Дефектоскопия металлических поверхностей с применением искусственных нейронных сетей

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.