УДК 004

Информационная система оценки подготовки сварщиков на основе искусственных нейронных сетей

Дельмухаметов Эмиль Радикович – магистрант Уфимского государственного нефтяного технического университета

Ахметов Ильнур Вазирович – кандидат физико-математических наук, доцент Уфимского государственного нефтяного технического университета

Аннотация: В данной работе рассмотрены вопросы актуальности использования нейронных сетей и компьютерного зрения в сфере обучения сварщиков для оценки навыков будущих специалистов в области сварки на основе анализа работ, полученных в результате выполнения тестов ведения условных сварочных соединений.

Keywords: neural networks, computer vision, welding, skill assessment, data analysis, education.

За последние 6 лет нейронные сети стали широко применяться в области сварки на производстве. Это связано с их способностью обрабатывать большие объемы данных и находить скрытые закономерности в них.

Одним из наиболее распространенных применений нейронных сетей в сварочной отрасли является контроль качества сварного соединения.

Нейронные сети способны анализировать изображения сварных швов и автоматически определять наличие дефектов, таких как трещины, поры или неправильная геометрия сварного соединения. Это позволяет ускорить процесс контроля качества и снизить вероятность пропуска дефектных изделий.

Также нейронные сети могут использоваться для оптимизации процесса сварки. Например, они могут предсказывать оптимальные параметры сварки, такие как ток, напряжение и скорость перемещения сварочного оборудования, которые обеспечат наилучшее качество соединения [1]. Это помогает улучшить эффективность и снизить затраты на производство.

Однако, несмотря на все преимущества, применение нейронных сетей в сварке на производстве актуальным остается вопрос применения нейронных сетей в сфере образования сварки.

В последние годы рынок сварщиков подвергся некоторым изменениям. Введение новых технологий и автоматизация процессов сварки привело к изменениям в требованиях к профессиональным навыкам сварщиков. Сейчас востребованы специалисты, обладающие не только традиционными навыками сварки, но и знаниями в сфере роботизации и программирования, что является неотъемлемой частью молодого поколения. С учетом демографических тенденций, в некоторых странах отмечается нехватка квалифицированных сварщиков, что может создать дополнительные возможности для развития карьеры в этой профессии [2].

В связи с выше изложенным, можно сделать вывод, что спрос на молодых сварщиков будет только расти. Появляется необходимость обучения будущих сварщиков инновационными методами, совмещающими в себе прошлые стандарты обучения и новых технологий. С появлением большого количества обучаемых увеличивается нагрузка на преподавателя. Отсюда прослеживается необходимость в оптимизации процессов обучения и проверок готовых работ обучаемых сварщиков. Ведь качество работы уже опытного сварщика на предприятии в 90% случаев зависит от его успехов в обучении в прошлом.

Существует огромный спектр методов оценки навыков работ сварщика без применения современных технологий [3]. Одним из таких является метод определения качества работ сварщика путем выдачи тестовых листов, на которых учащиеся демонстрируют свои умения ведения сварки разными техниками. Данный метод позволяет обучить будущего специалиста ведению сварки разными техниками, показать нюансы работы, а также помочь в будущем обезопасить себя и окружающих при проведении им сварочных работ.

Тестируемым в ходе прохождения теста выдается:

ручка или карандаш;
лист, на котором изображены 4 вида техники ведения сварки электродом.

На листе изображены 4 разные техники ведения сварки:

окружность;
ломанная линия 1;
ломанная линия 2;
волна.

Лист с 4 техниками ведениями сварки представлен на рисунке 1.

Рисунок 1. Лист выполнения разных техник сварки.

Тестируемый в ходе выполнения теста должен повторить различные техники сварки от руки, после его лист сдается на проверку и оценивается преподавателем или руководителем.

Работа оценивается по следующим критериям:

максимальная схожесть выполнения техник с эталоном;
аккуратность выполнения условного шва.

Процесс проверки и выставления оценки работы проводится вручную преподавателем. В ходе проверки над правильными объектами ставится галочка, после для каждого вида техники определяется количество правильных выполненных объектов от суммарных и выставляется оценка от 1 до 5. Пример оценки работы вручную представлен на рисунке 2.

