|
AI{0}}asosidagi nuqsonlarni aniqlash kamera tasvirlarida oʻqitilgan chuqur oʻrganish modellaridan (CNN, obʼyekt detektorlari va Vision Transformatorlar) zanglamaydigan poʻlatdan yuzaki nuqsonlarni real vaqt rejimida, ishlab chiqarish liniyasi tezligida aniqlash, tasniflash va aniqlash uchun foydalanadi, standart sinov maʼlumotlar toʻplamida odatda 95–99% oraligʻida chop etilgan aniqlik.
Ushbu tizimlar - yorilish, qo'shilish, yamoqlar, chuqurchalar yuzasi, -o'lchamdagi va tirnalgan joylarni - taqqoslash uchun eng ko'p ishlatiladigan oltita nuqson turi keng tarqalgan bo'lib foydalaniladigan NEU sirt nuqsonlari ma'lumotlar bazasidan olingan va chuqurchalar, chandiqlar va qirrali yoriqlar kabi haqiqiy zanglamas po'latdan yasalgan nuqsonlar bilan yaqindan tanishtiriladi.
AI koʻrish qoʻlda vizual tekshirish va 15–30% gacha notoʻgʻri musbat koʻrsatkichlarni keltirib chiqaradigan va faqat inson koʻzlari bilan toʻliq-tezlik, toʻliq{4}}koʻrishni taʼminlay olmaydigan oddiy chegara{0}}mashina koʻrishini almashtiradi yoki oshiradi.
AI ko'rish faqat sirtlarni tekshiradi - u bo'yoqning penetratsion sinovi, girdob oqimi sinovi yoki er osti kamchiliklari, payvand chokining yaxlitligi yoki hajmli nuqsonlar uchun ultratovush sinovini almashtirmaydi, shuning uchun to'liq sifatli dastur hali ham AI sirtini tekshirishni tegishli NDT usuli bilan birlashtiradi.
ASTM A480 sirtni tugatish tasnifi va nuqsonlarni qabul qilish mezonlari uchun boshqaruv standarti bo'lib qolmoqda; AI tizimlari inson tomonidan belgilab qo‘yilgan{1}}mezonlarga muvofiq o‘qitiladi va tasdiqlanadi, aksincha emas, shuning uchun spetsifikatsiya va yakuniy tartibga solish vakolati hali ham tegishli material standarti va xarid buyurtmasiga bog‘liq. |
AI-asosidagi nuqsonlarni aniqlash nima?
|
AI-asosidagi nuqsonlarni aniqlash zanglamaydigan poʻlatdan yasalgan yuzalarning kamera tasvirlarini tahlil qilish va real vaqtda nuqsonlarni avtomatik aniqlash, tasniflash va lokalizatsiya qilish, qoʻlda vizual tekshirish va oddiy qoidaga-mashinani koʻrishga{2}} oʻzgartirish yoki koʻpaytirish uchun oʻrgatilgan chuqur oʻrganish modellaridan foydalanadi. |
Zanglamaydigan po'latdan yasalgan yuzalarni an'anaviy tekshirish o'qitilgan inson inspektorlariga tayanadi, ba'zan esa aniqroq piksel chegarasidan yorqinroq, quyuqroq yoki kattaroq narsalarni belgilaydigan asosiy mashina ko'rish orqali yordam beradi. Har ikkala yondashuvning ham yaxshi hujjatlashtirilgan chegaralari bor: inson inspektorlari 8{4}} yoki 12-smeta davomida charchashadi va harakatlanuvchi lasanning har bir metrida toʻliq eʼtiborni ushlab turolmaydilar, oddiy chegaraga asoslangan koʻrish tizimlari esa koʻp sonli notoʻgʻri musbatlar hosil qiladi -, chunki ular sanoatning notoʻgʻri stavkalari 5–30% boʻladi. Haqiqiy nuqsonni sirtning zararsiz o'zgarishidan, masalan, ko'zgu, bardoshlik chegarasidagi siljish belgisi yoki yorug'lik artefaktidan ajrata olmaydi.
