| Title: | Дефектоскопия металлических поверхностей с применением искусственных нейронных сетей |
| Other Titles: | Defectoscopy of metal surfaces using artificial neural networks |
| Authors: | Власов, В. М. |
| Keywords: | материалы конференций;дефектоскопия;искусственные нейронные сети;бинарная классификация;оптико-электронные камеры;сверточные нейронные сети |
| Issue Date: | 2024 |
| Publisher: | Издательство Южного федерального университета |
| Citation: | Власов, В. М. Дефектоскопия металлических поверхностей с применением искусственных нейронных сетей = Defectoscopy of metal surfaces using artificial neural networks / В. М. Власов // Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2024» : материалы Всероссийской научно-технической конференции с международным участием : в 2 т. Т. 1 / Южный федеральный университет [и др.] ; отв. ред. С. И. Клевцов. – Ростов-на-Дону ; Таганрог : Издательство Южного федерального университета, 2024. – С. 357–364. |
| Abstract: | В представленной работе рассматривается задача определения трещин
на поверхности по видеоизображениям оптико-электронной камеры. Для решения
предлагается использовать искусственную нейронную сеть, обученную на
массиве изображений, содержащих трещины и без них. В качестве структуры
нейросети был выбран сверточный тип, как наиболее подходящий для работы с
изображениями. Сформирована сверточная нейронная сеть из двух сверточных
слоев для бинарной классификации изображений. Обучение модели было остановлено
на 26 эпохе с численным результатом точности проверки 98%. Для
оценки качества модели построена матрица путаницы и сформирован классификационный
отчет, показавший, что обученная модель совершает правильные
предсказания с вероятностью 96-98%. Написан код программы для распознавания
трещин на поверхности по изображениям, выводящий в результате изображение
с трещиной и координаты расположения трещины. Разработан алгоритм
для постобработки изображения, который выделяет поврежденную зону
поверхности, строит контуры трещины и оптимальную по точности траекторию
для прохождения сварочного аппарата для устранения трещины. Основные
вычисления и написание кода программы были проведены с использованием
языка программирования Python. |
| Alternative abstract: | The presented work considers the problem of determining cracks on a surface
from images. For the solution, it is proposed to use an artificial neural network
trained on an array of images containing cracks and without them. The convolutional
type was chosen as the structure of the neural network as the most suitable for working
with images. A convolutional neural network of two convolutional layers was
formed for binary image classification. The training of the model was stopped at epoch
26 with a numerical result of 98% verification accuracy. To evaluate the quality of the
model, a confusion matrix was constructed and a classification report was generated
showing that the trained model makes correct predictions with 96-98% probability. A
program code for recognizing surface cracks from images was written, outputting an
image with a crack and the coordinates of the crack location. An algorithm for image
post-processing is developed that highlights the damaged area of the surface, constructs
the crack contours and the optimal trajectory for passing the welding machine
to repair the crack. The basic calculations and writing of the program code were performed
using the Python programming language. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/59304 |
| Appears in Collections: | Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2024»
|