Рисунок 2. Оценка работы преподавателем вручную.

Данный процесс требует автоматизации в целях:

экономии времени проверяющего, уделяющего большое количество личного времени проверке работ;
улучшения качества проверяемых работ, исключая человеческий фактор. Данный фактор особенно сильно сказывается при большем количестве работ, требующих единовременной проверки.

Решить вопрос автоматизации процесса проверки работ представляется возможным при помощи нейронной сети и компьютерного зрения . В ходе анализа проблемного вопроса по части образования сварщиков ставиться задача разработать программный продукт для анализа и оценки работ сварщиков путем определения интересуемых зон при помощи глубокой нейронной сверточной сети (нейросети). По опросам других вузов и анализа рынка разработка прямых аналогов данного продукта на Российском рынке на данный момент не выявлены, но не исключен факт использования косвенно схожих решений в локальных инфраструктурах в ведущих вузах страны [4].

В ходе проведения исследования и дополнительных тестов в Уфимском государственном нефтяном техническом университете (УГНТУ) на кафедре «Оборудование и технология сварки и контроля» (ОТСК) в 2022 году было получено 200 эталонных изображений для разметки датасета в ПО Labelimg и дальнейшего обучения нейросети в GoogleColaboratory. По результатам написания тестовой версии нейронной сети были получены следующие результаты:

точность детекции техник сварок в пределах 85-98%;
количество выявленных классов – 4;
скорость обработки 100 изображений за 1 проход: 2-3 минуты;
выявленные участки техник сварки нейросетью считаются правильными.

Результат работы обученной нейронной сети можно увидеть на рисунке 3.

Рисунок 3. Результат работы обученной нейронной сети.

Для дальнейшего улучшения качества продукта и повышения точности скорости получения результатов в 2024 году будут выпущены новые требования к составлению тестовых листов, нейронная сеть будет переобучена с увеличенным количеством итераций в 1,5 раза и получит эталонный датасет с размерностью в 700 изображений с 4 техниками ведения сварки. Обучение будет проводиться в Google Colaboratory на основе архитектуры YOLO - архитектура нейронной сети для обнаружения объектов в режиме реального времени [5]. Также нейросеть получит интерфейсную оболочку, посредством которой пользователь сможет запускать нейросеть и получит возможность просмотреть результаты проверки работ учащихся, а также выгрузить себе эти результаты формате Excel. По результатам тестов все выявленные ошибки и аномальные значения будут обследованы и скорректированы по необходимости.

Тренды и тенденции нейронных сетей в области сварки будут продолжать развиваться, принося с собой новые возможности, вызовы и потенциал для улучшения производительности, качества и безопасности сварочных процессов. Качество которых на прямую зависит от успешного обучения сварщика.

Список литературы

Постдок из Китая обучил нейросеть прогнозировать качество сварки – [Электронный ресурс]: www.susu.ru – 2020. – Режим доступа: https://www.susu.ru/ru/news/2020/04/08/postdok-iz-kitaya-obuchil-neyroset-prognozirovat-kachestvo-svarki (Дата обращения: 27.12.2023).
Российский рынок оборудования для сварки – [Электронный ресурс]: weldex.ru – 2023. – Режим доступа: https://weldex.ru/ru/media/news/2023/august/21/rossijskij-rynok-oborudovaniya-dlya-svarki/ (Дата обращения: 05.01.2024).
Взгляд в будущее: какие новые методы обучения появляются в профессии сварщика?» – [Электронный ресурс]: ru.anyquestion.info – 2023. – Режим доступа: Взгляд в будущее: какие новые методы обучения появляются в профессии сварщика? (anyquestion.info) (Дата обращения: 18.01.2024).
Ученые из ЮУрГУ с помощью нейросети усовершенствовали робота-сварщика – [Электронный ресурс]: mintarif.govru – 2023. – Режим доступа: https://mintarif.gov74.ru/minprom/news/view.htm?id=11215289 (Дата обращения: 06.01.2024).
YOLO: Real-Time Object Detection – [Электронный ресурс]: pjreddie.com. – Режим доступа: https://pjreddie.com/darknet/yolo/ (Дата обращения: 20.04.2024).

Интересная статья? Поделись ей с другими: