На информационном ресурсе применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации)

Газета.ру

8 649 подписчиков

Свежие комментарии

  • Юлия Бен
    Только что была статья, что ТРЕТЬ мигрантов НЕ СДАЛА, от количества экзаменуемыхМинобрнауки: почт...
  • Владимир Соловьев
    Традиционная евроинквизиция в средние века, переросла в немецкие "Освенцимы"  20 -го века. Критическая масса человеко...Христофору: Запад...
  • Галина Малыхина (Буковская)
    Буржуйки им в помощь!NYT: жители Украи...

ПНИПУ: создана умная дефектоскопия лопаток турбин

Ученые Пермского Политеха разработали интеллектуальную систему дефектоскопии лопаток турбин, которая способна автоматически выявлять брак при полировке и сразу корректировать процесс. Технология, основанная на нейросетевой видеоаналитике, позволяет с точностью до 96% фиксировать царапины, сколы и другие дефекты поверхности в реальном времени, исключая человеческий фактор и ускоряя производство.

Об этом "Газете.Ru" сообщили в пресс-службе образовательного учреждения.

Лопатки турбин – ключевые элементы авиационных и энергетических установок, от их качества зависит надежность работы двигателей. Сегодня контроль осуществляется вручную: оператор визуально осматривает поверхность детали после полировки, что занимает много времени и сопряжено с риском пропуска дефектов.

Новая система объединяет полировку и контроль в единый автоматизированный цикл. Камера, закрепленная на роботе-манипуляторе, фиксирует лопатку со всех ракурсов, включая труднодоступные зоны. Видеопоток в реальном времени обрабатывается нейросетью YOLO11, обученной на базе из более чем 1500 изображений дефектов. Результаты выводятся в удобном интерфейсе с отчетом для оператора и указанием зон, требующих доработки.

"Наш комплекс позволяет не только обнаруживать мельчайшие изъяны, но и автоматически оптимизировать процесс обработки. Это значительно повышает точность и скорость производства", — отметил Даниил Курушин, доцент кафедры информационных технологий и автоматизированных систем ПНИПУ.

Прототип системы уже протестирован на площадке моторостроительного предприятия и показал точность распознавания 96% и полноту 94%.

В перспективе разработчики планируют расширить базу данных, внедрить 3D-моделирование лопаток и масштабировать систему для применения в различных отраслях.

По словам аспиранта кафедры Алексея Духанина, практическая значимость проекта подтверждается успешным тестированием в реальных производственных условиях: "Система показала высокую способность классифицировать состояние поверхности и обнаруживать большинство дефектов".

Внедрение технологии в промышленность позволит повысить качество и конкурентоспособность продукции, сократить время контроля и снизить затраты на брак и доработку изделий.

 

Ссылка на первоисточник
наверх