Электронный каталог

Статья

Методы сокращения размерности изображений в задачах автоматизированного контроля качества стеклоткани / А.А. Казначеева [и др.] // Известия высших учебных заведений. Технология текстильной промышленности (электронная версия). – 2025. – № 4(418). – С.259-265: рис. – На рус. яз.

Сокращение размерности изображений для обнаружения дефектов стеклоткани на базе методов машинного обучения. Уменьшение количества входных переменных или признаков в наборе данных с сохранением наиболее важной информации.Анализ линейных и нелинейных алгоритмов. Алгоритм UMAP - наиболее эффективный инструмент извлечения признаков из «сырых» данных, сохраняющий локальные и глобальные структуры данных, выявляющий кластеры и сложные взаимосвязи в данных, имеющий ценность для решения таких задач, как разведочный анализ данных, распознавание образов и обнаружение аномалий. Создание системы автоматизированного контроля качества способом обучения нейросети на основе библиотек TensorFlow и Keras на платформе Google Colab. Методика применения алгоритма UMAP для извлечения признаков в задаче обнаружения дефектов стеклоткани с использованием 3D-визуализации.



Ключевые слова = ТЕКСТИЛЬНАЯ ПРОМЫШЛЕННОСТЬ
Ключевые слова РП = свойства материалов