ISSN 1991-2927
 

АПУ № 3 (65) 2021

Автор: "Суетин Марат Николаевич"

УДК 004.932.2

Дементьев Виталий Евгеньевич, доктор технических наук, окончил экономико-математический факультет Ульяновского государственного технического университета. Заведующий кафедрой «Телекоммуникации» УлГТУ. Имеет монографии, статьи и патенты в областях статистической обработки многомерных сигналов и защиты информации. [e-mail: dve@ulntc.ru]Д.В. Дементьев,

Савинов Руслан Анатольевич, окончил машиностроительный факультет УлГТУ, ведущий инженер-программист ФНПЦ АО «НПО «Марс». Область научных интересов – разработка автоматизированных систем распознавания и анализа образов с применением нейросетевых технологий. [e-mail: sarus@list.ru]Р.А. Савинов,

Суетин Марат Николаевич, аспирант, окончил факультет технологии и предпринимательства Ульяновского государственного педагогического университета. Ведущий инженер-программист ФНПЦ АО «НПО «Марс». Имеет статьи в областях обработки изображений и компьютерного зрения. [e-mail: source81@gmail.com]М.Н. Суетин,

Подлобошников Анатолий Геннадиевич, окончил факультет информационных систем и технологий Ульяновского государственного технического университета. Начальник научно-исследовательской лаборатории – главный конструктор ФНПЦ АО «НПО «Марс». Область научных интересов – разработка автоматизированных систем распознавания и анализа образов с применением нейросетевых технологий. [e-mail: agpdonet@mail.ru]А.Г. Подлобошников

Система распознавания повреждений металлических конструкций64_6.pdf

На основе нейросетевого подхода разработана система, позволяющая выявлять внешние дефекты и повреждения объектов инфраструктуры на фото- и видеоизображениях. В качестве обучающего материала для сверточной нейронной сети UNet использовались фото- и видеоизображения конструкционных элементов железнодорожных мостов. Выполнена разметка фото- и видеоизображений, подобрана оптимальная архитектура и гиперпараметры нейронной сети. На наборе тестовых изображений выполнен контроль полученной при обучении нейронной сети. Результаты позволяют сделать вывод, что с помощью полученной системы можно производить поиск дефектов на элементах стальных конструкций на уровне, показываемом в ходе визуального контроля экспертами.

Неинвазивный контроль, повреждения металлических конструкций, глубокая сверточная нейронная сеть, CNN, мостовые конструкции, трещины, обработка фотоизображений.

021)_ 2

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.



© ФНПЦ АО "НПО "Марс", 2009-2021 Работает на Joomla!