Метод поиска дефектов лопаток газотурбинного двигателя под видимым светом с использованием сети U-NET
- Авторы: Алексеев Е.А.1, Ломанов А.Н.2
-
Учреждения:
- ПАО «ОДК-Сатурн»
- Рыбинский государственный авиационный технический университет имени П.А. Соловьёва
- Выпуск: Том 24, № 1 (2025)
- Страницы: 85-93
- Раздел: МАШИНОСТРОЕНИЕ И МАШИНОВЕДЕНИЕ
- URL: https://journal-vniispk.ru/2542-0453/article/view/311509
- DOI: https://doi.org/10.18287/2541-7533-2025-24-1-85-93
- ID: 311509
Цитировать
Полный текст
Аннотация
При производстве деталей авиационных двигателей на операциях контроля широко применяются методы, позволяющие обнаруживать поверхностные несплошности материала. Одним из таких методов является капиллярный метод неразрушающего контроля. Для решения одной из частных задач – выявления загрязнений на обследуемой поверхности, представлено описание метода поиска дефектов на поверхностях лопаток газотурбинного двигателя под видимым светом. В основе решения задачи поиска загрязнений при осмотре поверхностей лопатки лежит сегментация изображения с помощью свёрточной нейронной сети U-NET. Приведены результаты использования обученной модели на лопатках в производственных подразделениях ПАО «ОДК-Сатурн».
Ключевые слова
Об авторах
Е. А. Алексеев
ПАО «ОДК-Сатурн»
Автор, ответственный за переписку.
Email: evgeny.alekseev@uec-saturn.ru
директор по цифровой трансформации
РоссияА. Н. Ломанов
Рыбинский государственный авиационный технический университет имени П.А. Соловьёва
Email: frei@rsatu.ru
ORCID iD: 0000-0001-9271-1552
кандидат технических наук, доцент, директор института информационных технологий и систем управления
РоссияСписок литературы
- Ермаков А.А. Методы и алгоритмы обработки и анализа снимков в капиллярной дефектоскопии. Дис. …. канд. техн. наук. Владимир, 2009. 129 с.
- Бобков A.B. Выделение отрезков на изображении в задаче ориентации по визуальной информации // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия Приборостроение. 2002. № 3 (48). C. 45-54.
- Shipway N.J., Barden T.J., Huthwaite P., Lowe M.J.S. Automated defect detection for Fluorescent Penetrant Inspection using random forest // NDT and E International. 2019. V. 101. P.113-123. doi: 10.1016/j.ndteint.2018.10.008
- Shipway N.J., Huthwaite P., Lowe M.J.S., Barden T.J. Using ResNets to perform automated defect detection for Fluorescent Penetrant Inspection // NDT and E International. 2021. V. 119. doi: 10.1016/j.ndteint.2020.102400
- Niccolai A., Caputo D., Chieco L., Grimaccia F., Mussetta M. Machine learning-based detection technique for NDT in industrial manufacturing // Mathematics. 2021. V. 9, Iss. 11. doi: 10.3390/math9111251
- Tout K. Automatic vision system for surface inspection and monitoring: Application to wheel inspection. Signal and image processing. Université de Technologie de Troyes – UTT, 2018. https://theses.hal.science/tel-01801803/document
Дополнительные файлы
