Главная Работы на конкурс Предметное образование Технические дисциплины
Научно-исследовательский проект «Оптический Структурный Анализатор (ОСА)» с ИИ для контроля шероховатостей металлических поверхностей»
Автор: Бабулина Анастасия Александровна
Место работы/учебы (аффилиация): МБОУ ДО ГЦИТР, г. Тольятти, Самарская область, 10 класс
Научный руководитель: Расторгуева Оксана Анатольевна
Контроль качества металлических поверхностей играет важную роль в современном производстве. Однако традиционные методы измерения шероховатости требуют специального оборудования и времени. Визуальная оценка, в свою очередь, зависит от субъективного мнения специалиста. Поэтому автор разработала оптическую систему, которая определяет параметры поверхности по фотографиям с помощью компьютерного зрения и искусственного интеллекта.
Цель и задачи проекта
Цель проекта — создать систему для бесконтактного определения шероховатости металлических поверхностей по изображению лазерного пятна и текстуре образца. Для этого автор разработала установку с лазерным источником, камерой и регулируемой платформой. Затем она получила снимки шести эталонов шероховатости с параметрами Ra от 0,4 до 12,5 мкм.
Следующий этап включал подготовку набора данных и разработку алгоритмов анализа изображений. Автор выделила геометрические, текстурные и частотные признаки. Кроме того, она сравнила несколько алгоритмов машинного обучения и нейросетевых моделей. В результате проект объединил методы классического анализа признаков и глубокого обучения.
Методы исследования и разработка системы
В работе применены методы компьютерного зрения, обработки изображений и машинного обучения. Автор использовала бинаризацию по методу Оцу, преобразование Фурье, алгоритмы LBP и GLCM, а также моменты Ху. Для классификации были проверены Random Forest, Gradient Boosting, SVM, логистическая регрессия, MLP и CNN.
Однако отдельные модели не обеспечили достаточно высокого качества распознавания. Поэтому автор разработала гибридную архитектуру. Она объединяет два канала свёрточной нейронной сети с полносвязной частью, которая анализирует табличные признаки. Такой подход позволил совместно учитывать текстуру поверхности и особенности лазерного пятна.
Результаты исследования
Финальная модель достигла точности классификации до 87% на тестовой выборке. Она определяет один из шести классов шероховатости. При этом система сохраняет модель, нормализатор, список важных признаков и метрики качества. В приложениях представлены примеры лазерных изображений, результаты обработки и распределение образцов по классам.
Практическая значимость проекта
Разработанный оптический анализатор может применяться на производственных участках и в лабораториях. Он позволяет оценивать поверхность без непосредственного контакта с образцом. Это особенно важно при контроле мягких, хрупких и труднодоступных деталей. Кроме того, автор отмечает низкую себестоимость установки и возможность адаптации метода к другим материалам после дополнительного обучения. Вместе с тем система нуждается в дальнейшей доработке и расширении возможностей.
Смотреть похожие работы
Исследовательский проект «Понятие и функции энтропии. Расчёт термодинамической вероятности для системы состоящей из нескольких молекул и камер. Статистический характер второго закона термодинамики и энтропии»
Проектная работа «Виртуальная лаборатория и система тестирования по физике (с элементами искусственного интеллекта)»
Доступна к просмотру полнотекстовая версия работы

Добавить комментарий