В Новосибирске создали нейросеть для поиска дефектов металла
Технология позволяет находить трещины, вмятины, коррозию на стальной поверхности по фотографиям с обычной камеры. Причем она дает высокую точность при минимальной подготовительной работе с данными.
В основе разработанной в НГТУ НЭТИ системы лежит триплетная нейронная сеть, которая эффективно работает при небольшом количестве примеров для обучения: для анализа достаточно нескольких фотографий каждого типа дефекта. При этом они могут быть сняты при плохом освещении и в разном масштабе.
Мы создали инструмент, который способен быстро адаптироваться к новым, редко встречающимся видам повреждений без длительной и дорогостоящей переразметки данных. Для этого использовали архитектуру, которая учится «понимать» суть дефекта, а не просто запоминать картинки, — процитировали в пресс-службе вуза слова руководителя проекта, ассистента кафедры автоматизированных систем управления НГТУ НЭТИ Егора Антонянца.
По словам ученого, уникальность разработки в том, что она дает высокую точность при минимальной подготовительной работе с данными.
Новая система контроля качества на тестовых данных показала точность обнаружения дефектов более 87%. Это значительно превосходит результаты традиционных методов машинного обучения, основанных на ручном описании признаков, уточнили специалисты. По словам разработчиков, это делает ее выгодным решением на предприятиях, где сбор тысяч примеров брака затруднен или экономически невыгоден.
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, — рассказал Егор Антонянц.
Система уже прошла несколько испытаний. Тестирование на публичной базе снимков дефектов стали показали высокую точность в распознавании различных видов повреждений, что подтвердило практическую ценность используемого подхода.