Применение нейронной сети Yolo для определения дефектов на бесшовных кольцах

В настоящее время контроль качества изделий является основным направлением для отечественных предприятий. Своевременный контроль продукции позволяет предотвращать потенциальные потери, а также уменьшает риск возникновения претензий со стороны потребителей. К сожалению, из-за больших объемов производства и нехватки квалифицированных сотрудников не все отечественные предприятия могут обеспечить стопроцентный контроль продукции. Зарубежные компании давно нашли выход из этой ситуации. Крупные предприятия, такие как Porshe и BMW, используют системы на основе искусственного интеллекта для контроля продукции. Для российских предприятий введение искусственного интеллекта является относительно новым, но популярным направлением. Цель исследования - изучить возможности применения нейронных сетей для определения дефектной продукции. В ходе исследования была изучена технология AI.SEE, проанализирована технология производства бесшовных колец (выделены недостатки производства), а также методика обучения нейронной сети YOLO. Также была поставлена и решена следующая задача: разработать модель (на основе компьютерного зрения), которая будет определять и визуализировать наличие дефекта на бесшовных кольцах. Проведенное исследование показало, что модель, обученная на готовых весах YOLO, может с высокой точностью 80…90 % определить наличие дефектов на кольцевых поковках. Но стоит отметить, что, несмотря на высокую точность определения дефектов, модель требует ряд доработок для более стабильной и качественной работы. Использование подобной модели может значительно улучшить процессы контроля на производстве. Стоит отметить, что полученные результаты могут быть полезны для компаний, занимающихся производством колец, и способствовать повышению эффективности и надежности производственных процессов для дальнейшего внедрения подобной системы.