ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ОЦЕНКЕ КАЧЕСТВА ЛАКОКРАСОЧНОЙ ПРОДУКЦИИ
Abstract
Современные методы контроля качества лакокрасочной продукции (ЛКП) нуждаются в автоматизации, повышении точности и воспроизводимости. В данной статье рассмотрено применение методов искусственного интеллекта (ИИ) — в частности, компьютерного зрения, сверточных нейронных сетей (CNN) и алгоритмов машинного обучения — для анализа равномерности покрытия, обнаружения дефектов и прогнозирования характеристик лакокрасочных материалов. Экспериментальное внедрение прототипной системы на производственной линии показало, что ИИ способен обеспечить точность выявления дефектов до 97,4%, а также сократить время на оценку качества на 75%. Работа подчеркивает потенциал ИИ как эффективного инструмента промышленной автоматизации в сфере ЛКП и обозначает направления дальнейших исследований.
References
1. С. Г. Селиванов, М. В. Иванова. Нейросетевой метод оптимизации технологических процессов в авиадвигателестроении// Вестник УГАТУ, т. 3, № 1, 2001
2. Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning*. MIT Press.
3. Zhang, H., et al. (2020). Intelligent coating quality detection using deep CNN. Surface and Coatings Technology, 384, 125235.
4. ISO 7724:2017. Лакокрасочные материалы — Колориметрия.
5. LeCun, Y., et al. (2015). Deep learning. Nature, 521(7553), 436–444.
6. Jiang, Y., et al. (2022). Smart vision system for surface inspection of automotive coatings. Progress in Organic Coatings, 165, 106716.
