В статье рассмотрены вопросы применения сверточных нейронных сетей для обнаружения и классификации дефектов, выявляемых при магнитопорошковом контроле деталей и составных частей подвижного состава железных дорог. Предложен вариант алгоритма построения нейронной сети на базе существующей среды программирования Google Colab, библиотек Tensor Flow и Keras и языка программирования Python.
Предпросмотр статьи
Идентификаторы и классификаторы
Применение специализированных методов и алгоритмов автоматического распознавания изображений для систем при реализации различных методов НК позволяет существенно повысить их эффективность. Одними из таких алгоритмов в настоящее время являются алгоритмы, основанные на использовании искусственных нейронных сетей (НС) (neural network – NN) [1–3]. Области применения искусственных НС весьма разнообразны. Нейронные сети нашли применение в самых различных сферах деятельности, таких как экономика и бизнес; медицина и здравоохранение; робототехника; охранные системы; промышленность химическая, нефтеперерабатывающая; энергетика [4].
Список литературы
1. Alex Krizhevsky lya Sutskever Geoffrey E. Hinton ImageNet Classification with Deep Convolutional Neural Networks //Advances in Neural Information Processing Systems 25; Edited by: F. Pereira and C.J. Burges and L. Bottou and K.Q. Weinberger (NIPS 2012), pp. 1097-1105.
2. Jaswal, Deepika & Vishvanathan, Sowmya & Kp, Soman. Image Classification Using Convolutional Neural Networks.International Journal of Scientific and Engineering Research. 5, рp. 1661-1668. 10.14299/ ijser.2014.06.002. DOI: 10.14299/ijser.2014.06.002
3. Chauhan, Rahul & Ghanshala, Kamal & Joshi, R. (2018). Convolutional Neural Network (CNN) for Image Detection and Recognition, pp. 278-282. DOI: 10.1109/ICSCCC.2018.8703316
4. Назаренко, С. Ю. Применение искусственных нейронных сетей в радиационном неразрушающем контроле / С. Ю. Назаренко, В. А. Удод. -Текст: непосредственный // Дефектоскопия. -2019. -№ 6. -С. 54-70. EDN: HLMNMG
5. Поляков, А. В. О применении сверточных нейронных сетей при решении задачи неразрушающего контроля изделий / А. В. Поляков. - Текст: непосредственный // Успехи современной науки. - 2017. - Т. 1, № 5. - C. 200-210. EDN: YTATHP
6. Стенюшкин, В. В. Применение искусственных нейронных сетей в задачах ультразвукового неразрушающего контроля / В. В. Стенюшкин, Г. Ю. Гуськов, В. В. Шишкин. -Текст: непосредственный // Теоретические и практические аспекты развития отечественного авиастроения: тезисы Всероссийской научно-технической конференции. - Ульяновск: УлГТУ. - 2016. - С. 43-45.
7. Возможность применения искусственных нейронных сетей для распознавания АЭ образов / С. К. Фомичев и [др.]. - Текст: непосредственный // J. of Mech. Eng. NTUU “Kyiv Polytechnic Institute”. - 2011. - Т. 1, № 61. - С. 199-203.
8. Применение нейронных сетей для распознавания конструктивных элементов рельсов на магнитных и вихретоковых дефектограммах / Е. В. Кузьмин и [др.]. -Текст: непосредственный // Моделирование и анализ информационных систем. - 2018. - № 25(6). - С. 667-679.
