Как стать автором
Обновить
1
0

Пользователь

Отправить сообщение

Изначально было получено путем раскадровки видеозаписей 11232 изображения. Далее были удалены не несущие дополнительной информации (по сути дублированные) изображения. Дальнейшая работа велась с изображениями несущими основные признаки - 224 шт. Уже к ним применили аугментацию. К сожалению не имею возможности выложить в открытый доступ датасет, так как он используется в коммерческих целях. Для модели классификации: Accuracy: 0.928, для модели детекции: Precision: 0.7995.

Дело не в том что не подошло. Просто задача была самостоятельно реализовать модель детекции с тем чтобы понять эффективность такого способа диагностики. В перспективе, понимая плюсы автоматизированной диагностики, можно и промышленные комплексы применить.

Очень хороший вопрос. Пыль, слабое освещение действительно сильно мешают в контроле за оборудованием. Но решить эту проблему оказалось проще чем обеспечить визуальный контроль оборудования на всем его протяжении. Т.к. камеру можно установить в самом освещенном месте или сделать такое (мы ставили прожектор) и не освещать всю галерею дополнительными источниками света. С пылью сложнее. Не везде и не всегда она мешает, но в любом случае нужно установить периодичность очистки камер и включить эту операцию в объем работ при проведении регламентных обходов оборудования обслуживающим персоналом.

Информация

В рейтинге
Не участвует
Зарегистрирован
Активность

Специализация

Data Analyst, Data Scientist
От 200 000 ₽
SQL
Python
English
Research work