Ko'pincha konvolyutsion neyron tarmoqlar (CNN) yoki yangi Vision Transformer (ViT) arxitekturalarida qurilgan sun'iy intellekt nuqsonlarini aniqlash minglab millionlab etiketli tasvirlarda o'rganiladi, shuning uchun u haqiqiy nuqsonni oddiy sirt o'zgarishidan ajratib turadigan vizual xususiyatlarni o'rganadi. Oʻqitilgandan soʻng, model ishlab chiqarish liniyasi tezligida jonli kamera tasvirlari boʻyicha xulosa chiqaradi, nuqsonlarni belgilaydi va tasniflaydi va bu maʼlumotni har bir kadrni koʻrib chiqishga majbur boʻlmasdan, haqiqiy-vaqtdagi saralash, belgilash yoki rad etish - uchun chiziqli boshqaruv tizimlariga uzatishi mumkin.
AI tizimlari zanglamaydigan po'latdan yasalgan yuzalarda qanday nuqsonlarni aniqlay oladi?
|
AI ko‘rish tizimlari odatda zanglamaydigan po‘latdan - chuqurchalar, tirnalgan va siljish izlari, o‘lchov va chandiqlar, metall bo‘lmagan qo‘shimchalar, chekka yoriqlar va yamoqlar yoki oksidlanish rangining o‘zgarishi - oltita-zararsizlanish, NEUklyuziya toifasi bilan uzoq vaqt davomida qo‘lda kuzatilgan bir xil nuqson toifalarini aniqlashga o‘rgatilgan. yamoqlar, chuqurchaga o'ralgan sirt, -o'lchov bo'yicha o'ralgan, tirnalgan) eng keng tarqalgan tadqiqot va o'quv mezonlari bo'lib xizmat qiladi. |
|||
|
Kamchiliklar toifasi |
Nimaga o'xshaydi |
Oddiy sabab |
Nima uchun zanglamaydigan po'lat uchun bu muhim |
|
Chuqurchali / chuqurlashgan sirt |
Kichik, mahalliy depressiyalar yoki bo'shliqlar |
Kontaminatsiya, notekis tuzlash, tuzoqqa tushgan shkala |
Passiv xrom oksidi qatlamini buzadi va xlorid korroziyasi uchun joy yaratadi- |
|
Chiziqlar / yoriqlar |
Turli xil chuqurlikdagi chiziqli sirt belgilari |
Noto'g'ri moslashtirilgan yo'riqnomalar bilan aloqa qilish, rollarda qoldiqlar, ishlov berish shikastlanishi |
Kosmetikani rad etish xavfi; chuqurroq chuqurliklar stressni to'plash vazifasini bajaradi |
|
Roll belgilari |
Sirtga bosilgan naqshlarni takrorlash |
Shikastlangan yoki eskirgan rolik yuzasi |
Yuqori oqim uskunasining eskirishini ko'rsatadi; ko'pincha rulon o'zgarishiga olib keladi |
|
Oʻlchamdagi-oʻralgan / chandiqli |
Noto'g'ri til-yoki baliq kabi-qora dog'lar |
Rolling paytida sirtga bosilgan oksid shkalasi |
Tuzlashda olib tashlash qiyin; keyinchalik parchalanib, chuqurchalar hosil qilishi mumkin |
|
Qo'shimchalar |
Nuqta, chiziq yoki blok shaklidagi-metall bo'lmagan-zarralar |
Po'lat ishlab chiqarish jarayonida shlak yoki o'tga chidamli material |
Mahalliy material xususiyatlarini zaiflashtiradi; yuk ostida yoriqlar sifatida tarqalishi mumkin |
|
Chet yoriqlari |
Choyshab yoki lasan qirrasi bo'ylab nozik va aniq yoriqlar |
Noto'g'ri sovutishdan termal stress, kimyo muammolari |
Keyingi ishlov berish jarayonida ko'payish mumkin; ko'pincha rulonni rad etishga sabab bo'ladi |
|
Crazing / yamalar |
Yupqa sirt yoriqlari yoki tartibsiz yorug'lik / qorong'i yamaqlar tarmoqlari |
Yuzaki kuchlanish, notekis sovutish, oksidlanish rangi |
Engil holatlarda birinchi navbatda kosmetik, lekin jarayonni nazorat qilish muammosini belgilaydi |
NEU sirt nuqsonlari ma'lumotlar bazasidan tuzilgan nuqsonlar toifalari (po'lat sirt nuqsonlarini tasniflash uchun standart akademik mezon) va nashr etilgan zanglamaydigan po'latdan ishlab chiqaruvchi nuqsonlar bo'yicha qo'llanmalar. Har qanday muayyan nuqson turi va jiddiyligi uchun qabul qilish mezonlari ASTM A480 sirtini tugatish talablariga va boshqaruvchi xarid buyurtmasiga havola qilishi kerak.