9. Вавилов, В. П. Активный тепловой контроль композиционных материалов с использованием нейронных сетей / В. П. Вавилов, Д. А. Нестерук. - Текст: непосредственный // Дефектоскопия. - 2011. - №10. - С. 10-18. EDN: OOSOAJ
10. Huipeng Yu, Maodong KANG, Chengyang Ding et al. An automated fluorescent defect detection system in precision castings by convolutional neural network, 15 September 2023, PREPRINT (Version 1) available at Research Square. - org/. DOI: 10.21203/rs.3.rs-3337794/v1
11. Холичев, Д. Д. Исследование возможности применения нейронных сетей для решения задач капиллярной дефектоскопии / Д. Д. Холичев, Анваржон Ганижон угли Хоназаров. - Текст: непосредственный // Ресурсосберегающие технологии в контроле, управлении качеством и безопасности: сборник научных трудов XI Международной конференции школьников, студентов, аспирантов, молодых учёных “Ресурсоэффективные системы в управлении и контроле: взгляд в будущее”, 8-10 ноября 2022 г., г. Томск. - Томск: Изд-во ТПУ. - 2023. - С. 259-263. EDN: PPVUIE
12. Чесноков, Д. В. Разработка алгоритмов автоматической обработки цифровых изображений в капиллярной дефектоскопии: магистерская диссертация / Д. В. Чесноков; Национальный исследовательский Томский политехнический университет (ТПУ), Институт неразрушающего контроля (ИНК), Кафедра физических методов и приборов контроля качества. - Томск, 2016. - 124 с. - Текст: непосредственный.
13. Отока, А. Г. Автоматизированный магнитопорошковый контроль колесных пар с использованием систем видеонаблюдения и нейросетевых технологий / А. Г. Отока, О. В. Холодилов, П. А. Дашук. - Текст: непосредственный // Механика. Исследования и инновации: международный сборник научных трудов. -Вып. 16. - Гомель: БелГУТ, 2023. - С. 153-158.
14. Отока, А. Г. Перспективы автоматизации магнитопорошкового контроля колесных пар с использованием систем видеонаблюдения и нейросетевых технологий / А. Г. Отока, О. В. Холодилов. - Текст: непосредственный // Транспортная наука и инновации: материалы международной научно-практической конференции, посвященной юбилею СамГУПС. - Самара, 2023. - С. 51-57 с. EDN: RLDHJI
15. Картер, Джейд Сверточные нейросети / Джейд Картер. - Москва: Литрес. - URL: https://www.litres.ru/book/dzheyd-karter/svertochnye-neyroseti-70965715/ (дата обращения: 30.12.2024). - Текст: электронный.
16. Michael Nielsen Neural Networks and Deep Learning. -URL: http://neuralnetworksanddeeplearning.com/index.html (дата обращения: 30.12.2024). - Текст: электронный.
17. Сверточные нейронные сети (CNN). -URL: https://yourtodo.ru/ru/posts/sverto-chnyie-nejronnyie-seti-cnn/ (дата обращения: 30.12.2024). - Текст: электронный.
18. Singh, S.A., Desai, K.A. Automated surface defect detection framework using machine vision and convolutional neural networks / J.Intell Manuf 34, 1995-2011 (2023). DOI: 10.1007/s10845-021-01878-w
19. Все символы в TensorFlow 2. -URL: https://www.tensorflow.org/api_docs/python/tf/all_symbols (дата обращения: 24.05.2024). - Текст: электронный.
20. Документация Keras 3 API. -URL: https://ke-ras.io/api/ (дата обращения: 24.05.2024). -Текст: электронный.
21. Словарь IT. Keras, 2023. -URL: https://blog.skillfactory.ru/glossary/keras/ (дата обращения: 24.05.2024). - Текст: электронный.
22. Применение нейронных сетей для распознавания конструктивных элементов рельсов на магнитных и вихретоковых дефектограммах / Е. В. Кузьмин, О. Е. Горбунов и [др.]. - Текст: непосредственный // Моделирование и анализ информационных систем. - 2018. - Т. 25, № 6. - С. 667-679. -. DOI: 10.18255/1818-1015-2018-6-667-679 EDN: YQWKTZ
23. Сикорский, О. С. Обзор сверточных нейронных сетей для задачи классификации изображений / О. С. Сикорский. -Текст: непосредственный // Новые информационные технологии в автоматизированных системах. - 2017. - № 20. - С. 37-42. EDN: YNADUJ
24. Парасич, А. В. Формирование обучающей выборки в задачах машинного обучения / А. В. Парасич, В. А. Парасич, И. В. Парасич. - Текст: непосредственный // Обзор. Информационно-управляющие системы. - 2021. - № 4. - С. 61-70. DOI: 10.31799/1684-8853-2021-4-61-70
25. Свирина, А. Р. Классификация изображений с помощью сверточных нейронных сетей/ А. Р. Свирина. - Текст: непосредственный //Молодой учёный. - 2024. - № 24 (523). - С. 96-99. EDN: GDOEZO
26. Разделение данных на обучающую и тестовую выборки в Python: подробное руководство и практические примеры. - URL: https://zdrons.ru/veb-program-mirovanie/razdelenie-dannyh-na-obuchajushhuju-i-tes-tovuju-vyborki-v-python-po-drobnoe-rukovodstvo-i-prakticheskieprimery/?ysclid=m43xw297g132297176 (дата обращения: 30.12.2024). - Текст: электронный.
