Журнал «Современная Наука»

Russian (CIS)English (United Kingdom)
МОСКВА +7(495)-142-86-81

МЕТОД ДЕТЕКТИРОВАНИЯ И КЛАССИФИКАЦИИ АНОМАЛИЙ В ПРОИЗВОДСТВЕННЫХ ДАННЫХ НА ОСНОВЕ ГИБРИДНЫХ МОДЕЛЕЙ ГЛУБОКОГО ОБУЧЕНИЯ

Дёмин Владислав Дмитриевич  (Аспирант, ГАОУ ВО «Московский городской педагогический университет (МГПУ)» )

Ромашкова Оксана Николаевна  (Доктор технических наук, профессор Российской академии народного хозяйства и государственной службы при Президенте РФ (РАНХиГС)» г. Москва, Россия )

В работе рассматривается задача детектирования аномалий в визуальных данных роботизированных производственных систем. Предложен гибридный метод, объединяющий сверточные сети, трансформерный модуль и реконструкционный анализ. Метод обеспечивает устойчивое выделение локальных и глобальных дефектов и работает при отсутствии разметки. Эксперименты показывают повышение точности и устойчивости к доменным смещениям по сравнению с существующими подходами, что подтверждает его применимость в промышленном контроле качества.

Ключевые слова:детектирование аномалий, техническое зрение, роботизированные системы, гибридные модели; сверточные сети, трансформеры, реконструкция, контроль качества

 

Читать полный текст статьи …



Ссылка для цитирования:
Дёмин В. Д., Ромашкова О. Н. МЕТОД ДЕТЕКТИРОВАНИЯ И КЛАССИФИКАЦИИ АНОМАЛИЙ В ПРОИЗВОДСТВЕННЫХ ДАННЫХ НА ОСНОВЕ ГИБРИДНЫХ МОДЕЛЕЙ ГЛУБОКОГО ОБУЧЕНИЯ // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2026. -№01. -С. 78-84 DOI 10.37882/2223-2966.2026.01.13
ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"