Ishlab chiqarish AI ko'rishni tekshirish tizimi aslida qanday ishlaydi?
|
Ishlab chiqarish AI ko‘rish tizimi besh bog‘langan komponentdan iborat bo‘lib, - boshqariladigan yorug‘lik, yuqori-kamera yoki chiziqli skanerlash-ko‘rish, tasvirni oldindan qayta ishlash, chuqur o‘rganilgan model va natijalarni chiziqli boshqaruvga - qaytaradigan qarorlar qatlamidan iborat bo‘lib, tizimning haqiqiy-birga ishlashi faqat beshta AI modeliga bog‘liq emas. o'zi. |
Yoritish va tasvirni olish
Doimiy, yaxshi{0}}boshqariladigan yorug'lik oldindan o'ylangan narsa emas, balki zaruriy shartdir. Zanglamaydigan po'latdan yasalgan aks ettiruvchi yuzasi yorug'lik dizaynini chindan ham qiyinlashtiradi: notekis yoki{2}}bir xil yoritilishi po'latdan yasalgan sirt tasvirlarini ishonchli tarzda tasniflash qiyin bo'lgan tebranish, harakatning xiralashishi va sirt shkalasidan shovqin kabi eng ko'p aytilgan sabablardan biridir. Yuqori{4}}tezlikdagi skanerlash-yoki hududiy{6}}kameralar harakatlanuvchi chiziq yoki varaqning tasvirlarini ko‘pincha bir necha burchakdan yoki faqat ma’lum bir aks ettirish burchaklarida ko‘rinadigan nuqsonlarni aniqlash uchun bir nechta yorug‘lik geometriyalari bilan suratga oladi.
Oldindan ishlov berish va chuqur o'rganish modeli
Olingan tasvirlar - oʻlchami oʻzgartiriladi, normallashtiriladi, baʼzan shovqinni kamaytirish yoki -bir xil yoritilishini toʻgʻirlash uchun - oʻqitilgan modelga oʻtkazish uchun filtrlanadi. Nashr qilingan tadqiqotlar shuni ko'rsatadiki, ushbu dastlabki ishlov berish bosqichining o'zi, hatto yaxshi sozlangan CNN arxitekturasi-ustunida tasniflash aniqligini sezilarli darajada oshirishi mumkin. Modelning o'zi uchta vazifadan birini yoki bir nechtasini bajaradi: tasniflash (bu qanday turdagi nuqson), lokalizatsiya (tasvirda qaerda) va segmentatsiya (nuqsonning aniq chegarasi).
Qaror qabul qilish qatlami va chiziqli integratsiya
Yakuniy qatlam model chiqishini harakatga aylantiradi: quyi oqimda ishlov berish uchun nuqson joyini belgilash, avtomatik rad etishni ishga tushirish, nuqson turi va jiddiyligini sifatli ma'lumotlar bazasiga kiritish yoki yanada etukroq joylashtirishlarda nuqson chastotasi va namuna ma'lumotlarini yuqori oqim jarayonini nazorat qilish va texnik xizmat ko'rsatish tizimlariga qaytarish (kompyuterlashtirilgan texnik xizmat ko'rsatishni boshqarish tizimlari bilan tobora keng tarqalgan integratsiya nuqtasi yoki CMMS texnik xizmat ko'rsatish modellarini qayta yo'qotishdan oldin).
Chelik nuqsonlarini aniqlash uchun qaysi chuqur o'rganish arxitekturalaridan foydalaniladi?
