

eindrapportage afstuderen
Bestanden downloaden (2)

Samenvatting

In dit rapport wordt het ontwikkeltraject voor een vision-systeem doorlopen om menggranulaat (gebroken puin) te kunnen herkennen. Uit een onderzoek naar bestaande herkenningsmethodes bleek deep learning het meest geschikt. Vervolgens wordt er nader ingegaan op de werking van een deep learning model, modelopties en hardware specificaties.Daarnaast worden belangrijke aspecten besproken m.b.t. het ontwerpen van een weegschaal en een softwareapplicatie om vision-en massadata te koppelen.Tijdens de realisatiefase wordt o.a. toegelicht hoe het trainingsproces van een deep learning model verloopt. In de testfase is het model getest.Hieruit bleek dat indien de trainingset van het model beschikt over voldoende foto’s van elke mogelijke variatie die bestaat binnenmenggranulaat, het een zeer nauwkeurige herkenningsmethode is.

OrganisatieFontys
AfdelingFontys Techniek en Logistiek
PartnerConcrefy, Venlo
Datum2020-06-15
TypeBachelor
TaalNederlands

Op de HBO Kennisbank vind je publicaties van 26 hogescholen

De grootste kennisbank van het HBO

Inspiratie op jouw vakgebied

Vrij toegankelijk