Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- ПРОГРАММНО-АППАРАТНЫЙ КОМПЛЕКС КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ ОПЕРАТИВНОГО КОНТРОЛЯ КАЧЕСТВА ПОВЕРХНОСТИ ПРОМЫШЛЕННЫХ ИЗДЕЛИЙ
- Авторы
- Гарафутдинов Айзат Алмазович ayzatg@yandex.ru, студент, ФГБОУ ВО «Казанский национальный исследовательский технический университет им. А. Н. Туполева - КАИ», г. Казань, Россия
- В разделе
- ПРИКЛАДНЫЕ ВОПРОСЫ И ЗАДАЧИ ПРИМЕНЕНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ
- Ключевые слова
- компьютерное зрение / контроль качества / дефекты поверхности / сверточная нейронная сеть / промышленная инспекция / обработка изображений / программно-аппаратный комплекс
- Год
- 2026 номер журнала 3 Страницы 41 - 45
- Индекс УДК
- 621.3.049.7
- Код EDN
- SWRCJQ
- Код DOI
- 10.52190/2073-2597_2026_3_41
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- Рассматривается структура компактного программно-аппаратного комплекса компьютерного зрения для оперативного контроля качества поверхности промышленных изделий. Предложенная структура включает камеру, управляемую светодиодную подсветку, фиксированный держатель, вычислительный модуль, интерфейс оператора и цифровой архив. Программная обработка объединяет калибровку, выделение области интереса, нормализацию яркости, подавление шумов, расчет статистических признаков и классификацию сверточной нейронной сетью. В качестве базового варианта рассмотрен алгоритм пороговой сегментации с морфологической обработкой и анализом контуров. Модельная апробация выполнена на наборе из 520 изображений, разделенном на обучающую, валидационную и тестовую части. Нейросетевой вариант обеспечил точность 94,8 % и полноту выявления дефектов 92,3 % при среднем времени обработки 0,18 с на изображение.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
ISO 9001:2015. Quality management systems - Requirements. Geneva: International Organization for Standardization, 2015. [Электронный ресурс]. URL: https://www.iso.org/standard/62085.html (Дата обращения 20.07.2026).
Smith M. L., Smith L. N., Hansen M. F. The quiet revolution in machine vision - a state-of-the-art survey paper, including historical review, perspectives, and future directions // Computers in Industry. 2021. V. 130. Art. 103472.
Steger C., Ulrich M., Wiedemann C. Machine Vision Algorithms and Applications. 2nd ed. - Weinheim: Wiley-VCH, 2018.
Gonzalez R. C., Woods R. E. Digital Image Processing. 4th ed. - New York: Pearson, 2018.
Otsu N. A threshold selection method from gray-level histograms // IEEE Transactions on Systems, Man, and Cybernetics. 1979. V. 9. № 1. P. 62-66.
Suzuki S., Abe K. Topological structural analysis of digitized binary images by border following // Computer Vision, Graphics, and Image Processing. 1985. V. 30. № 1. P. 32-46.
Goodfellow I., Bengio Y., Courville A. Deep Learning. - Cambridge: MIT Press, 2016.
Bergmann P., Fauser M., Sattlegger D., Steger C. MVTec AD - A comprehensive real-world dataset for unsupervised anomaly detection // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019. P. 9592-9600.
- Купить
- 800.00 руб
