Abstract
Целью исследования является разработка неразрушающего метода контроля дефектов грузоподъемных канатов, позволяющего определять внешние и внутренние дефекты с точностью около 90%. Представлена система на базе сверточной нейронной сети для выявления и классификации видимых дефектов. Точность системы по результатам испытаний составляет 80-89%.
The purpose of the research is to develop a non-destructive method of defect inspection of hoisting ropes, which allows to detect external and internal defects with an accuracy of about 90%. A system based on convolutional neural network for detection and classification of visible defects is presented. The accuracy of the system according to the test results is 80-89%.
Reference7 articles.
1. Zhou, P.; Zhou, G.; Zhu, Z.; He, Z.; Ding, X.; Tang, C. A Review of Non-Destructive Damage Detection Methods for Steel Wire Ropes. Appl. Sci. 2019, 9, 2771. DOI: 10.3390/app9132771
2. Kulchitsky, A.A., Mansurova, O. K., Nikolaev, M. Yu. Recognition of defects in hoisting ropes of metallurgical equipment by an optical method using neural networks. “Chernye metally”, 2023, No. 3, рр. 81-88. DOI: 10.17580/chm.2023.03.13.
3. Кашин Д.А., Кульчицкий А.А., Оптический контроль качества брикетированной металлошихты // Цветные металлы. - 2022. - С. 92-95.
4. Гончаров К. А. и др. Использование библиотеки OPENCV для работы с техническим зрением // Интеллектуальные системы и технологии в отраслях пищевой промышленности. - 2019. - С. 53-60.
5. Захаренко Г.И. Цветовая фильтрация OPENCV для решения задач компьютерного зрения //Молодежь. Наука. Общество- 2021. - 2023. - С. 200-204.