Ученые Новосибирского государственного технического университета (НГТУ) создали интеллектуальную систему контроля качества, основанную на искусственном интеллекте, с точностью 87%.
Данная технология позволяет автоматически выявлять трещины, вмятины и коррозию на стальной поверхности по фотографиям, сделанным с обычной камеры.
Автоматизированные системы визуального контроля, основанные на традиционных алгоритмах, часто требуют идеальных условий для съемки. Для обучения большинства современных нейросетей-классификаторов необходимо обрабатывать большие объемы размеченных данных.
«Уникальность разработки НГТУ заключается 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 функционирует при ограниченном количестве примеров для обучения — достаточно лишь нескольких фотографий каждого типа дефекта, даже если они сделаны при плохом освещении и в разном масштабе», — отмечается в сообщении.
По словам разработчиков, созданный инструмент способен быстро адаптироваться к новым, менее распространенным видам повреждений без долгосрочной и затратной переразметки данных. «Для этого была использована архитектура, которая учится “понимать” суть дефекта, а не просто запоминать изображения», — приводит пресс-служба слова руководителя проекта Егора Антонянца.
Применение новой системы
Созданная в новосибирском вузе интеллектуальная система контроля качества демонстрирует высокую эффективность при ограниченных данных. На тестовых данных система показала точность обнаружения дефектов более 87%, что значительно превышает результаты традиционных методов машинного обучения, основанных на ручном описании признаков. По словам разработчиков, это делает ее выгодным решением для предприятий, где сбор тысяч примеров брака затруднен или экономически нецелесообразен.
«Технология предназначена для внедрения в системы контроля качества и предиктивного обслуживания на промышленных предприятиях, прежде всего в металлургии и машиностроении. Она обеспечит автоматизацию процесса контроля стальных поверхностей, позволит выявлять необходимость обслуживания оборудования по ранним признакам износа и повышать общую надежность и безопасность производственных линий. В дальнейшем 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 ведущих 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.
Фото: hi-tech.mail.ru