ВИКОРИСТАННЯ НЕЙРОМЕРЕЖЕВИХ ТЕХНОЛОГІЙ ДЛЯ ВИРІШЕННЯ ЗАДАЧІ КЛАСИФІКАЦІЇ ДЕФЕКТІВ МЕТАЛОПРОКАТУ
DOI:
https://doi.org/10.34185/1991-7848.2023.01.08Ключові слова:
Нейромережа, програмна система, класифікація, дефект, металопрокат, аугментація, API, web-інтерфейс, REST, MobileNet, InceptionV3, Python, Django web/rest framework, JavaScript, Bootstrap, набір даних, датасет.Анотація
Основною метою роботи є створення програмної системи, що виконує класифікацію дефектів поверхні металопрокату з високою точністю (понад 90%) та високою швидкістю (не більше 1 секунди на 1 зображення) за рахунок використання штучних нейронних мереж. Для досягнення мети необхідно виконати такі завдання: 1) виконати дослідження предметної галузі, визначити можливість використання нейронних мереж для вирішення задачі класифікації дефектів металопрокату; 2) побудувати модель нейронної мережі, придатну на вирішення завдання класифікації видимих дефектів металопрокату; 3) виконати генерацію навчальної, тестової та валідаційної вибірок на основі бази даних дефектів поверхні гарячого металопрокату, наданої Північно-східним університетом (NEU); зробити аугментацію згенерованих вибірок; 4) спроектувати та реалізувати систему класифікації дефектів; 5) провести тестування та обчислювальні експерименти. В результаті роботи було розроблено програмну систему для класифікації дефектів металопрокату на базі нейромережевих технологій, яка здатна менш ніж за 1с часу виконувати класифікацію дефекту на зображенні з точністю не менше 90%.
Посилання
Alkapov R.R. Automatic Visible Defect Detection and Classification System Prototype Development for Iron-and-Steel Works. / Alkapov R.R., Konyshev A.A., Vetoshkin N.A., Valkevich N.V., Kostenetskiy P.S. // 2018 Global Smart Industry Conference (GloSIC). Chelyabinsk, November 13-15, 2018, IEEE, 2018. – P. 1-8.
Baindorf I. Optimizatsiya protsessa i kachestva korrozionnostoykoy polosy na osnove sistemy kontrolya poverhnostey. / Baindorf I., Anstots T., Eberle А., Ernenpuch L., Holzhauser J. // Chernye Mettalli, 2005. – Vol. 3. – P. 45-56.
Caleb P., Steuer M. Classification of surface defects on hot rolled steel using adaptive learning methods. // Proceedings of the Fourth International Conference on Knowledge-Based Intelligent Engineering Systems and Allied Technologies, August 2000, Brighton, UK. IEEE, 2002. – Vol. 1. – P. 103–108.
Guifang W. Design of online surface inspection system of hot rolled strips. / Guifang W., Kwak H., Jang S., Xu K., Xu J. // 2008 IEEE International Conference on Automation and Logistics, 2008. – P. 2291-2295.
Lemon S. Avtomaticheskiy osmotr poverhnosty polosy dlya obespecheniya sploshnogo kontrolya kachestva v linii. // Chernye Mettalli, 2003. – Vol. 4. – P. 49-54.
Mazur I. Quality Control system for a hot-rolled metal surface // Frattura ed Integrità Strutturale, 2016. – Vol. 10. – No. 37. – P. 287-296.
Neogi N., Mohanta D., Dutta P. Review of vision-based steel surface inspection systems. // EURASIP Jourmal on Image and Video Processing, 2014. – Vol. 2014. – No. 1. – P. 1-50.
Popat M., Barai S. Defect detection and classification using machine learning classifier. // Proceeding of the 16th WCNDT 2004 - World Conference on NDT, 2004. – P. 788-797.
Stolzenberg M. Sistemy osmotra poverhnosty listovoy staly: Rezultaty issledovaniy. / Stolzenberg M., Gruber K., Henkenmayer H., Joncourt K. // Chernye Metalli, 2002. – Vol. 12. – P. 40-48.
Vetoshkin N., Valkevich N., Kostenetskiy P. Razrabotka polzovatelskogo interfeysa dlya sistemy avtomaticheskogo kontrolya kachestva poverhnosty listovoy staly s pokrytiem. // Parallel Computational Technologies (PCT’2018), 2018. – P. 400-402.
TensorBoard: Visualizing Learning [Electronic resource]
URL: https://www.tensorflow.org/guide/summaries_and_tensorboard
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Сучасні Проблеми Металургії
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
