Применение алгоритмов обнаружения объектов при неразрушающем контроле оборудования, работающего под давлением: обзор
Application of Object Detection Algorithms in Non-Destructive Testing of Pressure Equipment: A Review
2024-09-13
SCID: 54.1/b5fdhqpf
Discuss with AI
аугментация данных на основе GANнеразрушающий контрольалгоритмы обнаружения объектовоборудование, работающее под давлениемобучение без учителя
Figures from the paper
Abstract (AI)
Методы неразрушающего контроля (НК) играют ключевую роль в промышленном производстве, аэрокосмической отрасли, здравоохранении и контроле специального оборудования, являясь неотъемлемой частью оценки безопасного состояния оборудования, работающего под давлением. При этом анализ данных НК представляет собой важнейшее звено в оценке безопасности оборудования. В последние годы методы обнаружения объектов постепенно применяются для анализа данных НК при контроле оборудования, работающего под давлением, демонстрируя значимые результаты. В статье представлен всесторонний обзор современных применений и тенденций развития алгоритмов обнаружения объектов в технологии НК оборудования, работающего под давлением, с акцентом на выбор алгоритмов, расширение данных и интеллектуальное распознавание дефектов на основе алгоритмов обнаружения объектов. Кроме того, рассматриваются актуальные нерешённые исследовательские задачи, связанные с интеграцией расширения данных на основе генеративно-состязательных сетей (GAN) и обучения без учителя для дальнейшего повышения интеллектуализации применения и эффективности технологий обнаружения объектов при НК оборудования, работающего под давлением, а также обсуждаются методы и подходы к повышению интерпретируемости моделей глубокого обучения. Наконец, обобщая результаты современных исследований и предлагая перспективные направления дальнейшей работы, статья призвана предоставить исследователям и инженерам комплексное представление для развития применения и совершенствования технологии обнаружения объектов в НК оборудования, работающего под давлением.
Key Findings
1
Аугментация данных с использованием GAN и обучение без учителя обозначены как перспективные направления повышения эффективности интеллектуального НК.
2
Повышение интерпретируемости моделей глубокого обучения остаётся важной задачей для надёжного применения обнаружения объектов при инспекции оборудования под давлением.
3
Алгоритмы обнаружения объектов продемонстрировали значительные результаты при анализе данных НК для оценки безопасности оборудования, работающего под давлением.
4
Статья обобщает современные исследования и определяет дальнейшие направления развития обнаружения объектов в неразрушающем контроле оборудования под давлением.
5
В обзоре рассматриваются выбор алгоритмов, увеличение объёма данных и интеллектуальное распознавание дефектов как ключевые компоненты систем НК на основе обнаружения объектов.
Research Object
Данные неразрушающего контроля и процессы инспекции оборудования, работающего под давлением
Research Subject
Применение, повышение эффективности и интерпретируемость алгоритмов обнаружения объектов для интеллектуального распознавания дефектов при неразрушающем контроле оборудования, работающего под давлением
Publication Details
Publication Date
2024-09-13
Journal
Publisher
ISSN
Cited by
25
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai15
Классификация ImageNet с использованием глубоких сверточных нейронных сетей2017
Градиентное обучение для распознавания документов1998
Единый подход к интерпретации предсказаний моделей2017
Почему я должен вам доверять?2016
Генеративно-состязательные сети2020
Обучение представлений: обзор и новые перспективы2013
Обучение представлений без учителя с помощью глубоких сверточных генеративных состязательных сетей2015
Сверточные нейронные сети для анализа медицинских изображений: полная тренировка или дообучение?2016
Извлечение глубоких признаков и классификация гиперспектральных изображений на основе сверточных нейронных сетей2016
Систематический обзор передовых сенсорных технологий для неруйнівного контроля и мониторинга состояния конструкций2023
Теория и применение метода обнаружения дефектов трубопроводов по утечке магнитного потока2015
Аугментированные ультразвуковые данные для машинного обучения2021
Обзор методов неразрушающего контроля (НК) для обнаружения дефектов: применение к сварке плавлением и перспективным процессам аддитивного производства методом дугового наплавления проволокой2022
Метод обнаружения на основе машинного обучения для неразрушающего контроля в промышленном производстве2021
Автоматическое обнаружение дефектов сварных швов с использованием неразрушающего ультразвукового контроля на основе многоветвевой сети глубокого слияния2023