|
Konvolyutsion neyron tarmoqlari (ResNet, MobileNet, SqueezeNet, EfficientNet variantlari) Faster R-CNN kabi obyekt detektorlari va mahalliylashtirish va yanada murakkabroq, tartibsiz sahnalar uchun ishlatiladigan yangi Vision Transformer modellari bilan po‘lat yuzadagi nuqsonlarni tasniflash uchun asosiy arxitektura bo‘lib qolmoqda; standart koʻrsatkichlar boʻyicha nashr etilgan aniqlik taxminan 95% dan 99% gacha oʻzgarib turadi, lekin haqiqiy{3}}umum ishlab chiqarish aniqligi koʻp jihatdan mashgʻulot maʼlumotlarining haqiqiy chiziq sharoitlariga qanchalik mos kelishiga bogʻliq. |
||
|
Arxitektura oilasi |
Oddiy rol |
Hisobot qilingan samaradorlik (tadqiqot mezonlari) |
|
CNN tasniflagichlari (ResNet-50, MobileNetV2, EfficientNetB3, SqueezeNet) |
Butun-tasvir yoki kesilgan{1}}yamoq nuqsonlari tasnifi |
Aniqlik odatda ma'lumotlar to'plami va arxitekturaga qarab 95% dan 99% + gacha; SqueezeNet{3}}asosidagi bitta tadqiqotda 100% toza sinov to‘plami va 97,5% shovqin, loyqalik va yorug‘lik o‘zgarishlari qo‘shilganligi ma’lum qilindi. |
|
Obyekt detektorlari (Tezroq R-CNN va variantlari) |
Bitta rasmdagi bir nechta nuqsonlarni lokalizatsiya qilish va tasniflash |
NEU-DET mezoniga koʻra, arxitektura oʻzgarishlaridan soʻng Faster R{2}}CNN boshlangʻich darajasiga nisbatan oʻrtacha oʻrtacha aniqlik taxminan 0,1–0,15 ga yaxshilandi. |
|
Vizyon transformatorlari (ViT) |
Tasniflash va mahalliylashtirish, uzoq masofali tasvir kontekstini CNN’larga qaraganda kuchliroq-katib olish |
Yaqinda chop etilgan tadqiqotlarda oltita toifali{1}}po'lat yuzadagi nuqsonlar tasnifi uchun umumiy aniqlik taxminan 96% |
Raqamlar NEU va tegishli poʻlat yuza nuqsonlari maʼlumotlar toʻplamidan foydalangan holda chop etilgan koʻrib chiqilgan va chop etishdan oldingi tadqiqotlardan-toʻplangan. Bular tadqiqot{2}}tadqiqot natijalari, ishlab chiqarish unumdorligi kafolatlanmagan - real oʻrnatishlar muayyan mahsulot, kamera sozlamalari va koʻrib chiqilayotgan liniyadagi nuqsonlar toʻplamini tekshirishni talab qiladi.
Zamonaviy engil CNN arxitekturalarining amaliy afzalliklaridan biri bu xulosa chiqarish tezligi: bir nechta nashr etilgan ilovalar bitta sanoat GPUda sekundiga 100 kvadratdan ko'proq tezlikda ishlaydi, bu jarayonda to'siq bo'lmasdan harakatlanuvchi lasan yoki varaq chizig'ini ushlab turish uchun etarlicha tezdir.
AI Vision an'anaviy NDT usullari bilan qanday taqqoslanadi, masalan, bo'yoq penetranti va girdob oqimi sinovi?
|
XULOSA AI koʻrish-faqat sirtni tekshirish usuli boʻlib, kamera oddiygina koʻra olmaydigan sirt-buzilish va er osti kamchiliklarini aniqlaydigan boʻyoqning kirib borishini tekshirish, girdob tokini tekshirish yoki ultratovush tekshiruvini almashtirmaydi - zanglamaydigan poʻlatdan yasalgan toʻliq sifatli dastur yuqori tezlikda va yuqori ekranli{{{3}{3}{3}{{3}{{{}}{{3}{{3}{{3}{{3}- • payvandlashning yaxlitligi, yoriqlarni aniqlash va volumetrik nuqsonlar uchun NDT usullarini zaxiralaydi. |
|||
|
Usul |
U nimani aniqlaydi |
Tezlik / Avtomatlashtirish |
Eng yaxshi mos |
|
AI-asosidagi mashina koʻrish |
Faqat sirt-koʻrinadigan nuqsonlar (chuqurchalar, tirnalgan joylar, shkala, sirtda koʻrinadigan qoʻshimchalar, yamoqlar) |
Toʻliq-tezlik, toʻliq-qamrash, uzluksiz avtomatlashtirilgan tekshirish |
