Виявлення дефектів поверхні керамічних дисків із використанням штучної нейронної мережі
Автор: Семенченко Максим Олександрович
Кваліфікаційний рівень: магістр
Спеціальність: Прилади і системи точної механіки
Інститут: Інститут комп'ютерних технологій, автоматики та метрології
Форма навчання: денна
Навчальний рік: 2020-2021 н.р.
Мова захисту: українська
Анотація: Семенченко М. О., Вельган Р. Б. (керівник). Виявлення дефектів поверхні керамічних дисків із використанням штучної нейронної мережі. Магістерська кваліфікаційна робота. Національний університет "Львівська політехніка", Львів, 2020. Вироби з технічної кераміки дедалі частіше використовуються у машинах для виробництва текстильних виробів. Наприклад, керамічні диски для текстурування ниток як напрямні, робочі та ножові. Керамічні компоненти забезпечують значне покращення продуктивності текстильних машин завдяки оптимізованому зчепленню та усуненню “снігу” завдяки особливим механічним властивостям поверхні. Проблема полягає в тому, що наразі перевірка якості поверхонь таких деталей виконується візуально висококваліфікованим персоналом з великим досвідом. Причиною цього є складність перевірки і, отже, труднощі з автоматизацією контролю якості керамічних виробів. Класичні методи виявлення країв із наборів функцій опрацювання зображень проблемно адаптувати до широкого спектру форм дефектів. Існуючі 3D-сканери відносно дорогі і не можуть повністю вирішити проблему, оскільки певні дефекти можна виявити лише візуально. Однак із розвитком технологій щораз більше завдань автоматизації, навіть такої складності можна вирішити. Однією з найкращих та безкоштовних бібліотек опрацювання зображень є бібліотека ImageAI Python. Вона дає змогу будувати системи з автономними можливостями глибинного навчання та машинного зору, використовуючи простий код. У цій магістерській роботі розроблена система розпізнавання об’єктів на зображенні за допомогою штучної нейронної мережі. А саме, ми представляємо розробку програмного забезпечення, яке допомагає автоматизувати процес контролю якості керамічних дисків для текстильних машин. Метод, використаний у цій роботі, є одним із найактуальніших на сьогодні, тобто використання штучної нейронної мережі. Системи на базі штучної нейронної мережі використовуються для вирішення найрізноманітніших завдань. Вони застосовують алгоритми, які дають змогу “навчати” систему, як людину, яка може набути досвіду та вдосконалитись. Як і людина, система візуально оцінює об’єкти, що досліджуються, та визначає наявність дефектів. В цьому є її універсальність і практичність. Об’єктом дослідження є система розпізнавання зображень із нейронною мережею глибинного навчання для виявлення дефектів на зображеннях керамічних дисків. Предметом дослідження є здатність системи виявляти дефекти та її чутливість до зовнішніх факторів. Метою даної роботи є забезпечення надійного виявлення дефектів керамічних дисків за допомогою недорогих систем на основі цифрового USB-мікроскопа. Система повинна виконувати візуальне контролювання якості поверхні. У першому розділі дипломної роботи ми проводимо аналіз дефектних мистецтв та геометричних розмірів. Ділянки з дефектами вивчали за допомогою цифрового мікроскопа Qscope QS.20200-P. Було встановлено, що дефекти мають розмір до 100 мкм. Також у цьому розділі проаналізовано можливі методи виявлення дефектів керамічних дисків. Вирішено, що буде економічно доцільним використовувати цифровий мікроскоп від Qscope, який не втрачає точності, а система набагато дешевша, ніж комерційні сканери. Обґрунтовано вибір системи виявлення дефектів за допомогою цифрового мікроскопа та штучної нейронної мережі. Така система має переваги у відносній простоті конструкції, ціні та простоті експлуатації. У другому розділі розроблено базове програмне забезпечення системи. Зроблено дослідження впливу факторів зміни світла під час роботи системи та розміру бази даних для навчання штучної нейронної мережі на ймовірність виявлення дефектів. Проведено дослідження впливу факторів зміни світла та розміру бази даних для навчання штучної нейронної мережі на ймовірність виявлення дефектів. У третьому розділі роботи зроблено оцінку економічної ефективності даного проекту. Практичне впровадження системи довело її функціональність та ефективність, тому можна зробити висновок, що основна мета цієї роботи була досягнута. Ключові слова: штучна нейронна мережа, система розпізнавання зображень, цифровий мікроскоп, кераміка Література [1]. Гаврилів Д. В., Вельган Р. Б., Семенченко* М. О. Розпізнавання дефектів технічної кераміки з використанням алгоритмів глибинного навчання // Міжнародна конференція метрологів МКМ’2019 (XХІІІ міжнародний семінар метрологів МСМ’2019) : тези доповідей, до 100-річчя кафедри інформаційно-вимірювальних технологій (Львів, 10–12 вересня 2019 р.). – 2019. – C. 101–102. 0,18 ум.д.ар. [2]. Гаврилів Д. В., Семенченко* М. О. Розпізнавання дефектів технічної кераміки з використанням алгоритмів цифрової фільтрації та алгоритмів глибинного навчання // Захист інформації в інформаційно-комунікаційних системах : збірник тез доповідей ІІІ Всеукраїнської науково-практичної конференції молодих учених, студентів і курсантів (Львів, 28 листпада 2019 р.). – 2019. – C. 208–210. 0,13 ум.д.ар. [3]. Гаврилів Д. В., Семенченко* М. О. Використання глибинного навчання та машинного зору для виявлення дефектів на поверхні керамічних дисків // Technical using of measurement-2020 : тези доповідей VІ Всеукраїнської науково-технічної конференції молодих вчених у царині інформаційно-вимірювальних технологій та метрології, 4–7 лютого 2020 р., Славське. – 2020. – C. 39–41. 0,13 ум.д.ар. [4]. Su, Jun, Markiyan Nakonechnyi, Orest Ivakhiv, and Anatoliy Sachenko. "Developing the Automatic Control System Based on Neural Controller." Information Technology and Control 44, no. 3 (2015), pp. 262-270. [5]. Sachenko Anatoliy, Ivakhiv Orest, Vyshnia Volodymyr, Grzeszczyk Konrad, Osolinskiy Oleksandr, Novosad Stanislav, Kochan Volodymyr, Nakonechnyi Markiyan, Kochan Orest, Kopania Lukasz. The method of neural network control over the process of manufacturing foil solar panels // 2020 IEEE 2nd International conference on system analysis and intelligent computing, SAIC 2020 : conference proceeding, Kyiv, Ukraine, 5–9 October 2020, 2020, pp. 1-6.