Библиографическое описание:Программная реализация интеллектуальной системы распознавания дефектов изделий при индукционной пайке : научное издание / В. С. Тынченко, С. О. Курашкин, Е. С. Семенкин. - Текст : непосредственный // Components of Scientific and Technological Progress. - 2023. - № 8. - С. 47-52. - ISSN 1997-9347.
Аннотация:Целью исследования является повышение эффективности контроля качества изделий аэрокосмического машиностроения путем разработки интеллектуальной системы контроля качества, что позволит снизить человеческий фактор в производстве, процент бракованной продукции в процессе производства, а также затраты на изготовление деталей. Решение проблемы качества продукции на производстве повысит выживаемость на конкурентном рынке и снизит стоимость производственных затрат, тем самым увеличит прибыль предприятия. Предполагается, что внедрение такой системы снижает затраты по нескольким пунктам: оплата сотрудника, количество производимого брака, безопасность на производстве, отсутствие простоя производства. Для достижения поставленной цели необходимо решить следующие задачи: - изучить предметную область; - выбрать средства реализации модельно-алгоритмического и программного обеспечения; - разработать программное приложение по определению дефектов на основе модельно-алгоритмического аппарата распознавания дефектов в процессе индукционной пайки с использованием видеоинформации из зоны пайки. Таким образом, предлагается для решения поставленных задач использовать язык высокого уровня Python и библиотеку PyTorch. В качестве сверточной нейронной сети, на основе которой разрабатывалась программа для распознавания дефектов, была выбрана модель YOLOv5 и проводилось ее дообучение на реальном датасете и на синтетических данных. В результате проделанной работы была разработана программа для определения дефектов в зоне пайки на основе сверточной нейронной сети, обученной на комбинированном датасете и показавшей точность 93,8 %.
The purpose of the study is to increase the efficiency of quality control of aerospace engineering products, by developing an intelligent quality control system that will reduce the human factor in production, to reduce the percentage of defective products in the production process, as well as to reduce the cost of manufacturing parts. Solving the problem of product quality in production will increase the viability in the competitive market and reduce the cost of production costs, thus increasing the profit of the enterprise. It is assumed that the introduction of such a system reduces costs on several points: the payment of an employee, the amount of scrap performed, safety at work, no production downtime. In order to achieve this objective, it is necessary to study the subject area; to select the means of implementation of model algorithmic and software; to develop a software application for determining defects on the basis of a model-algorithmic device for detecting defects in the induction soldering process using video information from the soldering zone. Iit is proposed to use high-level Python language and PyTorch library to solve the problems. The YOLOv5 model was chosen as the convoluted neural network from which the defect detection program was developed, and it was updated with real dataset and synthetic data. As a result of the research done, a program was developed to determine the defects in the soldering zone on the basis of a convoluted neural network trained on the combined date of the grid showed an accurate 93.8 %.