27. Обучающая и тестовая выборки (training set & testing set). - URL: https://vk.com/wall-210601538_290?ysclid=m43x8vbedg564952696 (дата обращения: 30.12.2024). - Текст: электронный.
28. Garbin, C., Zhu, X. & Marques, O. Dropout vs. batch normalization: an empirical study of their impact to deep learning. Multimed Tools Appl 79, 12777-12815 (2020). DOI: 10.1007/s11042-019-08453-9
29. Guangyong, Chen & Chen, Pengfei & Shi, Yujun & Hsieh, Kim & Liao, Benben & Zhang, Shengyu. (2019). Rethinking the Usage of Batch Normalization and Dropout in the Training of Deep Neural Networks. DOI: 10.48550/arXiv.1905.05928
30. Hinton, Geoffrey & Srivastava, Nitish & Krizhevsky, Alex & Sutskever, Ilya & Salakhutdinov, Ruslan. (2012). Improving neural networks by preventing co-adaptation of feature detectors. arXiv preprint. arXiv.
Выпуск
Другие статьи выпуска
Для оценки влияния факторов производственного процесса на показатели риска здоровью работающих целесообразно выделить долю влияния на риск возрастных изменений здоровья. В результате исследования определены зависимости, которые в дальнейшем использованы для определения персонифицированных показателей риска здоровью работающих в различных условиях транспортной отрасли без учета влияния возрастных изменений.
В статье представлены общие принципы и алгоритмы оценки профессиональных рисков, которые могут оказывать влияние на работников железнодорожного транспорта при выполнении работ в штатном режиме.
В статье рассматриваются условия труда и риски, с которыми сталкиваются бригады, обслуживающие экологически чистые туалетные комплексы (ЭЧТК). Рассмотрены негативные факторы рабочей среды при техническом обслуживании и ремонте ЭЧТК. Предложен комплекс мероприятий для обеспечения безопасности труда работников.
Описываются математические принципы работы алгоритма ссылочного ранжирования на основе синтеза линейной алгебры и теории графов. Выполняется адаптация алгоритма к графовой модели топологии параллельных специализированных вычислительных систем. Для апробации предложенного метода моделирования весовых характеристик узлов вычислительных систем используется ориентированный граф параллельной специализированной вычислительной системы «CDF 9/7». Демонстрируется программная реализация адаптированного алгоритма ссылочного ранжирования в виде веб-приложения с графическим интерфейсом.
В данной публикации анализируются алгоритмы машинного зрения для мониторинга норм безопасности на стройках. Описывается процесс создания алгоритма: от сбора и аугментации изображений до обучения модели искусственного интеллекта. В предыдущей работе была разработана модель для определения опасной зоны вокруг крана и контроля перемещения персонала с выдачей предупреждений.
В статье рассматриваются вопросы текущего содержания и уборки остановочных пунктов на железнодорожном транспорте и других аналогичных работ, качество выполнения которых оказывает значительное влияние на уровень оценки деятельности ОАО «РЖД». Предложена технология обслуживания остановочных пунктов с низким пассажиропотоком мобильными бригадами. Выполнена математическая постановка соответствующей задачи оптимизации.
