CECHY IMPLEMENTACJI WIDZENIA KOMPUTEROWEGO W PROBLEMACH AUTOMATYCZNEJ KONTROLI JAKOŚCI PRODUKTÓW
Nataliia Stelmakh
n.stelmakh@kpi.uaNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Instrument Production and Engineering (Ukraina)
https://orcid.org/0000-0003-1876-2794
Ihor Mastenko
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Instrument Production and Engineering (Ukraina)
https://orcid.org/0000-0002-2953-4589
Olga Sulima
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Mathematical Physics and Differential Equations (Ukraina)
https://orcid.org/0000-0002-5811-7717
Tetiana Rudyk
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Mathematical Physics and Differential Equations (Ukraina)
https://orcid.org/0000-0003-1121-4963
Abstrakt
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.
Słowa kluczowe:
widzenie maszynowe, inteligentne systemy technologiczne, kontrola jakości, sieci neuronoweBibliografia
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.
DOI: https://doi.org/10.1007/s00170-019-04426-2
Google Scholar
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.
DOI: https://doi.org/10.1109/URAI.2015.7358978
Google Scholar
Dyatlov E. I.: Machine vision (analytical review). Mathematical machines and systems 2, 2013, 32–40.
Google Scholar
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.
DOI: https://doi.org/10.1007/s11263-013-0627-y
Google Scholar
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].
Google Scholar
Johnson A. E.: Spin-images: a representation for 3-D surface matching: Diss. Andrew Edie Johnson – Pittsburgh, Pennsylvania, 1997.
Google Scholar
Lisovsky A. L.: Application of neural network technologies for management development of systems. Strategic decisions and risk management 11(4), 2020, 378–389.
DOI: https://doi.org/10.17747/2618-947X-923
Google Scholar
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].
DOI: https://doi.org/10.25140/2411-5363-2021-4(26)-58-66
Google Scholar
Mastenko І. V., Stelmakh N. V.: Generative design of a frame type construction. KPI Science News 2, 2021, 81–89.
DOI: https://doi.org/10.20535/kpisn.2021.2.236954
Google Scholar
Sahoo S. K. et al.: A Dynamic Bottle Inspection Structure. Computational Intelligence in Data Mining 711, 2019, 873–884.
DOI: https://doi.org/10.1007/978-981-10-8055-5_77
Google Scholar
Stelmakh N.: Software module for accelerated technological preparation of assembly small-scale production of devices. Visn. NTUU "KPI". Eng. 54, 2009, 12–17.
Google Scholar
Tymchyshyn R. M. et al.: Modern approaches to solving computer vision problems. Control systems and machines 6, 2018, 46–73.
Google Scholar
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.
DOI: https://doi.org/10.1109/M2VIP.2016.7827291
Google Scholar
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.
DOI: https://doi.org/10.1109/EIIS.2017.8298545
Google Scholar
Autorzy
Nataliia Stelmakhn.stelmakh@kpi.ua
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Instrument Production and Engineering Ukraina
https://orcid.org/0000-0003-1876-2794
Autorzy
Ihor MastenkoNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Instrument Production and Engineering Ukraina
https://orcid.org/0000-0002-2953-4589
Autorzy
Olga SulimaNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Mathematical Physics and Differential Equations Ukraina
https://orcid.org/0000-0002-5811-7717
Autorzy
Tetiana RudykNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Mathematical Physics and Differential Equations Ukraina
https://orcid.org/0000-0003-1121-4963
Statystyki
Abstract views: 272PDF downloads: 216
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Nataliia Stelmakh, Oleg Belman, ROZWÓJ AUTOMATYZACJI SORTOWANIA ODPADÓW JAKO INTEGRALNA CZĘŚĆ OCHRONY ŚRODOWISKA , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 2 (2022)
- Nataliia Stelmakh, Svitlana Mandrovska, Roman Galagan, ZASTOSOWANIE SIECI NEURONOWYCH RESNET-152 DO ANALIZY OBRAZÓW Z UAV DO WYKRYWANIA POŻARU , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 14 Nr 2 (2024)