Yuqori-hajmli tekis{1}}o‘ralgan varaq, tasma va rulon sirtini skrining |
|
Bo'yoqning penetrant sinovi (PT) |
Yuzaki{0}}yorilish va g'ovaklik, shu jumladan ferromagnit bo'lmagan zanglamaydigan po'latda- |
Qo'lda, ko'p bosqichli{0}}jarayon (qo'llash, turish, olib tashlash, ishlab chiqish, tekshirish) |
Payvandlash va quyma{0}}yorilishlarni tekshirish, bunda geometriya yoki material boshqa usullarni istisno qiladi |
|
Eddy tok testi (ECT) |
Supero'tkazuvchi materiallarda{0}}yuzaki va sirt yaqinidagi yoriqlar; natijalar-bir zumda |
Avtomatlashtirilgan va tartiblangan bo'lishi mumkin, lekin payvand chokining pürüzlülüğü va geometriyasiga sezgir |
Supero'tkazuvchilar zanglamaydigan mahsulotlarda quvurlar, yupqa choklar va sirt-kamchiliklarni tekshirish |
|
Ultratovush tekshiruvi (UT) |
Er osti va hajmli nuqsonlar, devor qalinligi, korroziya, chuqurlikdagi payvandning yaxlitligi |
O'qitilgan operatorlar yoki avtomatlashtirilgan bosqichli{0}}massiv tizimlarini talab qiladi; sirt-tasvir usuli emas |
Qalinroq payvandlar, devor{0}}qalinligini tekshirish va ichki nuqsonlarni aniqlash |
Nashr etilgan NDT va mashina{0}}koʻrish adabiyotlaridan tuzilgan. Usulni tanlash, birorta usulda sukut bo'yicha emas, balki tegishli tekshirish standarti va mahsulotning maxsus shakliga (tekis{2}}prokat va payvand chok va trubka) rioya qilishi kerak.
AI nuqsonlarini aniqlashning cheklovlari va amalga oshirishdagi qiyinchiliklari qanday?
|
AI nuqsonlarini aniqlash har qanday o'qitilgan modelni cheklaydigan bir xil omillar bilan cheklanadi: u katta, vakili, aniq belgilangan o'quv ma'lumotlariga muhtoj; bu ma'lumotlarda kam ifodalangan kam uchraydigan nuqson turlari bilan kurashadi (sinf nomutanosibligi); uni haqiqiy{0}}tebranish, harakatni xiralashtirish va{1}}bir xil boʻlmagan yorugʻlik kabi oʻquv tasvirlaridan farq qiladigan haqiqiy sharoitlarda aldash mumkin; va u hali ham chekka holatlar, yangi mahsulotlarni joriy etish va yakuniy qarorlarni qabul qilish uchun inson nazoratini talab qiladi. |
Ma'lumotlar va yorliq yuki: model faqat o'quv majmuasi kabi yaxshi va minglab nuqsonli tasvirlarni -ayniqsa kamdan-kam uchraydigan yoki nozik nuqsonlar turlarini - aniq belgilash, tizim ishlab chiqarish darajasiga-ishonchlilik darajasiga erishgunga qadar sezilarli dastlabki sarmoyadir.
Sinf nomutanosibligi: baʼzi nuqsonlar turlari (boʻlinuvchi qirralarning yorilishi) maʼlumotlarda odatdagilarga (kichik tirnalganlarga) qaraganda ancha kam uchraydi, ular doimiy ravishda poʻlat yuzadagi nuqsonlarni aniqlashning asosiy muammosi sifatida aniqlanadi, chunki asosan umumiy nuqsonlarga oʻrgatilgan model kamdan-kam, ammo jiddiy nuqsonlarni aniqlashi mumkin.
Tasvirning haqiqiy-oʻzgaruvchanligi: tebranish, harakatning xiralashishi, nomuvofiq yorugʻlik va sirt miqyosidagi shovqinlar adabiyotda haqiqiy ishlab chiqarilgan{1}}chiziqli tasvirlarni toza laboratoriya sinovlaridan koʻra aniqroq tasniflashni qiyinlashtiradigan omillar sifatida alohida qayd etilgan.
Baho va mahsulotni oʻzgartirish: bitta mahsulot shakli, oʻlchovi yoki tugatish boʻyicha oʻqitilgan model qoʻshimcha oʻquv maʼlumotlarisiz yoki oʻrganishni oʻtkazmasdan boshqasiga toza oʻtkazilmasligi mumkin, shuning uchun modelga texnik xizmat koʻrsatish bir martalik-oʻrnatish emas, doimiy dastur hisoblanadi.
