Процесс автоматизации металлографического анализа с использованием технологий искусственного интеллекта.

Цель работы: разработка интеллектуального ассистента для автоматизированного анализа микроструктур металлов в соответствии с требованиями ГОСТ 1778-70 и ГОСТ 5639-82, обеспечивающего повышение точности и сокращение времени контроля качества.

Новизна проекта:

• Создание гибридной нейросетевой архитектуры, сочетающей CNN для классификации дефектов и U-Net для сегментации зерен.
• Интеграция цифровых эталонов ГОСТ в базу знаний системы, обеспечивающая соответствие результатов российским стандартам.
• Разработка алгоритма динамической коррекции параметров анализа для экзотических сплавов.

Практическая значимость:

• Сокращение времени анализа с 40–60 до 2–3 минут на образец.
• Устранение субъективности оценок (погрешность снижена с ±1.5 до ±0.5 балла).
• Снижение затрат предприятий на контроль качества на 25–40%.

Внедрение MVP на базе Teachable Machine подтвердило работоспособность концепции с точностью классификации до 95%.

На страницу проекта