Создание автоматизированной системы определения процента вязкой составляющей на изломах металла с применением нейронных сетей

Abstract

Разработана автоматизированная система, которая позволяет по фотографиям изломов металла после испытания на ударный изгиб находить зоны 100 % и 50 % хрупкой составляющей и обрабатывать результаты согласно ГОСТ 30456­97. Металлопродукция. Прокат листовой и трубы стальные. Методы испытания на ударный изгиб. Внедрение разработанной системы позволяет получать более объективные результаты испытаний, снизить нагрузку на лаборантов, уменьшить репутационные потери заказчика из-за поставки метала ненадлежащего качества. Спроектированный алгоритм включал в себя комплекс сегментирующий нейронный сетей архитектуры U-NET, которая выделяла на изображении изломы металла с точностью до 95 %, и Mask-RCNN, которая выполняла поиск и классификацию зон хрупкостью с точностью до 90 %. Созданное ПО выдавало результаты, которые совпадали с изначальным мнением экспертов в 75 % случаев.

An automated system was developed that allows using photographs of metal fractures after impact of Drop­Weight Tear Tests to find zones of 100 % and 50 % of the brittle component and process the results in accordance with GOST 3045697. Metal production. Rolled steel and tubes. Methods of blow bending tests. The adoption of the developed system allows obtaining more objective test results, reducing the workload of laboratory technicians, decreasing the customer's reputation losses due to supply of metal that had inadequate quality. The designed algorithm applied complex segmentation neural networks included U-NET architecture, which detected metal fractures on the image with an accuracy up to 95 %, and Mask- RCNN, which performed a search and classification of fragility zones with an accuracy up to 90 %. The created software produced results that coincided with the original opinion of the experts in 75 % of cases.