«Современная радиоэлектронная аппаратура включает множество радиокомпонентов — это и печатные платы, и разъемы, и микросхемы, и резисторы, у которых могут быть как внешние, так и внутренние дефекты», — отмечает Владимир Сырямкин, руководитель проекта и заведующий международной лабораторией «Системы технического зрения» ТГУ. Для диагностики использовалась обученная нейросеть, которая анализировала 1 500 эталонных и 10 000 дефектных изображений различных элементов и материалов РЭА.
В процессе обучения также применялись цифровые двойники объектов диагностики, таких как печатные платы, транзисторы и конденсаторы. Это значительно повысило точность диагностики. «Наша нейросеть теперь способна распознавать изображения разных размерностей и цветностей. Алгоритм, используемый в нейросети, обладает свойствами искусственного интеллекта первого рода и решает сложные задачи», — добавил Владимир Сырямкин.
На этапе тестирования алгоритмическое и программное обеспечение для контроля качества РЭА показали превосходство по точности, помехоустойчивости и быстродействию по сравнению с аналогичными технологиями из США, Китая и Тайваня.
Результаты проекта, реализованного при поддержке РНФ, уже внедряются в промышленность для дефектоскопии элементов РЭА. Программное обеспечение, основанное на нейросетевых технологиях, может быть адаптировано для систем контроля качества на предприятиях ВПК и гражданской промышленности России. Ведется работа по внедрению этих результатов на предприятиях Роскосмоса, в том числе в «Информационных спутниковых системах (ИСС)» имени академика М. Ф. Решетнева.
Ранее мы писали о том, что учёные из Санкт-Петербургского государственного университета (СПбГУ) предложили новый вид оперативной памяти, которая работает с информацией в виде света.
