ПРИМЕНЕНИЕ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ НА ПРОИЗВОДСТВЕ ГИТАР ДЛЯ ВЫЯВЛЕНИЯ ДЕФЕКТОВ ПРОДУКЦИИ И АВТОМАТИЗИРОВАННОГО ПОДБОРА ПАР ЗАГОТОВОК

Д.М. Логунова, А.М. Володина, Е.В. Курнасов, С.К. Кириллов, Н.Д. Тонконоженко

Об авторах

Д.М. Логунова, А.М. Володина, Е.В. Курнасов, С.К. Кириллов, Н.Д. Тонконоженко

МИРЭА – Российский технологический университет, 119454, Проспект Вернадского, д. 78, Москва, Россия

Скачать PDF

УДК: 004.896:681.518.5+65.011.56
DOI: 10.24412/2413-7383-2025-4-39-137-148
Язык: Русский

Аннотация: В статье представлена информационно-аналитическая система, обеспечивающая автоматизированный контроль качества деревянных заготовок на производстве гитар с помощью технологий машинного зрения и нейронных сетей. Рассмотрены ключевые компоненты системы, ориентированные на обнаружение брака продукции и автоматизированный подбор пар заготовок с совпадающим рисунком древесины. Приведены результаты работы модуля анализа изображений, использующего для выявления дефектов продукции нейронные сети с архитектурами YOLO и EfficientNet. Показано, что предложенный способ контроля качества продукции позволит в значительной мере исключить субъективный человеческий фактор при выявлении дефектов и подборе заготовок гитар. Представлены алгоритмы и фрагменты программной реализации системы, которые могут быть интегрированы с действующими на производстве SCADA- и MRP-системами.

Ключевые слова: нейронные сети, информационно-аналитические системы, автоматизация производства, деревообрабатывающая промышленность, машинное зрение, контроль качества продукции.

Список литературы

1. Pansombut T. Wikaisuksakul S. Khongkraphan K. Aniruth P. Convolutional Neural Networks for Recognition of Lymphoblast Cell Images // Computational Intelligence and Neuroscience. 2019. Vol. 20. P. 1-12. DOI: 10.1155/2019/7519603.
2. Беловодский В.Н. Об использовании нейронных сетей к построению областей притяжения перио- дических режимов нелинейных динамических систем // Проблемы искусственного интеллекта. 2023. № 4 (31). С. 56-67. DOI: 10.34757/2413-7383.2023.31.4.006
3. Пикалёв Я.С. Ермоленко Т.В. О нейронных архитектурах извлечения признаков для задачи распознавания объектов на устройствах с ограниченной вычислительной мощностью // Проблемы искусственного интеллекта. 2023. № 3 (30). С. 44-54. DOI: 10.34757/2413-7383.2023.30.3.004
4. Зуев В. М. Сравнение обнаружения объектов средствами искусственного интеллекта в сравнении с классическими методами // Проблемы искусственного интеллекта. 2024. № 3(34). С. 30-35. DOI: 10.24412/2413-7383-2024-3-30-35
5. Бабичева М.В. Третьяков И.А. Автоматизация процедуры распознавания фальшивых изображений посредством нейронных сетей // Проблемы искусственного интеллекта. 2025. № 1 (36). С. 94-105. DOI: 10.24412/2413-7383-94-105
6. Андриянов Н.А. Дементьев В.Е. Ташлинский А.Г. Обнаружение объектов на изображении: от критериев Байеса и Неймана-Пирсона к детекторам на базе нейронных сетей EfficientDet // Компьютерная оптика. 2022. Т. 46. № 1. С. 139-159. DOI: 10.18287/2412-6179-CO-92
7. Володин И.В. Путято М.М. Макарян А.С. Евглевский В.Ю. Классификация механизмов атак и исследование методов защиты систем с использованием алгоритмов машинного обучения и искусственного интеллекта // Прикаспийский журнал: управление и высокие технологии. 2021. № 2(54). С. 91-98. DOI: 10.21672/2074-1707.2021.53.1.090-098
8. Беловодский В.Н. Об интерполяции и аппроксимации функций с использованием нейронных сетей // Проблемы искусственного интеллекта. 2024. № 3 (34). С. 6-19. DOI: 10.24412/2413 -7383-2024-3-4-19
9. Харламов А. Самаев Е. Кузнецов Д. и др. Семантический анализ текста с использованием искусствен- ных нейронных сетей на основе нейроподобных элементов с временным суммированием сигналов // Проблемы искусственного интеллекта. 2023. № 3 (30). С. 4-27. DOI: 10.34757/2413-7383.2023.30.3.001.
10. Guitar for Nerds / Neale Morison [Электронный ресурс] // Нотный архив христианской музыки: [сайт]. Режим доступа: https://noty.propovednik.com/Public/_УЧЕБНИКИ/ГИТАРА/Guitar%20For%20Nerds.pdf, свободный. Загл. с экрана. Дата обращения: 10-11-2025.
11. Как делают гитары Maton. Тур по фабрике | gitaraclub.ru / Гитарный клуб [Электронный ресурс] // YouTube.com: [видеохостинг]. Режим доступа: https://www.youtube.com/live/lHReR19aEzI, свободный. – Загл. с экрана. Дата обращения: 15-01-2023. Л Логунова Д.М. Володина А.М. Курнасов Е.В. Кириллов С.К. Тонконоженко Н.Д.
12. Redmon J. Divvala S.K. Girshick R.B. Farhadi A. You Only Look Once: Unified, Real-Time Object Detection // 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2015. P. 779-
13. DOI:10.1109/CVPR.2016.91. – URL: https://www.cv-

Выпуск: 4(39)'2025
Раздел: Автоматизация и управление технологическими процессами и производствами
Как цитировать: Д.М. Логунова, А.М. Володина, Е.В. Курнасов, С.К. Кириллов, Н.Д. Тонконоженко. ПРИМЕНЕНИЕ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ НА ПРОИЗВОДСТВЕ ГИТАР ДЛЯ ВЫЯВЛЕНИЯ ДЕФЕКТОВ ПРОДУКЦИИ И АВТОМАТИЗИРОВАННОГО ПОДБОРА ПАР ЗАГОТОВОК // Проблемы искусственного интеллекта. - 2025. - № 4 (39). - С. 137-148. - https://paijournal.guiaidn.ru/ru/2025/4(39)-12.html

Назад к выпуску 4(39)'2025