Решение

Впервые будет предложена методика и разработаны модели мультизадачного обучения нейронных сетей, а также выполнена их программная реализация для комплексного контроля - распознавания движущихся рулонных материалов большой ширины (до 200 см) с различным видом оформления поверхности (ткацкий или печатный рисунок, различные виды нитей и способов их смешивания и переплетения). Для этого будет выполнена классификация дефектов по распространенности (разовый, повторяющийся, непрерывный) и влиянию на сортность продукции.

Эксперты текстильного производства из ИвГПУ проведут работы по составлению и классификации базы изображений дефектов ткани для обучения нейросети и примут участие в ее тестировании и доработке.

Специалисты в области систем технического зрения и нейросетевых технологий из Лаборатории ПСПОД Центра НТИ СПбПУ разработают общую методику и модель мультизадачного обучения нейросетей для обнаружения дефектов, обучат конкретную нейросеть для текстильного производства.

Благодаря проекту будет создан научно-технический задел в области разработки подходов и алгоритмов, способных принимать решения в реальном времени (в том числе в рамках непрерывного процесса), включающий в себя:

• Методы создания мультизадачных, генеративных (порождающих) моделей;
• Набор специализированных инструментальных средств, в том числе облачных средств и сервисов интеллектуального анализа данных;
• Методики разработки новых интеллектуальных продуктов пользовательского уровня, основанных на вышеперечисленных достижениях методологии машинного обучения для применения предприятиями легкой промышленности;
• Набор алгоритмов и программных модулей, интеллектуальных систем поддержки решений для операторов оборудования.

Созданный задел обеспечит возможность разработки целого класса приложений, в том числе для формирования цифровых моделей текстильных материалов и швейных изделий, автоматического формирования рисунков ткани, систем управления производственным процессом предприятия, систем учета, а также интегрированной системы поддержки жизненного цикла изделий. Будет заложена методологическая основа автоматизированной оценки качества текстильных изделий.

Разработанная методика и модели мультизадачного обучения позволят обеспечить дальнейшее изучение стратегий обучения для глубоких архитектур и развитие перспективного направления в области ИИ.

Этапы реализации проекта

Проект планируется реализовать за 2 года (2021-2023)

В рамках 1 этапа (2021-2022) планируется:

1. Подготовка базы эталонов для обучения нейронной сети
2. Разработка моделей на базе сверточной нейронной сети для обнаружения дефектов
3. Выполнена Программная реализация модели на базе сверточной нейронной сети для обнаружения дефектов
4. Разработка и изготовление экспериментального стенда для оценки качества дефектов ткани
5. Разработка методики мультизадачного обучения для обнаружения и распознавания дефектов
6. Разработка модели мультизадачного обучения для обнаружения и распознавания дефектов

В рамках 2 этапа (2022-2023) планируется:

1. Разработка мультизадачной системы обнаружения и распознавания дефектов
2. Разработка специализированных инструментальных средств, в том числе облачных средств и сервисов интеллектуального распределенного анализа данных для мультизадачной системы обнаружения и распознавания дефектов.
3. Тестирование мультизадачной системы обнаружения и распознавания дефектов.
4. Анализ полученных результатов и разработка рекомендаций по применению мультизадачной системы обнаружения и распознавания дефектов

На текущий момент в рамках работ 1 этапа идет подбор оборудования для формирования базы изображений, готовится база эталонов для обучения нейронной сети (отбор образцов материалов с дефектами и их первичная классификация для проведения фотосъемки), разработан и изготовлен экспериментальный стенд для оценки качества дефектов ткани.

Технологии