ОЦЕНКА ЭФФЕКТИВНОСТИ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ ПРИ РАБОТЕ С ЦИФРОВЫМИ ИЗОБРАЖЕНИЯМИ

Рыжкова Елена Владимировна, Титов Дмитрий Николаевич

Современные тенденции к модернизации производства невозможны без применения новых технологических решений позволяющих повысить скорость распознавания дефектов и как следствие ускорения принятия решений. Исследование посвящено сравнительному анализу эффективности нейросетевых алгоритмов при решении задачи распознавания дефектов на изделии [1, c. 83]. В данной работе был представлен подход к классификации изображений с использованием предварительно обученной модели. Основной метод обучения - Transfer Learning, позволяет использовать предварительно обученную модель (VGG16) и дообучить ее на собственных данных [2, c. 95]. Применение кросс-валидации повысило способность модели правильно классифицировать изображения с дефектами, увеличило уверенность в наличии дефектов в полученных изображениях. Эксперимент, включает использование различных алгоритмов, позволяющих проанализировать их работу с помощью анализа графиков и процентов успеха. Модель эффективно решает задачу обнаружения дефектов в виде трещин на изображениях, достигая высокой точности классификации дефектов.

Ключевые слова:нейросетевой алгоритм, обученная модель, сверточные нейронные сети, машинное зрение, дефект, повышение качества.