Общая характеристика

В машиностроении в процессе длительной эксплуатации необходимо проверять качество производственных деталей и узлов оборудования, обеспечивающих технологический процесс. Необходимо решать вопрос, как автоматизировать проверку на основе доступной информации о состоянии узлов оборудования. Процесс фотографирования является наиболее доступным и экономичным методом. Проект представляет собой приложение на основе искусственного интеллекта, способное распознавать различные дефекты тех или иных деталей, то есть проводить классификацию однотипных объектов.

Проблема

Производителям необходимо решать следующие задачи:

• Как проверять качество производственных деталей и узлов оборудования?
• Какой способ проверки является самым быстрым ?
• Что лучше: проверка человека или искусственного интеллекта?

Цели и задачи проекта

Цель: разработать приложение, способное классифицировать однотипные объекты на основе ИИ

Задачи:

1. Изучить основные ML-модели, выявить их преимущества и недостатки
2. Интегрировать ML-модель в приложение
3. Обучить ML-модель классификации однотипных объектов

Описание решения

Применяя методы машинного обучения, мы сможем обучить разработанную ML-модель классифицировать однотипные объекты. Это становится возможным благодаря обученной нейросети, в которую заложены разные виды готовой продукции как с дефектами, так и без них.

Для реализации проекта предлагается разработать приложение с удобным интерфейсом, способное по трёхмерному представлению объекта классифицировать его.

Также планируется разработать способность приложения комментировать выявленные недостатки, а также возможные способы их устранения с помощью алгоритмов машинного обучения на основе нейронных сетей. Обученная сеть будет формировать список недостатков и способов их устранения и выводить это на экран. Для обучения сети будем использовать оценки экспертов и научные исследования.

Ожидаемые результаты

Разработанное приложение должно являться законченным комплексным решением. Производитель получит необходимое ему решение его задач по проверке готовой продукции, то есть сможет выявлять дефекты. Конкурентные преимущества: высокая точность и эффективность, гибкость и адаптивность, скорость классификации, снижение затрат и повышение производительности.

Области применения результатов

• Производители автозапчастей
• Производители деталей для различного оборудования

На страницу проекта