Details
Title | Компьютерное зрение в промышленной дефектоскопии: выпускная квалификационная работа бакалавра: направление 27.03.04 «Управление в технических системах» ; образовательная программа 27.03.04_05 «Интеллектуальные системы обработки информации и управления» |
---|---|
Creators | Низамутдинова Диля Ильгизовна |
Scientific adviser | Кожубаев Юрий Нургалиевич |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
Imprint | Санкт-Петербург, 2024 |
Collection | Выпускные квалификационные работы; Общая коллекция |
Subjects | нейронная сеть; рентгенологический контроль; техническое зрение; обучение нейронной сети; neural network; x-ray control; technical vision; neural network training |
Document type | Bachelor graduation qualification work |
File type | |
Language | Russian |
Level of education | Bachelor |
Speciality code (FGOS) | 27.03.04 |
Speciality group (FGOS) | 270000 - Управление в технических системах |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-5283 |
Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Additionally | New arrival |
Record key | ru\spstu\vkr\33614 |
Record create date | 8/29/2024 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
Данная работа посвящена разработке и применению методов машинного обучения для обнаружения и классификации дефектов на основе оптических изображений. В работе рассматривается использование рентгенологического метода неразрушающего контроля для диагностики состояния сварных швов труб. Задачи, которые решались в ходе исследования: обзор технологий искусственных нейронных сетях для распознавания и классификации; создание и аннотирование изображений; создание искусственной нейронной сети детектирования дефектов по оптическим изображениям; оценка производительности модели; перспективы и направления дальнейших исследований. Обучение нейронной сети проводилось по 53 изображениям с браком и 47 изображениях без брака на 25 эпохах обучения. Экспериментальная точность модели составила 80%. Работа выполнена с помощью языка программирования Python, нейронной сети YOLO и открытого Python-фреймворк машинного обучения Ultralytics.
This work is devoted to the development and application of machine learning methods for detecting and classifying defects based on optical images. The paper discusses the use of the X-ray non-destructive testing method for diagnosing the condition of pipe welds. Problems that were solved during the study: review of artificial neural network technologies for recognition and classification; image creation and annotation; creation of an artificial neural network for detecting defects from optical images; assessing model performance; prospects and directions for further research. The neural network was trained using 53 images with defects and 47 images without defects over 25 training epochs. The experimental accuracy of the model was 80%. The work was performed using the Python programming language, the YOLO neural network and the open Python machine learning framework Ultralytics.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 1
Last 30 days: 1