Разработка обещает существенно снизить затраты металлургических предприятий, выпускающих листовую горячекатаную продукцию, связанные с корректировкой прокатного оборудования для исправления распознанных дефектов.
Как сообщили в вузе, на металлургических гигантах растает потребность в использовании программ автоматического контроля, позволяющую снять с человека монотонную задачу отслеживания качества поверхности листа.
- Риск человеческого фактора будет сведен к минимуму, при этом конечная стоимость продукта снизится, - считает автор проекта, аспирант кафедры "Электропривод, мехатроника и электромеханика" Андрей Лисов.
Пока готова лишь предварительная версия программы, которая проводит анализ наиболее часто встречающихся дефектов и способна выносить рекомендации по эксплуатации прокатного оборудования с точностью до 95 процентов. Кроме того, она будет автоматически присваивать категорию качества горячего листопроката в соответствии с критериями ГОСТ.
Проект разрабатывается на языке программирования Python при помощи математического моделирования. В будущем при помощи такого программного обеспечения металлургам станет доступна опция обучения и переобучения нейросети, являющейся ядром системы компьютерного зрения, без изменения конструктивной части установки.
Результаты исследований опубликованы в сборнике конференции UralCon и ICIE 2022. Проект вошел в число победителей конкурса "Умник", на дальнейшие изыскания ученым выделен грант в размере полумиллиона рублей.