RIAWELC: новый набор радиографических изображений для автоматической классификации дефектов сварных соединений

В последние несколько лет извлечение, анализ и классификация дефектов сварных соединений на радиографических изображениях привлекают значительное внимание в различных отраслях промышленного производства. В настоящее время компьютерное зрение обеспечивает высокую точность во многих практических приложениях, однако внедрение автоматизированных процессов в этой области по-прежнему остается сложной задачей. Например, сверточные нейронные сети (CNN) широко признаны эффективными и точными архитектурами классификации; однако из-за ограниченной доступности специализированных наборов данных обучение CNN для классификации дефектов сварных соединений не является простой задачей. В данной статье представлен новый набор данных, включающий 24 407 радиографических изображений, относящихся к нескольким классам дефектов сварных соединений: непровар, трещины, пористость и отсутствие дефектов. Предложенный набор данных радиографических изображений дефектов сварных соединений распространяется среди исследовательского сообщества на свободной основе. В качестве примера применения этот набор данных был использован для обучения модифицированной версии сверточной нейронной сети SqueezeNet, которая продемонстрировала точность на тестовой выборке свыше 93%.