Інформаційно-вимірювальна система контролю якості керамічної плитки на основі бази знань про вбудовування зображень виробів відповідного сорту

У статті розглядається проблема автоматизації процесу контролю якості та сортування керамічної облицювальної плитки. Здійснено критичний аналіз упроваджених нині інформаційно-вимірювальних систем, які базуються на експертному доборі ознак фрагментів зображень для контролю якості поверхні плитки. Визначено особливості таких систем: негнучкість та залежність від навчальних даних; висока вартість та тривалість розробки (добір та обґрунтування нових ознак для кожної зміни технологічного процесу вимагає значних витрат часу та ресурсів); низька оперативність та високі обчислювальні витрати при обрахуванні великої кількості різнорідних ознак сегментів зображень; залежність від масштабу зображення й дефектів (інформативність експертно дібраних ознак залежить від масштабу зображення та розміру самих дефектів); відсутність гарантії оптимальності для дібраних вручну ознак. Доведено, що такий підхід є неефективним, негнучким та ресурсовитратним, особливо в умовах мінливого керамічного виробництва. Запропоновано новий підхід до створення інформаційно-вимірювальної системи контролю якості, що базується на використанні машинного зору з глибокою нейронною мережею та векторною базою даних. На відміну від наявних рішень, які використовують емпіричні функції та експертний добір характеристик зображень, запропонована система використовує вбудовування (embedding) зображень у багатовимірний семантичний простір за допомогою переднавченої згорткової нейронної мережі. Розроблено структурно-функціональну схему процесу аналізу та сортування, яка містить два основні етапи: підготовку векторної бази даних з убудовуваннями зображень еталонних плиток та автоматизацію сортування на технологічній лінії на основі підтримки ухвалення рішень про якість виробу шляхом порівняння вбудовувань зображень. Запропоноване рішення дає змогу уникнути проблем, пов’язаних із суб’єктивністю експертних оцінок та великим обчислювальним навантаженням під час контролю в реальному часі з використанням раніше впроваджених систем контролю.

The article considers the problem of automating the process of quality control and sorting of ceramic wall tiles. A critical analysis of currently implemented information and measurement systems based on expert selection of features of image fragments for quality control of the tile surface is conducted. The following features of such systems are identified: inflexibility and dependence on training data; high cost and duration of development (selection and justification of new features for each change in the technological process requires significant time and resources); low efficiency and high computational costs when calculating a large number of heterogeneous features of image segments; dependence on the scale of the image and defects (the informativeness of expertly selected features depends on the scale of the image and the size of the defects themselves); lack of a guarantee of optimality for manually selected features. It has been proven that this approach is inefficient, inflexible and resource-consuming, especially in the conditions of variable ceramic production. A new approach to creating an information-measuring quality control system based on the use of machine vision with a deep neural network and a vector database is proposed. Unlike existing solutions that use empirical functions and expert selection of image characteristics, the proposed system uses image embedding in a multidimensional semantic space using a pre-trained convolutional neural network. A structural and functional diagram of the analyzing and sorting process has been developed, which includes two main stages: preparation of a vector database with image embeddings of reference tiles and automation of sorting on the production line based on decision-making support for product quality by comparing image embeddings. The proposed solution avoids problems associated with the subjectivity of expert assessments and the high computational load of real-time control using previously implemented control systems.