В Новосибирском государственном техническом университете (НГТУ) разработали интеллектуальную систему контроля качества стальных поверхностей на основе ИИ. Как сообщили в пресс-службе вуза, решение способно по фотографиям с обычной камеры автоматически находить трещины, вмятины и пятна коррозии. На тестовых данных точность обнаружения дефектов составила 87%.
В университете пояснили, что существующие автоматизированные системы визуального контроля нередко завязаны на «идеальную картинку»: стабильный свет, одинаковый ракурс, отсутствие шумов. А подготовка данных для обучения нейросетей-классификаторов часто превращается в отдельный большой проект из-за необходимости собирать и размечать массивы изображений.
"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, модель может быстро подстраиваться под новые, редко встречающиеся дефекты — без длительной переразметки датасетов и дополнительных затрат. "Для этого использовали архитектуру, которая учится "понимать" суть дефекта, а не просто запоминать картинки", - приводит пресс-служба слова руководителя проекта Егора Антонянца.
Перспективы внедрения
Разработчики считают, что инструмент будет востребован в производственных цепочках, где важно оперативно выявлять дефекты и оценивать состояние оборудования при минимуме обучающих данных. В НГТУ отмечают: на тестах точность превысила 87%, что, по их словам, заметно лучше результатов традиционных методов машинного обучения, основанных на ручном описании признаков.
"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.
Решение уже прошло испытания. Один из главных разработчиков проекта Виталий Заозернов рассказал, что проверки на публичной базе снимков дефектов стали показали высокую точность распознавания повреждений разных типов, подтвердив практическую ценность подхода.
Источник: ТАСС
