ԱԲ-ն սովորել է հայտնաբերել մետաղի վտանգավոր ճաքերը հենց հոսքագծի վրա
Մոսկվայի պոլիտեխնիկական համալսարանի ինժեներները ստեղծել են նեյրոցանց, որն ավտոմատ կերպով հայտնաբերում է ճաքերը և այլ կրիտիկական թերությունները ձուլածո մետաղական դետալների մեջ՝ անմիջապես արտադրության ընթացքում: Համակարգը խոստանում է փոխարինել հոգնեցուցիչ ձեռքի զննումը, բարձրացնել հսկողության ճշգրտությունը և նվազագույնի հասցնել վթարների ռիսկը ավիացիայի, ավտոշինության և էներգետիկայի ոլորտներում:
Ժամանակակից գործարաններում ձուլածո դետալները (տուրբինի թիակներ, հենակներ և այլն) անցնում են տեսողական հսկողություն տեսուչի կողմից: Սակայն այս մեթոդը խիստ անհուսալի է. տեսուչի աչքը հոգնում է 1–2 ժամ ինտենսիվ աշխատանքից հետո, լույսի փոփոխությունը և փայլերը խանգարում են տեսնել բարակ ճաքերը, օքսիդացած մակերևույթի վրա նուրբ ճաքը հեշտությամբ մնում է աննկատ:
Բաց թողնված թերությունը կարող է դառնալ աղետի պատճառ՝ շարժիչի քայքայում թռիչքի ժամանակ կամ վթար ճանապարհին: Համակարգչային տեսողության դասական ալգորիթմները նույնպես հաճախ ձախողվում են իրական գործարանային պայմաններում (կեղտոտ մակերևույթ, անհամաչափ լուսավորություն):
Մշակողները միավորել են երկու տեխնոլոգիա. կոնվոլյուցիոն նեյրոնային ցանց, որը վերլուծում է դետալի պատկերը, գտնում կասկածելի հատվածները և դասակարգում թերությունները, և ֆազի տրամաբանություն (Fuzzy logic), որն աշխատում է անորոշության հետ (օրինակ՝ օքսիդացման աստիճանը, նյութի տեսակը):
ԱԲ համակարգը ոչ թե պարզապես ասում է «կա թերություն», այլ տալիս է վտանգավորության կշռված գնահատական՝ հաշվի առնելով համատեքստը:
Այժմ ընթանում է տվյալների հավաքագրման և մոդելի ուսուցման փուլը: Առաջիկայում կսկսվեն արդյունաբերական փորձարկումները իրական գործարանում:
Պատկերը՝ News.am
