Нейросети для контроля порошков
ИИ на службе качества | Часть 1
🔬 В промышленной 3D-печати качество металлического порошка влияет на многое: на текучесть материала, равномерность нанесения слоя и прочностные характеристики готовых авиационных деталей. Поэтому каждая партия сырья проходит строгий входной контроль перед допуском к производству.
⚙️ Морфологический анализ снимков сканирующей электронной микроскопии (СЭМ) остаётся одной из самых трудоёмких и рутинных задач этого этапа. Чтобы оценить морфологию и геометрические параметры частиц, оператору нужно изучить микрофотографии, вручную выделить каждую частицу, измерить её размер и форму, а затем обработать полученные данные статистически.
🕒 Главная проблема ручного анализа — высокие временные затраты и субъективность оценки. Качество разметки зависит от квалификации инженера, плотности частиц на снимке и контрастности границ, что снижает воспроизводимость измерений от партии к партии.
💡 Чтобы вывести контроль качества на новый уровень, специалисты ЦАТ разработали и внедрили подход на основе нейросетей и компьютерного зрения. Алгоритм автоматически находит частицы порошка на снимках, рассчитывает их геометрические параметры и формирует массив данных для комплексной оценки материала.
🚀 Цель разработки заключается не просто в ускорении обработки микрофотографий в десятки раз, а в том, чтобы сделать измерения полностью объективными, стандартизированными и воспроизводимыми.
➡️ В следующих частях серии мы разберём, с какими сложностями сталкивается компьютерное зрение при сегментации слипшихся частиц, почему из десятков доступных архитектур специалисты выбрали именно YOLO и как маска нейросети превращается в готовые инжиниринговые таблицы данных.
🤓 ЦАТ в Telegram | MAX | ВК
ИИ на службе качества | Часть 1
🔬 В промышленной 3D-печати качество металлического порошка влияет на многое: на текучесть материала, равномерность нанесения слоя и прочностные характеристики готовых авиационных деталей. Поэтому каждая партия сырья проходит строгий входной контроль перед допуском к производству.
⚙️ Морфологический анализ снимков сканирующей электронной микроскопии (СЭМ) остаётся одной из самых трудоёмких и рутинных задач этого этапа. Чтобы оценить морфологию и геометрические параметры частиц, оператору нужно изучить микрофотографии, вручную выделить каждую частицу, измерить её размер и форму, а затем обработать полученные данные статистически.
🕒 Главная проблема ручного анализа — высокие временные затраты и субъективность оценки. Качество разметки зависит от квалификации инженера, плотности частиц на снимке и контрастности границ, что снижает воспроизводимость измерений от партии к партии.
💡 Чтобы вывести контроль качества на новый уровень, специалисты ЦАТ разработали и внедрили подход на основе нейросетей и компьютерного зрения. Алгоритм автоматически находит частицы порошка на снимках, рассчитывает их геометрические параметры и формирует массив данных для комплексной оценки материала.
🚀 Цель разработки заключается не просто в ускорении обработки микрофотографий в десятки раз, а в том, чтобы сделать измерения полностью объективными, стандартизированными и воспроизводимыми.
➡️ В следующих частях серии мы разберём, с какими сложностями сталкивается компьютерное зрение при сегментации слипшихся частиц, почему из десятков доступных архитектур специалисты выбрали именно YOLO и как маска нейросети превращается в готовые инжиниринговые таблицы данных.
🤓 ЦАТ в Telegram | MAX | ВК