Удосконалення алгоритмів сегментації зображень поверхневих дефектів металевих виробів

Скорочена інформація про документ
dc.contributor.advisorПротасов, Анатолій Георгійович
dc.contributor.authorСтешенко, Ярослав Віталійович
dc.date.accessioned2023-05-29T11:27:39Z
dc.date.available2023-05-29T11:27:39Z
dc.date.issued2023
dc.description.abstractАктуальність теми. Виявлення дефектів завжди було і буде актуальною задачею. Несвоєчасне і недостатньо достовірне виявлення дефектів може призвести до незадоволення користувачів, втрати доходу, збільшення витрат, загрози безпеці та впливу на конкурентоспроможність організації. Поверхневі дефекти металевих виробів, такі як тріщини, плями, вм'ятини, корозія тощо, можуть негативно впливати на якість та міцність виробів. Розробка та застосування удосконалених алгоритмів сегментації дозволить вчасно виявляти потенційно небезпечні дефекти та приймати відповідні заходи для їх усунення, забезпечуючи безпеку та надійність виробів. Сегментація зображень поверхневих дефектів металевих виробів може бути використана для автоматизації процесу контролю якості виробництва. Автоматизована система виявлення дефектів дозволить зменшити залежність від роботи людини та підвищити швидкість та достовірність виявлення дефектів, що позитивно вплине на ефективність виробництва та знизить витрати. Для цього перспективно використовувати методи машинного навчання. Мета роботи: автоматизація процесу сегментації зображень поверхневих дефектів металевих виробів отриманих в ході візуально-оптичної дефектоскопії із застосуванням нейромережевих технологій. Для реалізації мети необхідно виконати наступні завдання: 1. Проаналізувати сучасний стан розвитку методів виявлення поверхневих дефектів виробів із металу та визначити основні проблеми візуальної дефектоскопії. Визначити напрямки їх удосконалення. 2. Проаналізувати існуючі методи сегментації зображень з розпізнаванням дефектів на зображеннях. Обґрунтувати використання нейронних мереж для покращення якості детектування дефектів та вибрати необхідний тип мережі. 3. Розробити алгоритмічне та програмне забезпечення. 4. Провести тестування на реальних даних та отримати кількісні оцінки якості роботи системи. 5. Проаналізувати роботу системи з використанням різних бекбонів та різних порогів бінаризації масок. Об’єкт дослідження: процес візуально-оптичної дефектоскопії виробів із металу. Предмет дослідження: методи автоматизованого виявлення дефектів металу з використанням нейронних мереж. Наукова новизна: Удосконалено алгоритми сегментації зображень поверхневих дефектів металевих виробів шляхом використання новітніх моделей нейронних мереж з глибинним навчанням, що дозволило підвищити достовірність автоматизованого виявлення дефектів. Практична цінність: розроблено програмне забезпечення для автоматизованої сегментації дефектів та програмні алгоритми, які дозволяють автоматизувати цей процес та підвищити достовірність. Розроблено рекомендації щодо вибору бекбонів та порогів бінаризації масок.uk
dc.description.abstractotherRelevance of the topic. Detecting defects has always been and will always be an urgent task. Untimely and insufficiently reliable defect detection can lead to user dissatisfaction, loss of revenue, increased costs, safety hazards, and impact on the organization's competitiveness. Surface defects in metal products, such as cracks, stains, dents, corrosion, etc., can negatively affect the quality and durability of products. The development and application of advanced segmentation algorithms will allow you to detect potentially dangerous defects in time and take appropriate measures to eliminate them, ensuring the safety and reliability of products. Segmentation of images of surface defects in metal products can be used to automate the production quality control process. An automated defect detection system will reduce dependence on human work and increase the speed and reliability of defect detection, which will positively affect production efficiency and reduce costs. For this purpose, it is promising to use machine learning methods. Purpose: to automate the process of segmentation of images of surface defects of metal products obtained during visual and optical flaw detection using neural network technologies. To achieve this goal, the following tasks are necessary: 1. Analyze the current state of development of methods for detecting surface defects in metal products and identify the main problems of visual flaw detection. Identify areas for their improvement. 2. Analyze existing methods of image segmentation with image defect recognition. Justify the use of neural networks to improve the quality of defect detection and select the required type of network. 3. Develop algorithmic and software. 4. Conduct testing on real data and obtain quantitative estimates of the system's performance. 5. Analyze the system's performance using different backbones and different mask binarization thresholds. Object of research: the process of visual and optical flaw detection of metal products. Subject of research: methods of automated detection of metal defects using neural networks. Scientific novelty: The algorithms for segmentation of images of surface defects of metal products have been improved by using the latest models of neural networks with deep learning, which has increased the reliability of automated defect detection. Practical value: software for automated defect segmentation and software algorithms that automate this process and increase reliability have been developed. Recommendations for the selection of backbones and thresholds for mask binarization have been developed.uk
dc.format.extent111 с.uk
dc.identifier.citationСтешенко, Я. В. Удосконалення алгоритмів сегментації зображень поверхневих дефектів металевих виробів : магістерська дис. : 151 Автоматизація та комп'ютерно-інтегровані технології / Стешенко Ярослав Віталійович. – Київ, 2023. – 111 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/56273
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectавтоматизаціяuk
dc.subjectсигментація зображеньuk
dc.subjectповерхневі дефектиuk
dc.subjectвізуально-оптична дефектоскопіяuk
dc.subjectнейронні мережіuk
dc.subjectautomationuk
dc.subjectimage segmentationuk
dc.subjectsurface defectsuk
dc.subjectvisual-optical defectoscopyuk
dc.subjectneural networksuk
dc.subject.udc004.895.32uk
dc.titleУдосконалення алгоритмів сегментації зображень поверхневих дефектів металевих виробівuk
dc.title.alternativeImprovement of image segmentation algorithms for surface defects of metal productsuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Steshenko_magistr.pdf
Розмір:
1.84 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (АСНК)
Магістерські роботи