W artykule dokonano analizy obszarów zastosowań widzenia maszynowego. Szczególną uwagę zwrócono na zastosowanie widzenia maszynowego w inteligentnych systemach technologicznych kontroli jakości wyrobów. Ważnym aspektem jest szybka i skuteczna analiza jakości produktu bezpośrednio na etapie procesu technologicznego z dużą dokładnością w określaniu wad produktu. Pokazano celowość i perspektywę wykorzystania aparatu matematycznego sztucznych sieci neuronowych do budowy inteligentnego systemu technologicznego do monitorowania stanu geometrycznego wyrobów. Celem badań jest identyfikacja i klasyfikacja parametrów jakościowych rurek trzcinowych. W tym celu zaproponowano nowe metody identyfikacji i klasyfikacji kontroli jakości różnego rodzaju defektów z wykorzystaniem wizji komputerowej i algorytmów uczenia maszynowego.
Bibliografia
Desmond K. et al.: A machine vision algorithm for quality control inspection of gears. The International Journal of Advanced Manufacturing Technology 106(1-2), 2020, 105–120.
Domel A. et al.: Autonomous pick and place operations in industrial production. 12th Intern. Conf. on Ubiquitous Robots and Ambient Intelligence (URAI 2015), Kintex, Goyang, Korea, 356.
Dyatlov E. I.: Machine vision (analytical review). Mathematical machines and systems 2, 2013, 32–40.
Guo Y. et al.: Rotational projection statistics for 3D local surface description and object recognition. International journal of computer vision 105(1), 2013, 63–86.
Industrial Machine Vision Market by Component (Hardware (Camera, Frame Grabber, Optics, Processor), and Software (Deep Learning, and Application Specific)), Product (PC-based, and Smart Camerabased), Application, End-User. Global Forecast to 2023 [https://www.researchandmarkets.com/research/k6lrbk/global_industrial?w=5].
Johnson A. E.: Spin-images: a representation for 3-D surface matching: Diss. Andrew Edie Johnson – Pittsburgh, Pennsylvania, 1997.
Lisovsky A. L.: Application of neural network technologies for management development of systems. Strategic decisions and risk management 11(4), 2020, 378–389.
Mastenko I. et al.: Vision yak nevidyemna chastyna intelektual’nykh tekhnolohichnykh system. Tekhnichni Nauky Ta Tekhnolohiyi 4(26), 2021, 58–65 [http://doi.org/10.25140/2411-5363-2021-4(26)-58-66].
Mastenko І. V., Stelmakh N. V.: Generative design of a frame type construction. KPI Science News 2, 2021, 81–89.
Sahoo S. K. et al.: A Dynamic Bottle Inspection Structure. Computational Intelligence in Data Mining 711, 2019, 873–884.
Stelmakh N.: Software module for accelerated technological preparation of assembly small-scale production of devices. Visn. NTUU "KPI". Eng. 54, 2009, 12–17.
Tymchyshyn R. M. et al.: Modern approaches to solving computer vision problems. Control systems and machines 6, 2018, 46–73.
Zhong Y., Fengyu X., Yue W.: Analysis and experiment of workpiece quality detection based on industrial robot. 23rd Intern. Conf. on Mechatronics and Machine Vision in Practice (M2VIP), 2016, 1–6.
Zuxiang W., Lei Z., Junpeng F.: Design of safety capacitors quality inspection robot based on machine vision. 1st Intern. Conf. on Electronics Instrumentation Information Systems (EIIS), 2017, 1–4.