Исследование железнодорожных участков и полигонов на имитационных моделях показало сильную взаимосвязь инфраструктуры станций и участков, пропускной способности и структуры поездопотока. Изменение последней при недостаточно развитой инфраструктуре неизбежно приводит к снижению пропускной способности участка. Приводятся результаты экспериментов, которые демонстрируют это взаимодействие, а также даются рекомендации по его совершенствованию.
В работе с использованием компьютерного моделирования, базирующегося на методе конечных элементов, определены характеристики внешнего электромагнитного поля, формируемого при работе асинхронного тягового двигателя в зоне подвеса приемных катушек. Указано на необходимость дальнейшего изучения особенностей индуктивной связи приемных катушек основных устройств безопасности и внешних электромагнитных полей, формируемых силовым оборудованием.
Рассматриваются вопросы проведения государственного контроля деятельности по перевозке пассажиров автобусами. Целью является оценка эффективности государственного контроля. Приводятся результаты проверок деятельности предприятий-перевозчиков и индивидуальных предпринимателей, касающихся безопасности дорожного движения при перевозке пассажиров на регулярных маршрутах города Волжского. Даны предложения по дальнейшему улучшению ситуации.
Характер зависимости коэффициента трения от скорости движения, выявленный ранее, при новом рассмотрении проявляет иные черты. В ходе работы выполняется анализ параметров, от которых зависит его мгновенное значение, проводится сравнение с характеристикой для дискового тормоза.
В статье рассмотрена система организации вагонопотоков при формировании транспортных коридоров на сети железных дорог. Проведен анализ показателей оборота вагона за 2021-2023 годы. Рассмотрены способы увеличения транзитного вагонопотока на участке железнодорожного полигона. Представлены расчеты, доказывающие целесообразность формирования транспортного коридора на обособленной линии.
Решается задача оптимизации возврата поездопотока с припортовых и пограничных станций на примере Восточного полигона. Решение задачи позволяет нормировать транзитный и разборочный поездопотоки со станций массового зарождения при построении нормативного графика движения поездов, а также перераспределять работу по формированию разборочного поездопотока между станциями в зависимости от интенсивности прогнозируемого подхода груза.
Статья посвящена экспериментальному определению габаритно-весовых параметров вагона пассажирского экскурсионного модели 61-941, созданного на базе серийного пассажирского вагона модели 61-4179 при проведении капитально-восстановительно ремонта (КВР) Тамбовским вагоноремонтным заводом. Статистическая обработка результатов испытаний показала, что по своим габаритно-весовым параметрам пассажирский вагон модели 61-941 соответствует всем нормативным требованиям.
В статье предложена унифицированная методика построения графика оборота транспортных единиц в пассажирских перевозках с учетом простоя подвижного состава под техническим осмотром и разными видами ремонтов. Методика также позволяет определить потребный парк подвижного состава и применима на любом виде транспорта.
В статье описан разработанный авторами алгоритм определения размеров движения грузовых поездов в различных сечениях железнодорожных узлов и требуемого фонда номеров, выделяемого в нормативном графике движения поездов. Алгоритм учитывает структуру железнодорожного узла, взаимное расположение станций, открытых для грузовой работы и тарифные ограничения на пропуск грузовых поездов по отдельным участкам железнодорожной инфраструктуры узла.
Статья посвящена сбалансированному развитию транспортных систем городов, в том числе повышению экологичности городского пассажирского транспорта. Приводятся результаты исследования эффективности замены автобусов на электробусы с динамической зарядкой на примере ряда маршрутов Санкт-Петербурга. Подобная замена дает устойчивый эффект в виде снижения эксплуатационных затрат, который можно повысить за счет увеличения срока службы аккумуляторной батареи.
Издательство
- Издательство
- РУТ (МИИТ)
- Регион
- Россия, Москва
- Почтовый адрес
- 127055, г Москва, р-н Марьина роща, ул Образцова, д 9 стр 9
- Юр. адрес
- 127055, г Москва, р-н Марьина роща, ул Образцова, д 9 стр 9
- ФИО
- Климов Александр Алексеевич (РЕКТОР)
- Контактный телефон
- +7 (___) _______
- Сайт
- https://www.miit.ru/