Використання нейромережевих технологій для вирішення задачі класифікації дефектів металопрокату
Loading...
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій», ІВК «Системні технології»
Abstract
UKR: Основною метою роботи є створення програмної системи, що виконує класифікацію дефектів поверхні металопрокату з високою точністю (понад 90%) та високою швидкістю (не більше 1 секунди на 1 зображення) за рахунок використання штучних нейронних мереж. Для досягнення мети необхідно виконати такі завдання: 1) виконати дослідження предметної галузі, визначити можливість використання нейронних мереж для вирішення задачі класифікації дефектів металопрокату; 2) побудувати модель нейронної мережі, придатну на вирішення завдання класифікації видимих дефектів металопрокату; 3) виконати генерацію навчальної, тестової та валідаційної вибірок на основі бази даних дефектів поверхні гарячого металопрокату, наданої Північно-східним університетом (NEU); зробити аугментацію згенерованих вибірок; 4) спроектувати та реалізувати систему класифікації дефектів; 5) провести тестування та обчислювальні експерименти. В результаті роботи було розроблено програмну систему для класифікації дефектів металопрокату на базі нейромережевих технологій, яка здатна менш ніж за 1с часу виконувати класифікацію дефекту на зображенні з точністю не менше 90%.
ENG: The main goal of the work is to create a software system that performs the classification of rolled metal surface defects with high accuracy (over 90%) and high speed (no more than 1 second per 1 image) through the use of artificial neural networks. To achieve the goal, it is necessary to perform the following tasks: 1) perform a study of the subject industry, determine the possibility of using neural networks to solve the problem of classifying rolled metal defects; 2) build a neural network model suitable for solving the problem of classifying visible defects in rolled metal products; 3) generate training, test and validation samples based on the database of hot rolled metal surface defects provided by Northeastern University (NEU); perform augmentation of the generated samples; 4) design and implement a defect classification system; 5) conduct testing and computational experiments. As a result of the work, a software system was developed for the classification of rolled metal defects based on neural network technologies, which is capable of classifying a defect in an image with an accuracy of at least 90% in less than 1 s of time.
ENG: The main goal of the work is to create a software system that performs the classification of rolled metal surface defects with high accuracy (over 90%) and high speed (no more than 1 second per 1 image) through the use of artificial neural networks. To achieve the goal, it is necessary to perform the following tasks: 1) perform a study of the subject industry, determine the possibility of using neural networks to solve the problem of classifying rolled metal defects; 2) build a neural network model suitable for solving the problem of classifying visible defects in rolled metal products; 3) generate training, test and validation samples based on the database of hot rolled metal surface defects provided by Northeastern University (NEU); perform augmentation of the generated samples; 4) design and implement a defect classification system; 5) conduct testing and computational experiments. As a result of the work, a software system was developed for the classification of rolled metal defects based on neural network technologies, which is capable of classifying a defect in an image with an accuracy of at least 90% in less than 1 s of time.
Description
В. Балакін: ORCID 0000-0003-0876-7516;
К. Островська: ORCID 0000-0002-9375-4121
Keywords
нейромережа, програмна система, класифікація, дефект, металопрокат, аугментація, API, web-інтерфейс, REST, MobileNet, InceptionV3, Python, Django web/rest framework, JavaScript, Bootstrap, набір даних, датасет, neural network, software system, classification, defect, rolled metal, augmentation, web interface, dataset, КІТС, КТТАМП
Citation
Островська К. Ю., Балакін В. Ф., Черський С. С. Використання нейромережевих технологій для вирішення задачі класифікації дефектів металопрокату. Сучасні проблеми металургії. Дніпро, 2023. № 26. C. 84–98. DOI: 10.34185/1991-7848.2023.01.08.