Автоматическая проверка деталей на заводах с помощью камер и программ давно не новость. Но чтобы система научилась замечать трещину, царапину или плохой сварной шов, ей обычно нужно показать тысячи размеченных фотографий именно таких дефектов. Сбор такого набора занимает месяцы, а для небольшого или среднего производителя затраты могут оказаться неподъёмными.

Группа исследователей из США и Европы, включая математика Йинг-Джу Чен из Университета Дейтона (США), проверила другой подход. Их работа опубликована в Journal of Quality Technology. Учёные выяснили, что модель, созданная OpenAI, способна находить дефекты на промышленных деталях, если показать ей относительно небольшое число примеров конкретного изъяна. Секрет в том, что модель уже была обучена на сотнях миллионов обычных изображений, поэтому ей не приходится учиться распознавать дефект с нуля.

"Автоматизированный визуальный контроль не нов, но многие существующие методы требуют больших объёмов размеченных данных, которые трудно и дорого собирать, - пояснил Чен. - Мы хотели выяснить, насколько хорошо предобученная модель ИИ может определять дефекты по небольшому числу примеров и применим ли такой подход к разным задачам производственного контроля".

Исследователи протестировали метод на нескольких задачах инспекции. Результаты показали, что предобученную модель можно адаптировать, используя лишь умеренное количество снимков. В статье также даны практические рекомендации по применению и оценке метода, включая его сильные стороны и ограничения.

Важно понимать: речь идёт о лабораторных испытаниях, а не о готовом продукте, который уже завтра появится в продаже. Авторы не утверждают, что метод полностью заменяет традиционную подготовку или гарантирует безошибочную работу на любом производстве. Однако, по их мнению, подход может снизить затраты на внедрение и сделать автоматический контроль доступнее для производителей, в том числе в аэрокосмической отрасли.

Источник: Tech Xplore