Faqat sirt{0}}qoplama: yuqorida aytib o'tilganidek, sun'iy intellekt er osti yoki hajmli nuqsonlarni ko'ra olmaydi, shuning uchun bu nuqson turlari tashvishga soladigan joylarda penetran, girdabli oqim yoki ultratovush tekshiruvi zaruratini bartaraf etmaydi.
Insonning{0}}{1}}-aylanma talabi: ASTM A480 kabi material spetsifikatsiyasiga nisbatan yakuniy qaror va chegara yoki yangi nuqsonlar taqdimoti boʻyicha qaror qabul qilish, ayniqsa, ishga tushirilgandan keyingi dastlabki davrda belgilangan natijalarni - koʻrib chiqadigan malakali muhandisdan foyda oladi.
AI tekshiruvini amalga oshirishdan oldin ishlab chiqaruvchi ROIni qanday baholashi kerak?
|
AI tekshiruvi ROIni toʻrtta oʻlchanadigan omil boʻyicha baholang - mijozlar qochishi va daʼvolari kamaygan, tekshiruv ishchilarini qayta taqsimlash, tezlikdagi toʻsiq sifatida qoʻlda tekshirishni bartaraf etishdan liniya oʻtkazuvchanligi orttirishlari va nuqsonlar aniqlanganda emas, balki yuqori oqim jarayonini yaxshilash uchun nuqson maʼlumotlarining oʻzi - qiymati{2}}. |
Tadqiqot maqolalaridagi aniqlik ko'rsatkichlari biznes uchun emas, balki boshlang'ich nuqtadir. Ko'proq qaror{1}}aloqador savollar quyidagilardir: hozirda qancha mijozlar shikoyatlari yoki qaytarmalari o'tkazib yuborilgan yuzaki nuqsonlar bilan bog'liq va ularning aksariyatini bartaraf etish nimaga arziydi; hozirda yuzani vizual tekshirishga qancha inspeksiya mehnati ajratilgan va bu jamoa yuqoriroq-qiymatli muhandislik ishlariga qayta joylashtirilishi mumkinmi; qo'lda tekshirish hozirda chiziq tezligini chegaralaydi va agar olib tashlangan bo'lsa, bu sig'im qancha turadi; va tizim tomonidan ishlab chiqarilgan nuqson tasnifi va joylashuv ma'lumotlarini chiziq oxirida tezroq ushlashdan ko'ra, manbadagi nuqson tezligini kamaytirish uchun yuqori oqim jarayoni parametrlariga (rulon holati, tuzlash liniyasi sozlamalari, harorat rejimlari) ulanishi mumkin.
Bir qator yoki mahsulot oilasi bo'yicha sinov dasturi, ma'lum bir davr mobaynida mavjud qo'lda tekshirish natijalari bilan taqqoslanadi, to'liq ishlab chiqarishga kirishishdan oldin aniqlik da'volarini, o'tkazuvchanlik va mehnat taxminlarini tasdiqlashning eng ishonchli usuli hisoblanadi.
Tez-tez so'raladigan savollar
Savol: AI nuqsonlarini aniqlash inson sifati inspektorlarini to'liq almashtira oladimi?
Javob: To'liq emas. AI tizimlari charchagan inson inspektorlariga qaraganda yuqori{1}}tezlikda, toʻliq{2}}qoplama sirtini skriningdan koʻra koʻproq barqaror ishlaydi, ammo materialning spetsifikatsiyasiga nisbatan yakuniy qaror, chegara yoki yangi nuqsonlar boʻyicha xulosa chiqarish va modelning oʻzini nazorat qilish hali ham malakali muhandisni talab qiladi. Aksariyat ishlab chiqarish yoʻnalishlari toʻliq avtonom emas, balki-temir yoʻnalishda{5}}inson{6}}boʻladi.
Savol: NEU sirt nuqsonlari ma'lumotlar bazasi nima va u nima uchun bu sohada tez-tez paydo bo'ladi?
Javob: NEU (Shimoliy-Sharqiy Universiteti) Yuzaki nuqsonlar maʼlumotlar bazasi oltita nuqson toifasini qamrab oluvchi poʻlat yuza tasvirlarining keng qoʻllaniladigan, ommaga ochiq toʻplami boʻlib, - nosozliklar, qoʻshilish, yamoqlar, chuqurlashgan sirt, miqyosda oʻralgan-va tirnalgan joylarni qamrab oladi. Bu po'lat yuzadagi nuqsonlarni aniqlash modellarini o'rgatish va taqqoslash uchun standart akademik mezonga aylandi, shuning uchun nashr etilgan aniqlik ma'lumotlari unga havola qiladi.
