Исследуются возможности сверточных нейронных сетей в задаче распознавания дефектов гранул ионообменных сорбентов ядерного класса: трещин, сколов. Показано, что использование предобученной нейронной сети позволяет обучить полносвязный классификатор даже для случая критически малого набора обучения. Демонстрируется эффективность обучения нейронной сети при малой обучающей выборке для распознавания дефектов. Предложен вариант объяснения эффективности обучения при малом обучающем наборе данных. Приводятся вероятности, с которыми сеть классифицирует тот или иной дефект, а также указываются предсказательные вероятности, ниже которых результат работы сети можно считать сомнительным. Рассматриваются перспективы использования сверточных нейронных сетей в задаче бинарной классификации дефектов гранул ионообменных сорбентов
Идентификаторы и классификаторы
Список литературы
- Кочеткова, А.В. Влияние на работоспособность оборудования второго контура судовых ядер-
ных энергетических установок попадания в контур сорбентов из фильтров / А.В. Кочеткова,
Н.Г. Сандлер, П.В. Тряев, П.А. Крестьянинов, К.Г. Соломаха. // Взгляд в будущее – 2017. Мате-
риалы XV молодежной научно-технической конференции. – СПб: АО «Ц», 2017. – 844 с. - Архангельская, Е.В. Глубокое обучение. Погружение в мир нейронных сетей /
Е.В. Архангельская, А.А. Кадурин, С.И. Николенко. – СПб.: Питер, 2020. – 481 с. - Siyu, Zhang. Visual inspection of steel surface defects based on domain adaptation and adaptive convo-
lutional neural network / Siyu Zhang, Qiuju Zhang, Jiefei Gu, Lei Su // 15 May 2021, Mechanical Sys-
tems and Signal Processing 153(3):107541. - Zijian, Kuang. Computer Vision and Normalizing Flow-Based Defect Detectio / Zijian Kuang, Xinran
Tie, Lihang Ying, Shi Jin // https://arxiv.org/abs/2012.06737. - Desai, K. A. Swarit Anand Singh,Automated surface defect detection framework using machine vision
and convolutional neural networks // Journal of Intelligent Manufacturing. 2022. Vol. 34. P.
1995Ц2011, (2023) https://link.springer.com/article/10.1007/s10845-021-01878-w. - Xu, L. A Weakly Supervised Surface Defect Detection Based on Convolutional Neural Network / L.
Xu, Sh. Lv, Y. Deng, X. Li. IEEE Access PP(99):1-1March 2020. - Perez, H. Learning for Detecting Building Defects Using Convolutional Neural Networks / H. Perez,
Joseph H., M. Tah, A. Mosavi. https://arxiv.org/abs/1908.04392, [Submitted on 6 Aug 2019]. - Шолле, Ф. Глубокое обучение на Python/ Ф. Шолле. – СПб.: Питер, 2020. – 400 с.
- Малышев, Г.С. Использование предобученной нейронной сети для выявления дефектов на из-
делиях из силицированного графита в АО «ОКБМ Африкантов» / Г.С. Малышев, И.В. Друмов,
И.А. Иляхинский, М.А. Камнев, О.В. Андреев, А.А. Абрамов // Научно-технический вестник По-
волжья. 2021. № 2. С. 17-20. - Друмов, И.В. Выявление дефектов на изделиях из силицированного графита с помощью
нейронных сетей / И.В. Друмов, М.А. Камнев, Г.С. Малышев, Г.В. Терехин // Автоматизация в
промышленности. 2022. № 01. DOI: 10.25728/avtprom.2022.01.05 - Ak, R. Detection and Segmentation of Manufacturing Defects with Convolutional Neural Networks and
Transfer Learning Max Ferguson / R. Ak, Y.-T. T. Lee, K. H. Law // Submitted on 7 Aug 2018 (v1),
last revised 3 Sep 2018 (this version, v2)] https://arxiv.org/abs/1808.02518. - Malyshev, G.S. Choice of neural network architecture when recognizing objects that do not have high-
level features / G.S. Malyshev, V.V. Andreev, O.V. Andreeva, O.A. Chistyakov, D.N. Sveshnikov //
CEUR Workshop Proceedings, Vol-3027. 2021. С. 1073-1081 - Simonyan, K. Very Deep Convolutional Networks for Large-Scale Image Recognition / K. Simonyan,
A. Zisserman // arXiv:1409.1556v6 [cs. CV], 10 April – 2015.
Выпуск
Другие статьи выпуска
Рассмотрены критерии оценки эффективности процесса трелевки при лесозаготовках. Цель состоит в выборе оптимального типа и грузоподъемности машин для обеспечения эффективного трелевочного процесса с минимальными экономическими затратами. Обоснована недостаточность показателя прибыли для оценки эффективности трелевки, предложено наряду с ним рассматривать конкретное время, затраченное на выполнение процесса трелевки, включая анализ времени, затраченного на перемещение, погрузку и разгрузку. Соотношение этих составляющих требуемого времени оказывает существенное влияние на производительность погрузочнотранспортных машин и стоимость трелевки. Обоснование критериев оценки исходит из аналитических зависимостей, полученных в результате сравнения различных вариантов трелевки с использованием различных типов и грузоподъемности погрузочно-транспортных машин в идентичных условиях эксплуатации. Приведены формулы и выражения для расчета сокращения дистанции трелевки и затрат на сокращение времени в пути при замене погрузочно-транспортных машин различной грузоподъемности. Предлагается оценивать эффективность процесса трелевки на основе таких критериев, как пройденное расстояние, время в пути, время простоя при погрузке и разгрузке и общее время, необходимое для завершения процесса трелевки, что обеспечит всестороннюю оценку экономической эффективности процесса трелевки.
