Нейросети R-CNN и ImageNet обучили на тысячах изображений дефектов и пор в металлических изделиях, напечатанных на 3D-принтере. На выходе получилась единая многослойная нейросеть, способная с высокой точностью распознавать брак на снимках компьютерной томографии.

Компоненты реактивных двигателей и структурных частей самолетов до сих проверяются в ручном режиме. За счет автоматизации предложенная методика позволит ускорить контроль качества в полтора-три раза, а также снизить вероятность человеческих ошибок, сообщает пресс-служба МАИ.

«Наш алгоритм напоминает то, как люди распознают объекты. Представьте, что вы смотрите на корзину с фруктами. Ваш мозг может легко отличить яблоко от апельсина или идентифицировать банан, даже если он наполовину спрятан за виноградом. Наше программное обеспечение делает нечто подобное, но с изображениями компьютерной томографии, выявляя дефекты и поры в металлических деталях. Обнаружение и устранение дефектов на ранних этапах производственного процесса может предотвратить сбои в сложной технологической цепочке. Таким образом, внедрение этой технологии на предприятиях может привести к значительной экономии средств», — рассказал инженер МАИ Константин Коробов.

Помимо авиастроительной отрасли программа представляет интерес для медицинской сферы: ее можно использовать для проверки компонентов медицинских устройств, например хирургических инструментов или протезов.

Работы ведутся на базе кафедр «Перспективные материалы и технологии аэрокосмического назначения», «Инженерная графика» и «Механика наноструктурных материалов и систем». В настоящее время продукт проходит испытания, параллельно разработчики занимаются повышением производительности алгоритмов. Полнофункциональную версию программного обеспечения планируются выпустить в начале 2024 года. 

Источник