Система распознавания литейных дефектов на основе ИИ

Актуальность
Проект направлен на разработку интеллектуального подхода к анализу литейных дефектов на основе методов компьютерного зрения, нейросетевой обработки изображений и нечеткой логики. Такой подход позволяет автоматизировать первичное распознавание дефектов и дополнить его гибкой экспертной интерпретацией в условиях неопределенности. Актуальность проекта определяется запросом на цифровизацию контроля качества, снижение доли брака и создание масштабируемых решений для поддержки принятия решений в литейном производстве.
Проблема
Существующие методы контроля литейных дефектов либо основаны на визуальной экспертной оценке, либо решают только задачу обнаружения дефекта без полноценной интерпретации его значимости. При этом в реальных условиях дефекты могут иметь неоднозначные границы, схожие визуальные признаки и различную степень влияния на качество изделия.
Цель
Разработать концептуальную и программно-алгоритмическую основу интеллектуальной системы анализа литейных дефектов, объединяющей нейросетевую обработку данных контроля и нечеткую логику для распознавания, классификации и оценки значимости дефектов отливок.
Задачи
Провести анализ литературы и существующих подходов к выявлению и классификации литейных дефектов. Определить информативные типы данных для анализа: изображения дефектных зон, результаты неразрушающего контроля, сопутствующие технологические параметры. Сформировать и структурировать наборы данных по литейным дефектам для последующего обучения и тестирования моделей. Разработать алгоритм предобработки и признакового описания дефектов. Адаптировать нейросетевые модели для распознавания и первичной классификации дефектов. Разработать систему нечеткого вывода для интерпретации результатов анализа и оценки значимости дефектов. Сформировать общую схему интеграции нейросетевого и нечетко-логического подходов.
Результат
В рамках проекта планируется получить: структурированную схему анализа литейных дефектов; алгоритм совместной обработки данных с использованием нейросетевых методов и нечеткой логики; подготовленные и систематизированные датасеты для распознавания и классификации литейных дефектов; программный прототип для демонстрации работоспособности подхода; методические материалы по применению разработанной модели в задачах цифрового контроля качества.
Партнёры проекта
—
***