Рассмотрен специальный автомобиль C41A23 (САДКО), предназначенный для раллийных гонок. Особенностью нагрузочных режимов при движении в данных условиях являются высокие перегрузки как водителя, так и самой машины. В связи с этим для прочностных расчетов принимаются перегрузки до 7g, что обеспечивает работоспособность конструкции в данных условиях. Специальные доработки конструкции для рассмотренного образца относительно серийного составили порядка 30 %. Описан ряд технических решений, примененных в конструкции спортивного полноприводного грузового транспортного средства. Рассмотрены существующие варианты оригинальных топливных баков и специально разработанных под них кронштейнов; проанализированы два варианта разных по конструкции кронштейнов спортивного грузовика. Проведены расчеты и проанализированы максимальные эквивалентные напряжения по Мизесу в элементах конструкции. После выбора наилучшего варианта изготовлен опытный образец для установки на гоночный автомобиль.
Представлена математическая имитационная модель гидравлического привода для реализации вычислительных экспериментов в режиме реального времени. Описан подход к учету КПД гидромашин и гидропривода в целом, обеспечивающий устойчивость работы имитационной модели в переходных режимах. Показано, что разработанная модель позволяет получить качественное совпадение характеристик имитационной модели и объекта моделирования. Продемонстрирована относительная простота модели, позволяющая проводить расчеты в том случае, когда нет возможности получить точные данные о параметрах моделируемых гидромашин.
Проведена оценка влияния вторичных энергетических ресурсов на эффективность эксплуатации энергоблока АЭС. Методология исследования основана на принципе предельного энергосбережения. Регенеративный подогрев питательной воды является мощным фактором повышения тепловой экономичности АЭС. В качестве направления по использованию вторичных энергоресурсов второго контура была выбрана регенерация. Рассмотрены задачи по определению предельных характеристик, показывающие эффективность эксплуатации энергоблока, и проведено их сравнение с реальными значениями энергоблока № 3 с реактором ВВЭР-1000 Калининской АЭС. Рассмотрены варианты с различной мощностью работы блока с условной электрической мощностью от 750 до 1070 МВт. Предложены для анализа две целевые функции по оценке эффективности энергосбережения в регенеративных системах регенеративного подогрева воды. Предложенные целевые функции позволят составить технико-экономические рекомендации к повышению эффективности эксплуатации энергетического оборудования и систем и полезно использовать подведенную энергию при производстве электрической и тепловой мощностей.
Представлен анализ систем компенсации давления (СКД) в первом контуре реакторных установок с ВВР, использующихся на отечественных и зарубежных судах. Проведено сравнение систем с точки зрения габаритов, точности поддержания давления, переноса и распределения радиолитических газов, влияния на водно-газовый и химический режим теплоносителя. Разработана методика оценки распределения радиолитических газов в воде первого контура и оборудовании СКД, приведены варианты дегазации теплоносителя для обеспечения безопасной эксплуатации установок. Представлена иллюстрация происходящих процессов, определены приоритеты систем по рассмотренным параметрам, которые могут способствовать обоснованному выбору оптимальных вариантов систем компенсации перспективных реакторных установок для судов и атомных станций малой мощности.
Дано описание веб-приложения для удаленного взаимодействия с базой данных наблюдений апвеллингов, содержащей информацию о собранных из литературных источников случаях подъемов глубинных вод к поверхности водоемов. Рассмотрены поля базы данных, схема работы приложения, входящие в него структурные элементы, приведены примеры реализации графического интерфейса. Разработанный программный продукт может применяться при разработке устойчивых стратегий использования природных ресурсов прибрежных зон и оптимизации экономической деятельности на шельфе.
Рассмотрена задача распределения ресурсов для обеспечения информационной безопасности корпоративных проблемно-ориентированных информационных систем в течение определенного времени (периода). В реальной ситуации ее математическая модель сводится к задаче дискретной оптимизации – модифицированной задаче о назначениях, к которой неприменимы алгоритмы и методы решения, используемые в классическом варианте. Для поиска оптимального решения при определенных условиях применим эвристический метод, основанный только на знании изначальной стоимости средств защиты информации. Проанализированы частные случаи выбора оптимальной стратегии решения и условия, при которых она будет квазиоптимальной. Показана эффективность использования данной стратегии.
Издательство
- Издательство
- НГТУ им. Р.Е. Алексеева
- Регион
- Россия, Нижний Новгород
- Почтовый адрес
- 603155, Нижегородская обл, г Нижний Новгород, Нижегородский р-н, ул Минина, д 24
- Юр. адрес
- 603155, Нижегородская обл, г Нижний Новгород, Нижегородский р-н, ул Минина, д 24
- ФИО
- Дмитриев Сергей Михайлович (Ректор)
- E-mail адрес
- nntu@nntu.ru
- Контактный телефон
- +7 (783) 1436630
- Сайт
- https:/www.nntu.ru