Savol: Sun'iy intellektni ko'rish tekshiruvi choklar uchun oqim yoki ultratovush sinovini almashtiradimi?
Javob: Yo‘q. AI ko‘rish sirt-tasvir usuli bo‘lib, u yer osti yoki hajmli nuqsonlarni aniqlay olmaydi. Eddy tok sinovi o'tkazuvchan materiallarda sirt va sirtga yaqin{3}}yorilishlarni tez aniqlash uchun standart bo'lib qolmoqda va ultratovush tekshiruvi er osti kamchiliklari, devor qalinligi va chuqurlikdagi payvand chokining yaxlitligi uchun standart bo'lib qolmoqda. Ushbu usullar sun'iy intellektni ko'rish uchun qo'shimcha bo'lib, u bilan almashtirilmaydi.
Savol: Nafaqat tadqiqot mezonlari emas, balki real ishlab chiqarishda AI nuqsonlarini aniqlash tizimlari qanchalik aniq?
Javob: Nashr etilgan tadqiqot mezonlari odatda 95–99%+ aniqlik haqida xabar beradi, ammo bu raqamlar tanlangan maʼlumotlar toʻplamidan olingan. Haqiqiy ishlab chiqarish aniqligi o'rnatilgan kamera, yorug'lik va mahsulot sharoitlari o'quv ma'lumotlariga qanchalik mos kelishiga bog'liq va sanoatda joylashtirishga ixtisoslashgan sotuvchilar tizim aniq - qatoriga to'g'ri sozlangandan so'ng 95%+ diapazonida erishish mumkin bo'lgan ishlab chiqarish aniqligini ta'kidlaydilar, shuning uchun tasdiqlangan sinov dasturi faqat benchmark sonidan ko'ra muhimroqdir.
Savol: AIni tekshirish loyihasini boshlashdan oldin ishlab chiqaruvchi qanday ma'lumotlarga ega bo'lishi kerak?
Javob: Chiziq haqiqatda ishlab chiqaradigan nuqson turlarini qamrab oluvchi vakillik, aniq belgilangan tasvirlar to‘plami, ideali oddiy emas, balki kam uchraydigan nuqson turlari misollari va real ishlab chiqarish sharoitida olingan tasvirlar (nafaqat toza laboratoriya namunalari), shuning uchun model xizmatda ko‘radigan tebranish, yorug‘lik va shovqinni boshqarishni o‘rganadi.
Xulosa
AI{0}}asosidagi nuqsonlarni aniqlash ilmiy tadqiqotdan zanglamaydigan po‘latdan sirt sifatini tekshirish uchun amaliy, qo‘llanadigan vositaga o‘tdi, CNN va Vision Transformer modellari endi standart mezonlarda 95–99%+ diapazonida aniqlik haqida hisobot beradi va harakatlanuvchi chiziqni real vaqtda tekshirish uchun yetarlicha tez ishlaydi. U to'g'ridan-to'g'ri o'rnini bosadigan usullarning ikkita zaif tomoniga to'g'ridan-to'g'ri murojaat qiladi: inspektorning charchoqlari va nomuvofiqligi va oddiy polga asoslangan-mashina ko'rishning yuqori noto'g'ri{5} ijobiy stavkalari.
U ko'rmaydigan er osti va hajmli kamchiliklarni aniqlaydigan NDT usullari - bo'yoq penetratsiyasi, girdob oqimi va ultratovush tekshiruvi - o'rnini bosmaydi va u qabul qilish mezonlari bo'yicha yakuniy so'z sifatida ASTM A480 boshqaruvchi material standartini almashtirmaydi. Ushbu texnologiyadan maksimal foyda oladigan ishlab chiqaruvchilar uni qo'lda tekshirish ulgurji uchun almashtirilgan yagona texnologiya emas, balki haqiqiy ishlab chiqarish ma'lumotlari asosida tasdiqlangan kengroq sifat tizimidagi bir yaxlit integratsiyalangan qatlam sifatida ko'rishmoqda.
