Eneko Intxausti Arbaiza ikasleak BIKAIN CUM LAUDE kalifikazioa lortu zuen Nazioarteko Doktoretza aipamenarekin

Atzealdea

Eneko Intxausti Arbaiza ikasleak BIKAIN CUM LAUDE kalifikazioa lortu zuen Nazioarteko Doktoretza aipamenarekin

TESIA

Eneko Intxausti Arbaiza ikasleak BIKAIN CUM LAUDE kalifikazioa lortu zuen Nazioarteko Doktoretza aipamenarekin

2025·04·30

$titulo.getData()

  • Tesi titulua: An Uncertainty-Aware Methodology for Reliable and Adaptive X-ray Defect Detection in Casting Manufacturing

Epaimahaia:

  • Lehendakaritza: Rubén Usamentiaga Fernández (Universidad de Oviedo)
  • Bokala: Danijel Skocaj (University of Ljubljana)
  • Idazkaritza: Ane Alberdi Aramendi (Mondragon Unibertsitatea)

Laburpena:

Galdaketa-piezen fabrikazioan kalitate-kontrolak erronka garrantzitsuei aurre egin behar die, prozesu industrialen konplexutasun gero eta handiagoaren ondorioz. Nahiz eta deep learning teknikek arrakasta izan duten ikusmen artifizialean, akats industrialen detekzioan aplikatzeak erronka espezifikoak ditu, bereziki X izpien irudietan akats sotilak detektatzean eta etiketatutako datuen urritasunean. Tesi honek galdaketan kalitate-kontrol optikorako metodologia berritzaile bat garatzen du, ikusmen artifizialeko teknika aurreratuak eredu probabilistikoarekin integratuz. Proposatutako soluzioak detekzio-arkitektura hobetu bat konbinatzen du ikaskuntza kontrastiboarekin, etiketatu gabeko irudiez baliatzen den auto-gainbegiratutako ikaskuntza estrategia batekin, eta Monte Carlo dropout-ean oinarritutako esparru probabilistiko batekin iragarpenetan ziurgabetasuna kuantifikatzeko. Automobilgintzako fabrikazio-ingurune batean egindako balidazioak %95eko sailkapen-zehaztasuna erakusten du, aditu-berrikuspena behar duten ziurgabetasunezko iragarpenak automatikoki identifikatzen dituen bitartean, eta eskuzko etiketatze-eskakizunak %70 murrizten ditu. Ikerketa honek erakusten du ikusmen artifizialeko teknika aurreratuenen eta industria-kalitatearen kontrolaren eskakizunen arteko aldea modu eraginkorrean gaindi daitekeela, produkzio-lineetan akatsen detekzio automatizatu eta fidagarria ezartzea ahalbidetuz.