?

Details
Table Card RUSMARC
Title: Разработка и исследование нейросетевых методов для обнаружения и локализации дефектов в тканных материалах: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_01 «Математическое моделирование и искусственный интеллект»
Creators: Трощенко Константин Дмитриевич
Scientific adviser: Болсуновская Марина Владимировна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт
Imprint: Санкт-Петербург, 2022
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: контроль качества; распознавание; дефекты тканей; нейронная сеть; модель; машинное обучение; программная реализация; quality control; recognition; fabric defects; neural network; model; machine learning; software
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 01.03.02
Speciality group (FGOS): 010000 - Математика и механика
DOI: 10.18720/SPBPU/3/2022/vr/vr22-2825
Rights: Доступ по паролю из сети Интернет (чтение, печать)
Record key: ru\spstu\vkr\18856

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Целью данной работы является разработка программной части программно-аппаратного комплекса по распознаванию дефектов на тканях. Комплекс предназначен для оперативного контроля качества и решения основных задач учета изготавливаемой продукции на текстильных предприятиях. Реализованная программная часть занимается считыванием поступающих с камер изображений и поиском дефектов с применением нейросетевых технологий. В ходе тестирования была продемонстрирована надежность и эффективность разработанного комплекса. Его можно использовать для автоматического контроля качества изготавливаемой тканой продукции вместо используемого на многих заводах ручного контроля, что приведет к снижению затрат и повышению продуктивности на производстве.

The purpose of this work is to develop the software part of a hardware-software complex for recognizing defects in textiles. The complex is designed for operational quality control and solving the main problems of accounting for manufactured products at textile factories. The implemented software part reads the images coming from the cameras and searches for defects using neural network technologies. During testing, the reliability and efficiency of the developed complex was demonstrated. Complex can be used to automatically control the quality of manufactured woven products instead of the manual controls used in many factories, resulting in lower costs and higher productivity in production.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print
Internet Authorized users SPbPU Read Print
-> Internet Anonymous

Table of Contents

  • Введение
  • Анализ предметной области
    • Проблема качества тканей
    • Контроль качества
      • Традиционный (ручной) контроль
      • Автоматический контроль
      • Автоматический контроль в режиме реальноговремени
    • Система автоматического контроля качества
  • Анализ методов, алгоритмов и программных решений в рассматриваемой области
    • Структурный подход
    • Статистический подход
    • Спектральный подход
    • Модельный подход
    • Наиболее подходящий подход
  • Обоснованный выбор алгоритмов для реализации распознавания дефектов
  • Разработка и тестирование программной части программно-аппаратного комплекса
    • Анализ средств разработки программного обеспечения
      • Средства для обучения нейронной сети
      • Средства для обеспечения контроля качества
    • Программная реализация алгоритмов для обнаружения и локализации дефектов в тканых материалах
    • Тестирование разработанных программных средств
      • Начальный этап разработки
      • Текущий этап разработки
  • Заключение
  • Литература
  • Приложение
    • Код программы
    • Пример отчета

Usage statistics

stat Access count: 1
Last 30 days: 0
Detailed usage statistics