Ученые Новосибирского государственного технического университета разработали интеллектуальную систему контроля качества металла на основе ИИ с точностью 87%
Технология позволяет автоматически находить трещины, вмятины, пятна коррозии на стальной поверхности по фотографиям с обычной камеры, сообщили в пресс-службе вуза.
Автоматизированные системы визуального контроля на основе классических алгоритмов, как правило, требуют идеальных условий съемки. Для обучения большинства современных нейросетей-классификаторов необходимо искать огромные объемы размеченных данных.
«Уникальность разработки НГТУ в том, что она предлагает компромисс — высокую точность при минимальной подготовительной работе с данными. В основе разработанной системы лежит триплетная нейронная сеть, которой не нужны тысячи готовых снимков. Система эффективно работает при небольшом количестве примеров для обучения — для анализа достаточно несколько фото каждого типа дефекта, даже если они сняты при плохом освещении и в разном масштабе», — говорится в сообщении.
По словам разработчиков, созданный инструмент способен быстро адаптироваться к новым, редко встречающимся видам повреждений без длительной и дорогостоящей переразметки данных. «Для этого использовали архитектуру, которая учится «понимать» суть дефекта, а не просто запоминать картинки», — приводит пресс-служба слова руководителя проекта Егора Антонянца.
Применение новой системы
Созданная в новосибирском вузе интеллектуальная система контроля качества показывает высокую эффективность при ограниченных данных. На тестовых данных система продемонстрировала точность обнаружения дефектов более 87%, что значительно превосходит результаты традиционных методов машинного обучения, основанных на ручном описании признаков. По словам разработчиков, это делает ее выгодным решением на предприятиях, где сбор тысяч примеров брака затруднен или экономически невыгоден.
«Технология предназначена для внедрения в системы контроля качества и предиктивного обслуживания на промышленных предприятиях, в первую очередь в металлургии и машиностроении. Она позволит автоматизировать процесс контроля стальных поверхностей, определять необходимость обслуживания оборудования по ранним признакам износа и повышать общую надежность и безопасность производственных линий В перспективе систему можно адаптировать для мониторинга состояния мостов, трубопроводов и других конструкций, где критически важна бесперебойная работа», — отметил Антонянц.
Система уже прошла ряд испытаний. По словам одного из главных разработчиков проекта Виталия Заозернова, испытания на публичной базе снимков дефектов стали показали высокую точность в распознавании различных видов повреждений, что подтвердило практическую ценность используемого подхода.
Источник: ТАСС
Login with Google
Комментарии