Целью данной работы является исследование применимости архитектуры U-Net для автоматического определения контуров натуральных кож с использованием библиотек TensorFlow и Keras на языке Python. Разработано программное приложение, основанное на методах, включающих библиотеки OpenCV, а также модель реализации глубокой сверточной нейронной сети. Набор данных для обучения и тестирования сети создавался с использованием аугментации. Обучение производилось методом стохастического градиентного спуска после разбиения выборки данных на тренировочные и тестовые изображения. В дальнейшем полученные результаты будут положены в работу над созданием автоматизированной системы, которая позволит определять контуры кожи и ее пороки, что в свою очередь откроет возможности к вычислению полезной площади кожи и созданию автоматизированной раскладки лекал с учетом выявленных пороков.

Ключевые слова: компьютерное зрение, определение контуров, натуральная кожа, машинное обучение, сверточные нейронные сети, U-Net архитектура, глубокое обучение

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.6.16 - Технология производства изделий текстильной и легкой промышленности

Рассмотрена задача разработки интеллектуальной автоматизированной системы обнаружения дефектов текстильных материалов. Проведен анализ алгоритмов машинного обучения и глубокого обучения применительно к решению задачи контроля качества изделий. Рассмотрена реализация искусственной нейронной сети, реализованной в микрокомпьютере Raspberry Pi и получающей набор входных данных в виде большого потока изображений от высокоскоростной цифровой камеры. Описываются этапы создания модели на языке Python с применением библиотек TensorFlow и Keras. Процесс разработки включает подготовку исходных данных, предназначенных для обучения и тестирования системы, а также проверку работы полученной нейросети, заключающейся в распознавании изображений дефектов на ткани по классификационным признакам.

Ключевые слова: машинное обучение, нейронная сеть, изображения дефектов, текстильный материал, обучение, тестирование, точность

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.6.16 - Технология производства изделий текстильной и легкой промышленности

Контроль ткани в технологической цепочке определяет структуру этой самой цепочки. В статье с помощью вероятностной модели проводится оценка целесообразности повторной обработки ткани в отделочном производстве.

Ключевые слова: ткань, брак, качество, партия, изделие, технологический дефект, повторная обработка, прибыль, потери

05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)

В статье рассматривается вопрос создания автоматизированной системы обнаружения дефектов на ткани, основанной на применении компьютерного зрения. Полученная система позволяет контролировать, регистрировать и рассчитывать дефекты текстильных материалов без участия человека в технологическом процессе, что повышает качество анализа, устраняет количество ошибок при разбраковке ткани и сокращает стоимость технологической операции.

Ключевые слова: автоматизированная система, обнаружение дефектов, текстильный материал, компьютерное зрение, микрокомпьютер, библиотека обработки изображений

05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)