ПрезаДиплом_Тейхреб_2026

1.

Новосибирский государственный
технический университет НЭТИ
Разработка программного
обеспечения для визуального
контроля дефектов стальной
поверхности
Выполнил: Тейхреб Эрик Алексеевич
Группа: АВТ-214
Научный руководитель:
Александровна
д.э.н.,
к.т.н.,
доцент
Алетдинова
Анна
www.nstu.ru

2.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
2
АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ
Дефект стальной поверхности – это
любое отклонение от установленных
требований к геометрии, структуре,
чистоте
или
целостности
поверхности стального изделия.
Такие дефекты могут приводить к
снижению прочности, пластичности и
надёжности изделий
Последовательность развития
дефекта стальной поверхности
(от искажения до разрушения)
www.nstu.ru

3.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
3
ОБЪЕКТЫ АНАЛИЗА
В работе рассматриваются
10 классов дефектов:
- Трещина
- Царапина
- Включение
Дефект класса
«Царапина»
Дефект класса
«Трещина»
Дефект класса
«Включение»
- Отпечаток станка
- Непровар
Дефект класса
«Отпечаток станка»
Дефект класса
«Непровар»
www.nstu.ru

4.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
4
ОБЪЕКТЫ АНАЛИЗА
- Отверстие
- Окалина
- Питтинг
- Пятно
- Сварочный шов
Дефект класса
«Отверстие»
Дефект класса
«Окалина»
Дефект класса
«Пятно»
Дефект класса
«Питтинг»
Дефект класса
«Сварочный шов»
www.nstu.ru

5.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
5
АКТУАЛЬНОСТЬ
Внедрение
систем
предиктивного
обслуживания
кардинально
меняет
подход к промышленной
безопасности.
Реактивные
методы,
когда
ремонт
выполняется
после
отказа, обходятся дорого
Сравнение практик на основе исследования
McKinsey & Company в октябре 2025 года
www.nstu.ru

6.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
6
ЦЕЛЬ РАБОТЫ
Цель работы – повышение эффективности технического контроля стальной
поверхности за счет разработки программного обеспечения, позволяющего
автоматически идентифицировать дефекты с точностью выше 85% при
дефиците данных для обучения
Разработанное
решение
минимизирует
риски
снижает
пропуска
нагрузку
дефектов
на
и
человеческий
легко
фактор,
интегрируется
в
существующие производственные линии на металлургических предприятиях
www.nstu.ru

7.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
7
ЗАДАЧИ РАБОТЫ
1. Провести
анализ
предметной
области
и
существующих
методов
дефектоскопии на основе компьютерного зрения;
2. Спроектировать
архитектуру
программного
обеспечения
для
классификации дефектов;
3. Выбрать инструментальные средства разработки;
4. Разработать
программное
обеспечение
для
автоматизированного
визуального контроля дефектов стальной поверхности;
5. Провести тестирование разработанного решения
www.nstu.ru

8.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
8
ОБЗОР СУЩЕСТВУЮЩИХ ИНСТРУМЕНТОВ, АНАЛОГОВ
Система /
Вендор
Методы
Преимущество
Недостаток
компьютерного
зрения
ISRA VISION
Полный мониторинг
Закрытость
CNN, QuickTeach,
(Германия)
полосы, скорость
архитектуры ИИ
поляризация
Продвинутая
Cognex (США)
фильтрация
паттернов
Keyence
3D-триангуляция и
(Япония)
умная оптика
Зависимость от
импортных камер
Плохая совместимость
с отечественными
MES/ERP
Фирменные CNN,
классические
паттерны
CNN, лазерное
сканирование
www.nstu.ru

9.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
9
ВЫБОР ПРОГРАММНЫХ СРЕДСТВ РЕАЛИЗАЦИИ
Python
PyTorch
PyQt
Базовый язык
реализации системы.
Обеспечивает
высокую скорость
разработки и
интеграцию MLбиблиотек
Фреймворк глубокого
обучения.
Динамический граф
вычислений для
реализации функции
потерь и обучения
нейронных сетей
Графическая
платформа.
Промышленный
стандарт с
поддержкой
многопоточности и
стилизации QSS
OpenCV
Библиотека
компьютерного зрения.
Высокоскоростные
алгоритмы
нормализации и
предобработки
видеопотока
www.nstu.ru

10.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
UML-ДИАГРАММА КЛАССОВ
10
www.nstu.ru

11.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
АРХИТЕКТУРА ТРИПЛЕТНОЙ НЕЙРОННОЙ СЕТИ
11
www.nstu.ru

12.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
12
ВЛИЯНИЕ HARD NEGATIVE MINING (HNM) НА ОБУЧЕНИЕ
Метрика
Случайные
триплеты
HNM
Улучшение
Recall@1
0.565
0.704
+24.6%
Recall@5
0.813
0.895
+10.1%
mAP
0.458
0.620
+35.4%
www.nstu.ru

13.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
13
СРАВНИТЕЛЬНЫЙ АНАЛИЗ АРХИТЕКТУР
Метрика
Свёрточная
нейронная сеть
Дообученная
EfficientNet-B0
Прирост
Recall@1
0.704
0.867
+23.1%
Recall@5
0.895
0.967
+8.1%
mAP
0.620
0.845
+36.2%
AUC-ROC
0.725
0.909
+25.4%
Кол-во параметров
354336
5288548
+1492.5%
В 3.6 раза
быстрее
Время обучения
19 часов (50 эпох) 5.2 часа (15 эпох)
www.nstu.ru

14.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
ТЕСТИРОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
14
www.nstu.ru

15.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
ТЕСТИРОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
15
www.nstu.ru

16.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
16
ЗАКЛЮЧЕНИЕ
Выявлены ограничения существующих систем (высокая стоимость,
закрытость ИИ). Обосновано преимущество метрического обучения для
дефектоскопии при дефиците размеченных данных на производстве
Реализовано ПО на базе триплетной нейронной сети и экстрактора
признаков с графическим интерфейсом для оператора
В ходе тестирования достигнута точность 86.7% при первом
предположении. Подтверждена эффективность модели на малых выборках
данных
Разработанный продукт является независимым от импортных лицензий
решением и может быть интегрирован в автоматизированные рабочие
места операторов металлургических предприятий
www.nstu.ru

17.

Разработка программного обеспечения для визуального контроля дефектов стальной поверхности
СПИСОК НАУЧНЫХ ПУБЛИКАЦИЙ
Прогнозирование технического обслуживания на
основе дефектов стальной поверхности / Э.А.Тейхреб,
Е. Н. Антонянц // Наука. Технологии. Инновации : сб.
науч. тр. 19 Всерос. науч. конф. молодых ученых,
Новосибирск, 8–12 дек. 2025 г. : в 9 ч. – Новосибирск :
Изд-во НГТУ, 2026. – Ч. 1. – С. 270–273.
17
Антонянц, Е.Н. Программное обеспечение для
визуального контроля дефектов стальной поверхности
/ Антонянц Е.Н., Тейхреб Э.А. // Свидетельство о
государственной регистрации программы для ЭВМ №
2026666573 от 02.06.2026. М.: Федеральная служба по
интеллектуальной собственности (Роспатент). – 2026
www.nstu.ru

18.

Новосибирский государственный
технический университет НЭТИ
Разработка программного
обеспечения для визуального
контроля дефектов стальной
поверхности
Выполнил: Тейхреб Эрик Алексеевич
Группа: АВТ-214
Научный руководитель: д. э. н., к. т. н., доцент Алетдинова А. А.
www.nstu.ru