Проблемы поверхностной дефектоскопии металлов с использованием машинного обучения и пути их решения
- Авторы: Рыбаков К.М.1, Хамитов Р.М.1
-
Учреждения:
- ФГБОУ ВО «Казанский государственный энергетический университет»
- Выпуск: Том 14, № 1 (2024)
- Страницы: 196-204
- Раздел: Статьи
- Статья опубликована: 31.03.2024
- URL: https://journal-vniispk.ru/2328-1391/article/view/299572
- DOI: https://doi.org/10.12731/2227-930X-2024-14-1-289
- EDN: https://elibrary.ru/HGYQAY
- ID: 299572
Цитировать
Полный текст
Аннотация
Отбраковка металлопродукции является важным этапом производственного процесса, направленным на обеспечение лучшего качества конечного продукта. Традиционные методы отбраковки, основанные на визуальном контроле или использовании простых автоматизированных систем, имеют свои ограничения и недостатки, такие как низкая скорость и точность классификации дефектов. В работе рассматривается возможность применения различных методов машинного обучения для классификации дефектов в металлических изделиях. Проводится сравнительный анализ данных алгоритмов, а также их эффективности с целью определения наиболее подходящего подхода к автоматической отбраковке металлопродукции.
Ключевые слова
Об авторах
Кирилл Михайлович Рыбаков
ФГБОУ ВО «Казанский государственный энергетический университет»
Автор, ответственный за переписку.
Email: kotya.ribak@mail.ru
ORCID iD: 0009-0005-3781-5259
студент 2-го курса магистратуры кафедры «Информационные технологии и интеллектуальные системы»
Россия, ул. Красносельская, 51, г. Казань, 420066, Российская ФедерацияРенат Минзашарифович Хамитов
ФГБОУ ВО «Казанский государственный энергетический университет»
Email: hamitov@gmail.com
ORCID iD: 0000-0002-9949-4404
доцент кафедры «Информационные технологии и интеллектуальные системы», кандидат технических наук, доцент
Россия, ул. Красносельская, 51, г. Казань, 420066, Российская ФедерацияСписок литературы
- Алексеев И.П. Перспективы применения капсульных нейронных сетей в распознавании объектов на изображениях / И. П. Алексеев, Т. В. Лаптева // КИП и автоматика: обслуживание и ремонт. 2022. № 1. С. 50-53.
- Шорина Т.В. Распознавание визуальных образов средствами языка программирования Python / Т. В. Шорина, Р. М. Хамитов // Научно-технический вестник Поволжья. 2023. № 12. С. 639-641.
- Салтанаева Е.А. Построение систем распознавания образов на основе искусственного интеллекта / Е. А. Салтанаева, С. М. Куценко // Научно-технический вестник Поволжья. 2023. № 12. С. 376-378.
- Фахрутдинов Р.Р., Хамитов Р.М. Исследование методов распознавания дефектов на изображении для объектов топливно-энергетического комплекса // Сборник научных статей VIII международной научной конференции. Казань, 2021. С. 126-129.
- Krzysztof Lalik, Mateusz Kozek, Paweł Gut, Marek Iwaniec, Grzegorz Pawłowski. June 22, 2022 SVM Algorithm for Industrial Defect Detection and Classification. URL: https://www.matec-conferences.org/articles/matecconf/abs/2022/04/matecconf_mms2020_04004/matecconf_mms2020_04004.html (дата обращения: 15.02.2023).
- Shuai Wang, Xiaojun Xia, Lanqing Ye, Binbin Yang. Automatic Detection and Classification of Steel Surface Defect Using Deep Convolutional. February 26, 2021. URL: Neural Networks https://www.mdpi.com/2075-4701/11/3/388 (дата обращения: 18.02.2023).
- Suvdaa B., Ahn J., Ko J. Steel surface defects detection and classification using SIFT and voting strategy. April 2, 2012. URL:ttps://www.researchgate.net/publication/293134660_Steel_surface_defects_detection_and_classification_using_SIFT_and_voting_strategy (дата обращения: 14.02.2023).
Дополнительные файлы
