Идентификация трещин на изображениях люминесцентного контроля проникающими веществами автомобильных поворотных кулаков с использованием расширения данных на основе глубоких сверточных генеративно-состязательных сетей

Поворотные кулаки, являясь важными элементами безопасности автомобиля, должны проходить строгий контроль качества. В настоящее время идентификация трещин в готовых изделиях в основном осуществляется вручную по результатам люминесцентного контроля проникающими веществами. Из-за сложной формы детали, наличия помех на отображаемых изображениях и небольшого объема выборки точность автоматического распознавания по изображениям люминесцентного контроля проникающими веществами значительно снижается. Поэтому в данной работе предложен метод расширения данных на основе глубоких сверточных генеративно-состязательных сетей (DCGAN) для идентификации трещин на изображениях люминесцентного контроля проникающими веществами автомобильных поворотных кулаков. Для проведения люминесцентного контроля проникающими веществами автомобильных поворотных кулаков была создана платформа сбора изображений, на которой получены изображения люминесцентной индикации различных участков деталей. На основе анализа характеристик отображаемых изображений выполнялась их предварительная обработка для подавления соответствующих помех и выделения потенциальных областей трещин. Затем исходные изображения трещин использовались для обучения DCGAN, генерировалось несколько образцов изображений трещин, на расширенном наборе данных обучалась сеть ResNet, после чего выполнялась идентификация выделенных потенциальных областей. Экспериментальные результаты показали, что предложенный метод распознавания трещин обеспечивает полноту 95,1% и точность 90,8%, что позволяет более эффективно выявлять дефекты в виде трещин на изображениях люминесцентного контроля проникающими веществами по сравнению с методами расширения данных без генеративных моделей.