Статья
| Наименование | Разработка архитектуры веб-приложения для детекции объектов на рентгеновских снимках сварных соединений | ||||
| Авторы |
|
||||
| Раздел | Машиностроение | ||||
| Год | 2025 | Выпуск | 82 | Страницы | 53 - 61 |
| УДК | 004.932.2:004.622 | EDN | NRNUNF | ||
| Аннотация | Рассмотрен процесс разработки архитектуры веб-приложения для автоматизированной детекции объектов на рентгеновских снимках сварных соединений с использованием нейросетевой модели YOLOv5. Представлена структура проекта, включающая серверную часть, реализованную на основе асинхронного фреймворка FastAPI, и клиентский интерфейс, разработанный с использованием HTML и JavaScript. Описаны основные этапы работы приложения: загрузка изображения, его предобработка с помощью библиотеки OpenCV, выполнение инференса модели и возврат результатов пользователю в формате JSON с последующей визуализацией обнаруженных объектов. Интерфейс приложения интуитивно понятный и удобный в использовании; он обеспечивает загрузку изображения, его предварительный просмотр и отображение результатов детекции в реальном времени. Приложение развернуто на тестовом сервере под управлением операционной системы Ubuntu 22. 04. Результаты тестирования подтвердили корректное функционирование всех компонентов системы и высокую точность детекции объектов. Продемонстрирован потенциал предложенного решения для автоматизации анализа рентгеновских снимков с применением систем поддержки принятия решений на основе технологий искусственного интеллекта. | ||||
| Реферат | Цель. Разработка архитектуры веб-приложения для загрузки и обработки рентгеновского снимка сварного соединения с последующей детекцией на нём различных объектов — дефектов и артефактов.
Методика. Реализована архитектура веб-приложения, включающая клиентскую часть (HTML, JavaScript) и серверную часть на асинхронном фреймворке FastAPI. Обработка изображений включает их загрузку, предобработку средствами библиотеки OpenCV, масштабирование до 640×640 пикселей и подачу на вход модели YOLOv5. После инференса результаты в формате JSON визуализируются на клиенте. Приложение развернуто на сервере с ОС Ubuntu 22. 04, тестирование проводилось на выборке рентгеновских снимков сварных соединений. Результаты. Разработанное веб-приложение продемонстрировало высокую точность детекции объектов, с уровнем уверенности, варьирующимся от 70,11 до 88,99 %, при обработке рентгеновских снимков сварных соединений. Описанная архитектура позволила обеспечить корректную работу всех компонентов системы: от загрузки и предобработки изображения до визуализации результатов, что подтверждено тестированием на реальных данных Научная новизна. В работе предложена модульная архитектура веб-приложения, обеспечивающая эффективную интеграцию предобученной нейросетевой модели YOLOv5 в асинхронное серверное окружение на базе FastAPI и позволяющая выполнять детекцию объектов на рентгеновских снимках сварных соединений в режиме реального времени за счет оптимизации обработки изображений и параллелизма запросов. Практическая значимость. Представленная архитектура демонстрирует потенциал применения нейросетевых решений в системах автоматизированного неразрушающего контроля. Реализованный подход может быть адаптирован для использования на промышленных предприятиях, а также служить основой для последующего расширения функциональности и интеграции с внешними системами учета и отчетности. |
||||
| Ключевые слова | веб-приложение, YOLOv5, рентгеновский снимок, сварное соединение, маркировочные знаки, детекция объектов, FastAPI, компьютерное зрение, нейросетевые модели. | ||||
| Финансирование | |||||
| Полный текст |
|
||||