Features of the implementation of computer vision in the problems of automated product quality contro

• Autorzy: Stelmakh Nataliia , Mastenko Ihor , Sulima Olga , Rudyk Tetiana

Identyfikatory

DOI

10.35784/iapgos.3434

Warianty tytułu

PL

Cechy implementacji wizji komputerowej w problemach automatycznej kontroli jakości produktów

• Języki publikacji: EN

Abstrakty

EN

The article analyzes the fields of application of machine vision. Special attention is focused on the application of Machine Vision in intelligent technological systems for product quality control. An important aspect is a quick and effective analysis of product quality directly at the stage of the technological process with high accuracy in determining product defects. The appropriateness and perspective of using the mathematical apparatus of artificial neural networks for the development of an intelligent technological system for monitoring the geometric state of products have been demonstrated. The purpose of this study is focused on the identification and classification of reed tuber quality parameters. For this purpose, new methods of identification and classification of quality control of various types of defects using computer vision and machine learning algorithms were proposed.

PL

W artykule dokonano analizy obszarów zastosowań widzenia maszynowego. Szczególną uwagę zwrócono na zastosowanie widzenia maszynowego w inteligentnych systemach technologicznych kontroli jakości wyrobów. Ważnym aspektem jest szybka i skuteczna analiza jakości produktu bezpośrednio na etapie procesu technologicznego z dużą dokładnością w określaniu wad produktu. Pokazano celowość i perspektywę wykorzystania aparatu matematycznego sztucznych sieci neuronowych do budowy inteligentnego systemu technologicznego do monitorowania stanu geometrycznego wyrobów. Celem badań jest identyfikacja i klasyfikacja parametrów jakościowych rurek trzcinowych. W tym celu zaproponowano nowe metody identyfikacji i klasyfikacji kontroli jakości różnego rodzaju defektów z wykorzystaniem wizji komputerowej i algorytmów uczenia maszynowego.

Słowa kluczowe

EN

machine vision; intelligent technological system; quality control; neural networks

PL

wizja maszynowa; inteligentne systemy technologiczne; kontrola jakości; sieci neuronowe

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2023
• Tom: T. 13, nr 1
• Strony: 38--41
• Opis fizyczny: Bibliogr. 14 poz., fot.

Twórcy

autor

Stelmakh Nataliia

• National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Instrument Production and Engineering, Kyiv, Ukraine

• https://orcid.org/0000-0003-1876-2794

autor

Mastenko Ihor

• National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Instrument Production and Engineering, Kyiv, Ukraine

• https://orcid.org/0000-0002-2953-4589

autor

Sulima Olga

• National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Mathematical Physics and Differential Equations, Kyiv, Ukraine

• https://orcid.org/0000-0002-5811-7717

autor

Rudyk Tetiana

• National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Mathematical Physics and Differential Equations, Kyiv, Ukraine

• https://orcid.org/0000-0003-1121-4963

Bibliografia

• [1] Desmond K. et al.: A machine vision algorithm for quality control inspection of gears. The International Journal of Advanced Manufacturing Technology 106(1-2), 2020, 105–120.
• [2] Domel A. et al.: Autonomous pick and place operations in industrial production. 12th Intern. Conf. on Ubiquitous Robots and Ambient Intelligence (URAI 2015), Kintex, Goyang, Korea, 356.
• [3] Dyatlov E. I.: Machine vision (analytical review). Mathematical machines and systems 2, 2013, 32–40.
• [4] Guo Y. et al.: Rotational projection statistics for 3D local surface description and object recognition. International journal of computer vision 105(1), 2013, 63–86.
• [5] Industrial Machine Vision Market by Component (Hardware (Camera, Frame Grabber, Optics, Processor), and Software (Deep Learning, and Application Specific)), Product (PC-based, and Smart Camerabased), Application, End-User. Global Forecast to 2023 [https://www.researchandmarkets.com/research/k6lrbk/global_industrial?w=5].
• [6] Johnson A. E.: Spin-images: a representation for 3-D surface matching: Diss. Andrew Edie Johnson – Pittsburgh, Pennsylvania, 1997.
• [7] Lisovsky A. L.: Application of neural network technologies for management development of systems. Strategic decisions and risk management 11(4), 2020, 378–389.
• [8] Mastenko I. et al.: Vision yak nevidyemna chastyna intelektual’nykh tekhnolohichnykh system. Tekhnichni Nauky Ta Tekhnolohiyi 4(26), 2021, 58– 65 [http://doi.org/10.25140/2411-5363-2021-4(26)-58-66].
• [9] Mastenko І. V., Stelmakh N. V.: Generative design of a frame type construction. KPI Science News 2, 2021, 81–89.
• [10] Sahoo S. K. et al.: A Dynamic Bottle Inspection Structure. Computational Intelligence in Data Mining 711, 2019, 873–884.
• [11] Stelmakh N.: Software module for accelerated technological preparation of assembly small-scale production of devices. Visn. NTUU "KPI". Eng. 54, 2009, 12–17.
• [12] Tymchyshyn R. M. et al.: Modern approaches to solving computer vision problems. Control systems and machines 6, 2018, 46–73.
• [13] Zhong Y., Fengyu X., Yue W.: Analysis and experiment of workpiece quality detection based on industrial robot. 23rd Intern. Conf. on Mechatronics and Machine Vision in Practice (M2VIP), 2016, 1–6.
• [14] Zuxiang W., Lei Z., Junpeng F.: Design of safety capacitors quality inspection robot based on machine vision. 1st Intern. Conf. on Electronics Instrumentation Information Systems (EIIS), 2017, 1–4.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).