РАЗРАБОТКА КАСКАДНОГО АЛГОРИТМА МОНИТОРИНГА ДВИЖЕНИЯ ДЕТАЛЕЙ В ХОДЕ ИХ ИЗГОТОВЛЕНИЯ

Обложка

Цитировать

Полный текст

Аннотация

Разработан каскадный алгоритм, позволяющий проводить идентификацию содержимого в производственных тарах. Алгоритм состоит из двух этапов: детектирование ячеек тары и классификация содержимого каждой ячейки. Предложенный алгоритм позволяет добиться точности классификации в 89% при обучении на относительно меньшем объёме выборки, чем потребовалось бы при использовании алгоритма прямого детектирования деталей без этапа детектирования ячеек. Алгоритм таким образом подходит для использования в системах мониторинга состояния производственной среды в аэрокосмическом производстве.

Об авторах

Полина Игоревна Киселева

Самарский национальный исследовательский университет имени академика С. П. Королёва (Самарский университет)

Email: kiseleva.pi@ssau.ru

магистр группы 3202-240405D

Московское шоссе, д. 34, г. Самара, 443086, Российская Федерация

Екатерина Юрьевна Печенина

Самарский национальный исследовательский университет имени академика С. П. Королёва (Самарский университет)

Email: ek-ko@list.ru

ассистент кафедры технологий производства двигателей

Московское шоссе, д. 34, г. Самара, 443086, Российская Федерация

Вадим Андреевич Печенин

Самарский национальный исследовательский университет имени академика С. П. Королёва (Самарский университет)

Автор, ответственный за переписку.
Email: v.a.pechenin@ssau.ru

к.т.н., доцент кафедры технологий производства двигателей

Московское шоссе, д. 34, г. Самара, 443086, Российская Федерация

Список литературы

  1. Introductory overview: Systems and control methods for operational management support in agricultural production systems / S. van Mourik, R. van der Tol, R. Linker [et al.] // Environmental Modelling & Software. – 2021. – Vol. 139. – P. 105031.
  2. Challenges for the cyber-physical manufacturing enterprises of the future / H. Panetto, B. Iung, D. Ivanov [et al.] // Annual Reviews in Control. – 2019. – Vol. 47. – PP. 200-213.
  3. Mörth, O. Cyber-physical systems for performance monitoring in production intralogistics / O. Mörth, C. Emmanouilidis, M. Schadler // Computers & Industrial Engineering. – 2020. – Vol. 142. – P. 106333.
  4. Deep learning for visual understanding: A review / Y. Guo, Y. Liu, A. Oerlemans [et al.] // Neurocomputing. – 2016. – Vol. 187. – PP. 27-48.
  5. Wang, C-Y Scaled-YOLOv4: Scaling cross stage partial network / C-Y Wang, A. Bochkovskiy, H-Y M. Liao // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2021. – PP. 13024–13033.
  6. Redmon, J. YOLOv3: An Incremental Improvement / J. Redmon, A. Farhadi // arXiv. – 2018. – Vol. 1804. – P. 02767.
  7. You only look once: Unified, real-time object detection / J. Redmon, S. Divvala, R. Girshick, A. Farhadi // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2016. – Vol. 7780460. – PP. 779-788.
  8. Simonyan, K. Very deep convolutional networks for large-scale image recognition / K. Simonyan, A. Zisserman // 3rd International Conference on Learning Representations. – 2015. – Vol. 1409. – P. 1556.
  9. Ioffe, S.Y. Batch normalization: accelerating deep network training by reducing internal covariate shift / S.Y. Ioffe, C. Szegedy // Proc. 32nd ICML. – 2015. – PP. 448-456.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Киселева П.И., Печенина Е.Ю., Печенин В.А., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Динамика и виброакустика

ISSN 2409-4579 (Online)

Учредитель и издатель журнала: ФГАОУ ВО «Самарский национальный исследовательский университет имени академика С. П. Королёва» (Самарский университет), Московское шоссе, 34, 443086, г. Самара, Российская Федерация.

Выписка из реестра зарегистрированных СМИ

Главный редактор: академик РАН Евгений Владимирович Шахматов

4 выпуска в год

Цена свободная

Адрес редакции: 443086, г. Самара, ул. Гая, 43, 324 ауд.

Адрес для корреспонденции: 443086, г. Самара, Московское шоссе, 34, Самарский национальный исследовательский университет (Самарский университет), 14 корпус, 324 ауд.

Тел: 8 (846) 267 47 66

e-mail: dynvibro@ssau.ru

www: https://dynvibro.ru

© Самарский университет

 

 

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах