Рассмотрена задача разработки интеллектуальной автоматизированной системы обнаружения дефектов текстильных материалов. Проведен анализ алгоритмов машинного обучения и глубокого обучения применительно к решению задачи контроля качества изделий. Рассмотрена реализация искусственной нейронной сети, реализованной в микрокомпьютере Raspberry Pi и получающей набор входных данных в виде большого потока изображений от высокоскоростной цифровой камеры. Описываются этапы создания модели на языке Python с применением библиотек TensorFlow и Keras. Процесс разработки включает подготовку исходных данных, предназначенных для обучения и тестирования системы, а также проверку работы полученной нейросети, заключающейся в распознавании изображений дефектов на ткани по классификационным признакам.

Ключевые слова: машинное обучение, нейронная сеть, изображения дефектов, текстильный материал, обучение, тестирование, точность

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.6.16 - Технология производства изделий текстильной и легкой промышленности

Рассматривается автоматический подбор коэффициентов ПИД-регуляторов двигателей квадрокоптера на основе 3D-модели. Данный подбор стал возможен благодаря рассмотренному в статье методу экспорта 3D-модели квадрокоптера, созданной в CAD-системе Solidworks, в среду Matlab/Simulink, а также с дальнейшим применением библиотеки SimMechanics. Для подбора коэффициентов в проекте Simulink также была реализована система управления квадрокоптером, сигналы с которой поступали на двигатели в соответствии с их физическим расположением. Результатом статьи является визуализация полета 3D-модели квадрокоптера с системой управления, реализованной в Simulink.

Ключевые слова: solidworks, matlab, simulink, квадрокоптер, бпла, пид, simmechanics

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.3 - Автоматизация и управление технологическими процессами и производствами

В статье рассматривается вопрос создания автоматизированной системы обнаружения дефектов на ткани, основанной на применении компьютерного зрения. Полученная система позволяет контролировать, регистрировать и рассчитывать дефекты текстильных материалов без участия человека в технологическом процессе, что повышает качество анализа, устраняет количество ошибок при разбраковке ткани и сокращает стоимость технологической операции.

Ключевые слова: автоматизированная система, обнаружение дефектов, текстильный материал, компьютерное зрение, микрокомпьютер, библиотека обработки изображений

05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)