Програмний модуль виявлення дефектів зварних швів із використанням глибинного навчання

Abstract

Метою роботи є розробка програмного модуля для автоматизованого виявлення та класифікації дефектів зварних швів на цифрових зображеннях із використанням методів глибинного навчання та нейромережевої моделі YOLOv8. Методи дослідження: використано методи системного аналізу для дослідження предметної області комп’ютерного зору, методи об’єктноорієнтованого проєктування для побудови архітектури програмної системи, класичні алгоритми виділення та зіставлення ознак зображень (ORB, LBP), методи частотного аналізу, а також методи машинного навчання та експериментального оцінювання точності класифікації. Розроблений програмний продукт може бути використаний для задач автоматичного виявлення та класифікації дефектів зварних швів, у системах комп’ютерного зору для задач відеоспостереження.

The aim of the thesis is to develop a software module for automated detection and classification of weld defects in digital images using deep learning methods and the YOLOv8 neural network model. Research methods: system analysis methods were used to investigate the computer vision domain; object-oriented design methods were applied to develop the software architecture; classical image feature extraction and matching algorithms (ORB, LBP), frequency analysis methods, as well as machine learning techniques and experimental evaluation methods for classification accuracy were employed. The developed software product can be used for the automated detection and classification of weld seam defects and in computer vision systems designed for video surveillance tasks.