Протасов, Анатолій ГеоргійовичСтешенко, Ярослав Віталійович2023-05-292023-05-292023Стешенко, 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.https://ela.kpi.ua/handle/123456789/56273Актуальність 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.111 с.ukавтоматизаціясигментація зображеньповерхневі дефективізуально-оптична дефектоскопіянейронні мережіautomationimage segmentationsurface defectsvisual-optical defectoscopyneural networksMaster Thesis004.895.32