Выпускная квалификационная работа посвящена исследованию применения нейронных сетей в задачах магнитной дефектоскопии труб. Для предварительной обработки сигнала были рассмотрены методы фильтрации. Подробно описан и реализован адаптивный Фильтр с конечной импульсной характеристикой и вейвлет-фильтрация для подавления шума бесшовных труб и системного шума в сигналах датчиков. Так же в данной работе рассматривается опыт применения нейронных сетей в магнитной дефектоскопии. На основе произведенного анализа была выбрана архитектура сверточной нейронной сети. Она решала задачу бинарной классификации дефектограмм, а сама задача была рассмотрена как классификация изображений. В результате тестирования были выявлены недостатки, и предложены пути их преодолений.

The final qualifying work is devoted to the study of the use of neural networks in the problems of magnetic flaw detection of pipes. Filtering methods were considered for signal preprocessing. Adaptive finite impulse response filter and wavelet filtering for denoise of seamless pipes noise (SPN) and system noise in sensor signals are described in detail and implemented. Also in this paper, the experience of using neural networks in magnetic flaw detection is considered. Based on the analysis performed, the architecture of a convolutional neural network was selected. It solved the problem of binary classification of defectogram, and the problem itself was considered as a classification of images. As a result of testing, shortcomings were identified and ways to overcome them were proposed.