Találati lista | Tudóstér

001-es BibID:	BIBFORM121684
035-os BibID:	(WoS)001257212500001 (Scopus)85197315831
Első szerző:	Erdei Timotei István (mechatronikai mérnök)
Cím:	Image-to-Image translation-based deep learning application to object identification in industrial robot systems / Timotei István Erdei, Tibor Péter Kapusi, András Hajdu, Géza Husi
Dátum:	2024
ISSN:	2218-6581
Megjegyzések:	Industry 4.0 has become one of the most dominant research areas in industrial science today. Many industrial machinery units do not have modern standards that allow for the use of image analysis techniques in their commissioning. Intelligent material handling, sorting, and object recognition are not possible with the machinery we have. We therefore propose a novel deep learning approach for existing robotic devices that can be applied to future robots without modification. In the implementation, 3D CAD models of the PCB relay modules to be recognized are also designed for the implantation machine. Alternatively, we developed and manufactured parts for the assembly of aluminum profiles using FDM 3D printing technology, specifically for sorting purposes. We also apply deep learning algorithms based on the 3D CAD models to generate a dataset of objects for categorization using CGI rendering. We generate two datasets and apply image-to-image translation techniques to train deep learning algorithms. The synthesis achieved sufficient information content and quality in the synthesized images to train deep learning algorithms efficiently with them. As a result, we propose a dataset translation method that is suitable for situations in which regenerating the original dataset can be challenging. The results obtained are analyzed and evaluated for the dataset.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk deep learning cyber-physical neural networks industry 4.0 image-to-image dataset translation
Megjelenés:	Robotics. - 13 : 6 (2024), p. 1-21. -
További szerzők:	Kapusi Tibor Péter (1993-) (mérnökinformatikus, villamosmérnök) Hajdu András (1973-) (matematikus, informatikus) Husi Géza (1962-) (gépészmérnök, mechatronikai mérnök, számítógépes tervezőmérnök)
Pályázati támogatás:	TKP2020-NKA-04 Egyéb
Internet cím:	DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:

BIBFORM099326

Első szerző:

Józsa Roland Osszián (mérnök)

Cím:

MP-9S ipari manipulátor anyagmozgatási és selejtezési feladatok ellátása ipari környezetben / Józsa Roland Osszián, Erdei Timotei István, Kapusi Tibor Péter, Tóth Szabolcs, Husi Géza

Dátum:

2021

ISSN:

2393-1280 2668-1390

Megjegyzések:

Józsa Roland Osszián (mérnök): MP-9S Industrial Manipulator Handling and Scrapping Tasks in Industrial Environments

Tárgyszavak:

Műszaki tudományok Gépészeti tudományok magyar nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk

Megjelenés:

Műszaki Tudományos Közlemények = Papers On Technical Science. - 15 (2021), p. 38-42. -

További szerzők:

Erdei Timotei István (1990-) (mechatronikai mérnök) Kapusi Tibor Péter (1993-) (mérnökinformatikus, villamosmérnök) Tóth Szabolcs Husi Géza (1962-) (gépészmérnök, mechatronikai mérnök, számítógépes tervezőmérnök)

Pályázati támogatás:

EFOP-3.6.1-16-201600022
EFOP

Internet cím:

Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat

Lásd még:

Egyéb kapcsolat (1)

Borító:

Saját polcon:

001-es BibID:

BIBFORM099320

Első szerző:

Józsa Roland Osszián (mérnök)

Cím:

MP-9S Industrial Manipulator Handling and Scrapping Tasks in Industrial Environments / Roland Osszián Józsa, Erdei István Timotei, Tibor Péter Kapusi, Szabolcs Tóth, Géza Husi

Dátum:

2021

Megjelenés:

utánközlés / Nyelvi változat

ISSN:

2668-1390 2601-5773

Megjegyzések:

