FEATURES OF THE IMPLEMENTATION OF COMPUTER VISION IN THE PROBLEMS OF AUTOMATED PRODUCT QUALITY CONTROL

Nataliia Stelmakh; Ihor Mastenko; Olga Sulima; Tetiana Rudyk

doi:10.35784/iapgos.3434

Open full text

PDF (English)

Opublikowane: mar 31, 2023

DOI: https://doi.org/10.35784/iapgos.3434

Numer Tom 13 Nr 1 (2023)

Artykuły

ULEPSZONY ALGORYTM EWOLUCJI RÓŻNICOWEJ Z ADAPTACYJNYMI GRANICAMI WAG DLA EFEKTYWNEGO SZKOLENIA SIECI NEURONOWYCH
Saithip Limtrakul, Jeerayut Wetweerapong

4-13
ZASTOSOWANIE WYJAŚNIALNEJ SZTUCZNEJ INTELIGENCJI W KLASYFIKACJI USTEREK OPROGRAMOWANIA
Łukasz Chmielowski, Michał Kucharzak, Robert Burduk

14-17
AUTOMATYCZNE WYKRYWANIE CHOROBY ALZHEIMERA W OPARCIU O SZTUCZNĄ INTELIGENCJĘ
Achraf Benba, Abdelilah Kerchaoui

18-21
WDROŻENIE SYSTEMU POZYSKIWANIA EKG OPARTEGO NA SZTUCZNEJ INTELIGENCJI W CELU WYKRYWANIA NIEPRAWIDŁOWOŚCI SERCA
Achraf Benba, Fatima Zahra El Attaoui, Sara Sandabad

22-25
OPRACOWANIE I MODELOWANIE SYSTEMU ANTENOWEGO CELOWNIKA BEZZAŁOGOWYCH STATKÓW POWIETRZNYCH
Juliy Boiko, Oleksiy Polikarovskykh, Vitalii Tkachuk

26-32
PLATFORMA SENSOROWA TOMOGRAFII PRZEMYSŁOWEJ DO DIAGNOSTYKI I STEROWANIA PROCESAMI TECHNOLOGICZNYMI
Krzysztof Król, Tomasz Rymarczyk, Konrad Niderla, Edward Kozłowski

33-37
CECHY IMPLEMENTACJI WIDZENIA KOMPUTEROWEGO W PROBLEMACH AUTOMATYCZNEJ KONTROLI JAKOŚCI PRODUKTÓW
Nataliia Stelmakh, Ihor Mastenko, Olga Sulima, Tetiana Rudyk

38-41
SAMOOSCYLACYJNY PARAMETRYCZNY CZUJNIK WILGOTNOŚCI Z CZĘSTOTLIWOŚCIOWYM SYGNAŁEM WYJŚCIOWYM
Iaroslav Osadchuk, Alexander Osadchuk, Vladimir Osadchuk, Lyudmila Krylik

42-49
OPRACOWANIE ZMODYFIKOWANEJ METODY FORMOWANIA RUCHU SIECIOWEGO
Valeriy Kozlovskiy, Natalia Yakymchuk, Yosyp Selepyna, Serhii Moroz, Anatolii Tkachuk

50-53
CYFRYZACJA PRZEDSIĘBIORSTWA Z ZAPEWNIENIEM STABILNOŚCI I NIEZAWODNOŚCI
Gulnar Balakayeva, Paul Ezhilchelvan, Yerlan Makashev, Christofer Phillips, Dauren Darkenbayev, Kalamkas Nurlybayeva

54-57
MODYFIKACJE MODELU RÓWNOWAGI CENOWEJ EVANSA
Serhii Zabolotnii, Sergii Mogilei

58-63
BADANIE PORÓWNAWCZE RÓŻNYCH MODELI RÓWNOWAŻNEGO ODKSZTAŁCENIA PLASTYCZNEGO DO PĘKANIA
Volodymyr Mykhalevych, Yurii Dobraniuk, Victor Matviichuk, Volodymyr Kraievskyi, Oksana Тiutiunnyk, Saule Smailova, Ainur Kozbakova

64-70

Archiwum

2025

Tom 15 Nr 3
2025-09-30 24
Tom 15 Nr 2
2025-06-27 24
Tom 15 Nr 1
2025-03-31 26

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

2021

Tom 11 Nr 4
2021-12-20 15
Tom 11 Nr 3
2021-09-30 10
Tom 11 Nr 2
2021-06-30 11
Tom 11 Nr 1
2021-03-31 14

DOI

https://doi.org/10.35784/iapgos.3434

Authors

Nataliia Stelmakh

n.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

Ihor Mastenko

ihormas@gmail.com

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

olgasulimakpi@gmail.com

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

ru58@ukr.net

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 neuronowe

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. DOI: https://doi.org/10.1007/s00170-019-04426-2

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

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. DOI: https://doi.org/10.1007/s11263-013-0627-y

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. DOI: https://doi.org/10.17747/2618-947X-923

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

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

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

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. DOI: https://doi.org/10.1109/M2VIP.2016.7827291

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

Stelmakh, N., Mastenko, I., Sulima, O., & Rudyk, T. (2023). CECHY IMPLEMENTACJI WIDZENIA KOMPUTEROWEGO W PROBLEMACH AUTOMATYCZNEJ KONTROLI JAKOŚCI PRODUKTÓW. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 13(1), 38–41. https://doi.org/10.35784/iapgos.3434

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 13 Nr 1 (2023)

Archiwum

##plugins.themes.bootstrap3.article.main##

DOI

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja