Интеллектуальный контроль качества в производстве на основе искусственного интеллекта

В современную эпоху мониторинг состояния производственной среды стал необходимым для предотвращения непредвиденных ремонтов и простоев, а также для выявления дефектной продукции, способной привести к значительным убыткам. Методы, основанные на данных, и достижения в области сенсорных технологий и Интернета вещей (IoT) сделали возможным мониторинг систем в реальном времени. Состояние продукции также можно непрерывно оценивать на протяжении всего жизненного цикла производства с использованием мер контроля качества (QC). Контроль качества является одним из критически важных процессов, в ходе которого продукция оценивается и признаётся соответствующей требованиям либо бракуется. Визуальный, или заключительный, контроль включает сенсорное обследование продукции оператором для определения её состояния. Однако на процесс визуального контроля влияют различные факторы, в результате чего общая точность контроля в промышленности составляет около 80%. Для достижения 100%-ного контроля в передовых производственных системах ручной визуальный контроль требует значительных затрат времени и средств. Алгоритмы на основе компьютерного зрения (CV) способствовали автоматизации отдельных этапов визуального контроля, однако ряд проблем остаётся нерешённым. В статье представлен подход к визуальному контролю на основе искусственного интеллекта (AI) с использованием глубокого обучения (DL). Подход включает специально разработанную свёрточную нейронную сеть (CNN) для контроля и компьютерное приложение, которое может быть развёрнуто непосредственно на производственном участке, чтобы сделать процесс контроля удобным для пользователя. Предложенная модель обеспечивает точность контроля 99,86% на изображениях литых изделий.