ПРОБЛЕМЫ ПОВЕРХНОСТНОЙ ДЕФЕКТОСКОПИИ МЕТАЛЛОВ С ИСПОЛЬЗОВАНИЕМ МАШИННОГО ОБУЧЕНИЯ И ПУТИ ИХ РЕШЕНИЯ
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.
Скачивания
Литература
Список 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: https://www.researchgate.net/publication/293134660_Steel_surface_defects_detection_and_classification_using_SIFT_and_voting_strategy (дата обращения: 14.02.2023).
References
Alekseev I.P., Lapteva T.V. Prospects of application of capsule neural networks in object recognition on images. KIP i avtomatika: obsluzhivanie i remont, 2022, no. 1, pp. 50-53.
Shorina T.V., Khamitov R.M. Visual image recognition by means of the Python programming language. Nauchno-tekhnicheskiy vestnik Povolzh'ya, 2023, no. 12, pp. 639-641.
Saltanaeva E.A., Kutsenko S.M. Construction of pattern recognition systems based on artificial intelligence. Nauchno-tekhnicheskiy vestnik Povolzh'ya, 2023, no. 12, pp. 376-378.
Fakhrutdinov R.R., Khamitov R.M. Research of methods of defects recognition on the image for objects of fuel and energy complex. Collection of scientific articles of the VIII International Scientific Conference. Kazan, 2021, pp. 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 (accessed 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 (accessed February 18, 2023).
Suvdaa B., Ahn J., Ko J. Steel surface defects detection and classification using SIFT and voting strategy. April 2, 2012. URL: https://www.researchgate.net/publication/293134660_Steel_surface_defects_detection_and_classification_using_SIFT_and_voting_strategy (accessed 14.02.2023).
Просмотров аннотации: 41 Загрузок PDF: 13
Copyright (c) 2024 Kirill M. Rybakov, Renat M. Khamitov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
