CC BY
0УДК 004
Корзников М.А.
студент 4 курса Северный (Арктический) федеральный университет (г. Архангельск, Россия)
ОБНАРУЖЕНИЕ ДЕФЕКТОВ КОРПУСА КОРАБЛЯ С ИСПОЛЬЗОВАНИЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ И НЕЙРОННЫХ СЕТЕЙ
Аннотация: в данной статье исследуются возможности, перспективы, важность и общий процесс использования технологий компьютерного зрения для обнаружения дефектов в корпусах кораблей.
Ключевые слова: компьютерное зрение, свёрточные нейронные сети, дефекты
корпуса.
Целостность корпуса корабля имеет первостепенное значение для безопасной навигации и операционной эффективности. Традиционные методы осмотра корпусов кораблей на наличие дефектов, таких как коррозия, трещины и деформации, трудоемки, затратны по времени и часто субъективны. С появлением передовых технологий, таких как компьютерное зрение и нейронные сети, открывается значительная возможность революционизировать способ обнаружения и оценки дефектов корпуса.
Корпус корабля подвержен жестким условиям окружающей среды, включая коррозионную морскую воду, физические удары от волн и обломков, а также термические напряжения. Со временем эти факторы могут привести к развитию дефектов, которые нарушают целостность корпуса. Ранняя детекция этих дефектов критически важна для предотвращения катастрофических отказов, обеспечения безопасности на море, снижения расходов на техническое обслуживание и продления срока службы судов.
Традиционные методы осмотра включают в себя визуальные осмотры водолазами или дистанционно управляемыми аппаратами (ДУА), за которыми следуют ручные измерения и документация любых обнаруженных дефектов. Несмотря на некоторую эффективность, эти методы подвержены человеческим ошибкам, ограничены видимостью и доступностью, а также не предоставляют всестороннюю оценку состояния корпуса. Более того, они могут быть опасны из-за необходимости работы водолазов в сложных подводных условиях.
Недавние достижения в области компьютерного зрения и нейронных сетей предлагают перспективные решения для преодоления ограничений традиционных методов осмотра. Компьютерное зрение позволяет автоматизировать анализ изображений и видео для идентификации паттернов и аномалий, в то время как нейронные сети, особенно глубокие модели обучения, могут изучать огромные объемы данных для точной классификации и прогнозирования дефектов.
Техники компьютерного зрения, такие как обработка изображений и выделение признаков, могут использоваться для анализа высокоразрешенных изображений или видеопотоков корпуса корабля, полученных с помощью беспилотников или ДУА. Эти техники могут улучшить видимость потенциальных дефектов и выделить области интереса для дальнейшего анализа.
После обнаружения потенциальных дефектов с помощью компьютерного зрения нейронные сети могут быть использованы для более детального анализа. Свёрточные нейронные сети (CNN) особенно эффективны для задач на основе изображений, способны идентифицировать тонкие паттерны, связанные с различными типами дефектов. Обучив эти сети на большом наборе данных помеченных изображений корпусов, можно достичь высокой точности обнаружения и классификации дефектов. Применение компьютерного зрения и нейронных сетей для обнаружения дефектов корпуса корабля предлагает несколько преимуществ:
Увеличение точности: Автоматизированные системы могут сократить человеческие ошибки и обеспечить более последовательные оценки состояния корпуса.
Эффективность: Быстрые осмотры позволяют сократить время простоя судов и уменьшить их простои.
Безопасность: Минимизация необходимости человеческого вмешательства в опасных подводных условиях улучшает безопасность.
Снижение затрат: Ранняя детекция дефектов может предотвратить более серьезные повреждения, снижая тем самым расходы на ремонт и продлевая срок службы судна.
СПИСОК ЛИТЕРАТУРЫ:
1. OpenCV [Электронный ресурс] / Режим доступа: https://opencv.org/, свободный (дата обращения 05.01.2024). - Загл. с экрана;
2. TensorFlow [Электронный ресурс] / Режим доступа: https://w.tensorflow.org/, свободный (дата обращения 07.01.2024). - Загл. с экрана;
3. International Ship and Port Facility Security Code (ISPS) [Электронный ресурс]/Режимдоступа:https://w.imo.org/en/OurWork/Safety/Pages/International-Ship-and-Port-Facility-Security-Code-(ISPS).aspx, свободный (дата обращения 10.01.2024). - Загл. с экрана;
4. International Maritime Organization (IMO) [Электронный ресурс] / Режим доступа: https://wimo.org/, свободный (дата обращения 14.01.2024). - Загл. с экрана.
Korznikov M.A.
Northern (Arctic) Federal University (Arkhangelsk, Russia)
DETECTION OF SHIP HULL DEFECTS USING COMPUTER VISION AND NEURAL NETWORKS
Abstract: article explores the possibilities, prospects, importance, and overall process of using computer vision technologies for detecting defects in ship hulls.
Keywords: computer vision, convolutional neural networks, hull defects.
