Методы глубокого обучения и компьютерного зрения для повышения качества контроля в производственных процессах

Обеспечение качества и целостности продукции имеет первостепенное значение в условиях стремительно развивающегося промышленного производства. Несмотря на определённую эффективность, традиционные методы контроля качества часто не отвечают требованиям к эффективности, точности и адаптивности, предъявляемым современными динамичными производственными средами. Появление технологий глубокого обучения (Deep Learning, DL) и компьютерного зрения (Computer Vision, CV) открыло новые возможности для автоматизированного обнаружения дефектов, создавая предпосылки для революционного изменения подходов промышленности к контролю качества и инспекции. В настоящем систематическом обзоре рассматриваются последние достижения в применении DL и CV для автоматизированного обнаружения дефектов в производственных процессах. Представлен всесторонний обзор передовых методов обнаружения, классификации и прогнозирования дефектов, а также отмечены существенные успехи в решении таких проблем, как изменяющиеся условия освещения, сложные структуры дефектов и бесшовная интеграция этих технологий в существующие производственные процессы. На основе критического анализа современных методологий выявлены ключевые перспективные направления, обозначены сохраняющиеся проблемы и предложены направления дальнейших исследований. В обзоре обобщены результаты широкого спектра промышленных применений и представлены сведения о потенциале DL и CV для совершенствования механизмов контроля качества. Отслеживая достигнутый прогресс и выявляя пробелы в современных практиках, данная работа призвана стать ценным ресурсом для исследователей, специалистов-практиков и разработчиков политики, стремящихся использовать преимущества DL и CV для улучшения управления продукцией и достижения совершенства в производстве.