Объяснимый искусственный интеллект для автоматического обнаружения дефектов в деталях, изготовленных аддитивным способом, с использованием анализа компьютерно-томографических изображений

Аддитивное производство (АП), в частности производство металлических изделий аддитивным способом, привлекло значительное внимание благодаря возможности создавать детали сложной геометрии из различных материалов, снижая их стоимость и массу. Однако металлические детали, изготовленные аддитивным способом, часто содержат внутренние дефекты, обусловленные особенностями производственного процесса. Для анализа дефектов обычно применяется неразрушающий контроль (НК), особенно компьютерная томография (КТ). Используемые в настоящее время стандартные методы контроля являются дорогостоящими и требуют значительных затрат времени, поэтому необходим автоматизированный подход. В статье представлена новая методология обнаружения и характеризации дефектов на основе объяснимого искусственного интеллекта (XAI). Для классификации пиксельных данных КТ-изображений как пор или включений предложенный метод использует метод опорных векторов (SVM) — алгоритм обучения с учителем, обеспечивший площадь под ROC-кривой (AUC) 0,94. Затем для объединения выявленных пикселей в отдельные дефекты применяется алгоритм пространственной кластеризации с учетом плотности и наличия шума (DBSCAN), а на заключительном этапе выпуклая оболочка используется для характеристики обнаруженных кластеров по размеру и форме. Эффективность методологии оценивается на образцах Ti6Al4V путем сравнения результатов ручного контроля и подхода на основе машинного обучения при участии эксперта в предметной области. Работа закладывает основу для автоматизированного обнаружения дефектов, подчеркивая ключевую роль XAI в обеспечении доверия к НК и тем самым открывая новые возможности для оценки компонентов, изготовленных аддитивным способом.