The main goal of the project was to carry out a handling task using a color sensor and thermal sensor, as well as an industrial robotic unit. The selection by color made it possible to represent the sub-process of the production of a sample, where each color can be matched to the corresponding or rejected product. The function of the thermal sensor is to show the delay function for the pro-cess, which occurs when the product does not reach a point in the process at the wrong tempera-ture and needs cooling between the two workflows. The thermal sensor and color sensor were pro-grammed using the aTmega microprocessor, while the manipulator was controlled with industrial PLC. The completed project will serve educational purposes in training for students.
Józsa Roland Osszián (mérnök): MP-9S ipari manipulátor anyagmozgatási és selejtezési feladatok ellátása ipari környezetben

Tárgyszavak:

Műszaki tudományok Gépészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
RTT
industrial manipulator
handling
colour sensor
heat sensor
PLC
ATmega328P
MP-9S

Megjelenés:

Műszaki tudományos közlemények = Papers On Technical Science. - 15 : 1 (2021), p. 38-42. -

További szerzők:

Internet cím:

Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat

Lásd még:

Utánközlés (1)

Borító:

Saját polcon:

001-es BibID:	BIBFORM134007
Első szerző:	Kapusi Tibor Péter (mérnökinformatikus, villamosmérnök)
Cím:	SCARA Assembly AI : The Synthetic Learning-Based Method of Component-to-Slot Assignment with Permutation-Invariant Transformers for SCARA Robot Assembly / Kapusi Tibor Péter, Erdei Timotei István, Abdullah Masuk, Husi Géza, Hajdu András
Dátum:	2025
ISSN:	2218-6581
Megjegyzések:	This paper presents a novel synthetic learning-based approach for solving the component-to-slot assignment problem in robotics using a SCARA robot. The method uses a fully simulated environment that generates and annotates scenes based on rules and visual features. Within this environment, we train a permutation-invariant neural model to predict correct assignments between detected components and predefi ned target slots. Set Transformer-based encoders are combined with a self-attention MLP scoring head. Assignment prediction is optimized using an improved soft Hungarian loss function. To increase data realism and generalizability, we implement a synthetic dataset generation module on the NVIDIA Omniverse platform. This setup enables precise control over scene composition and component placement. The resulting model achieves high matching accuracy on complex layouts with variable numbers of components and demonstrates strong generalization across multiple confi gurations. Our results validate the feasibility of learning bijective mappings in simulated assembly scenarios, providing a foundation for scalable real-world robotic pick-and-place tasks. Tests were also conducted on actual robot units.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk SCARA robot permutation invariant transformers set transformers synthetic learning pick-and-place NVIDIA Omniverse bijective mapping
Megjelenés:	Robotics. - 14 : 12 (2025), p. 1-36. -
További szerzők:	Erdei Timotei István (1990-) (mechatronikai mérnök) Abdullah, Masuk (1997-) (mechatronics) (tanszéki mérnök) Husi Géza (1962-) (gépészmérnök, mechatronikai mérnök, számítógépes tervezőmérnök) Hajdu András (1973-) (matematikus, informatikus)
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM130921
035-os BibID:	(Scopus)105008778588
Első szerző:	Kapusi Tibor Péter (mérnökinformatikus, villamosmérnök)
Cím:	Application of image translation-based approach in industrial manufacturing system for object identification / Kapusi Tibor Péter, Erdei Timotei István, Husi Géza, Hajdu András
Dátum:	2025
ISSN:	2062-0810 2063-4269
Megjegyzések:	Older multi-axis industrial robots used in industry do not have the computational power to use neural networks to perform complex manufacturing tasks. Therefore, a method combining 3D CAD modeling with data synthesis has been developed. The pix2pixHD approach allows the synthesis of photo-realistic images to generate datasets. The resulting datasets can be used to train deep learning-based detectors, which can later be applied to improve the object detection accuracy of older machine units. After evaluation of tests with YOLOv3 models, it is shown that only the datasets generated using the synthesized approach can detect an object with high detection accuracy. The generated datasets were also measured using the Complex wavelet structural similarity. The developed innovative method can be a practical and cost-effective strategy for smaller laboratories and small and medium enterprises, thus providing an opportunity to upgrade older machines.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény hazai lapban folyóiratcikk cyber-system image-to-image conveyor deep learning neural network industry 4.0 object detection
Megjelenés:	International Review of Applied Sciences and Engineering. - 17 : 1 (2025), p. 13-23. -
További szerzők:	Erdei Timotei István (1990-) (mechatronikai mérnök) Husi Géza (1962-) (gépészmérnök, mechatronikai mérnök, számítógépes tervezőmérnök) Hajdu András (1973-) (matematikus, informatikus)
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM102588
035-os BibID:	(WoS)000845243900001 (Scopus)85133535530
Első szerző:	Kapusi Tibor Péter (mérnökinformatikus, villamosmérnök)
Cím:	Application of Deep Learning in the Deployment of an Industrial SCARA Machine for Real-Time Object Detection / Tibor Péter Kapusi, Timotei István Erdei, Géza Husi, András Hajdu
Dátum:	2022
ISSN:	2218-6581
Megjegyzések:	In the spirit of innovation, the development of an intelligent robot system incorporating the basic principles of Industry 4.0 was one of the objectives of this study. With this aim, an experimental application of an industrial robot unit in its own isolated environment was carried out using neural networks. In this paper, we describe one possible application of deep learning in an Industry 4.0 environment for robotic units. The image datasets required for learning were generated using data synthesis. There are significant benefits to the incorporation of this technology, as old machines can be smartened and made more efficient without additional costs. As an area of application, we present the preparation of a robot unit which at the time it was originally produced and commissioned was not capable of using machine learning technology for object-detection purposes. The results for different scenarios are presented and an overview of similar research topics on neural networks is provided. A method for synthetizing datasets of any size is described in detail. Specifically, the working domain of a given robot unit, a possible solution to compatibility issues and the learning of neural networks from 3D CAD models with rendered images will be discussed.
Tárgyszavak:	Műszaki tudományok Gépészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk cyber-physical systems Industry 4.0 SCARA robot deep learning YOLO
Megjelenés:	Robotics. - 11 : 4 (2022), p. 1-20. -
További szerzők:	Erdei Timotei István (1990-) (mechatronikai mérnök) Husi Géza (1962-) (gépészmérnök, mechatronikai mérnök, számítógépes tervezőmérnök) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:	TKP2020-NKA-04 Egyéb
Internet cím:	Intézményi repozitóriumban (DEA) tárolt változat DOI Szerző által megadott URL
Borító:
Saját polcon:

001-es BibID:	BIBFORM086522
Első szerző:	Krucsó László (mérnök)
Cím:	Designing an ATmega328 microcontroller based gesture-controlled IoT UGV unit and creating a camera system using Linux distribution / László Krucsó, Timotei István Erdei, Tibor Péter Kapusi, Géza Husi
Dátum:	2019
ISSN:	2064-9622
Megjegyzések:	The topic of the research is the design and building of a UGV (Unmanned Ground Vehicle), which we can control wirelessly with a glove designed for this purpose. The design and use of this gesture-controlled robot can be observed in this summary. A camera will be installed on the robot unit, whose image we can query through the local network. Furthermore, the hardware and software for this camera system will be described as well.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény hazai lapban folyóiratcikk gesture-control UGV Arduino Raspberry Pi Linux RF module acceleration sensor camera system
Megjelenés:	Recent Innovations in Mechatronics (RIiM). - 6 : 1 (2019), p. 1-7. -
További szerzők:	Erdei Timotei István (1990-) (mechatronikai mérnök) Kapusi Tibor Péter (1993-) (mérnökinformatikus, villamosmérnök) Husi Géza (1962-) (gépészmérnök, mechatronikai mérnök, számítógépes tervezőmérnök)
Internet cím:	Szerző által megadott URL Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: