В статье исследуется возможность применения глубоких нейросетевых моделей, в частности архитектуры U-Net, для автоматизированного детектирования профиля изношенной детали. Износ рабочих элементов, особенно в сельскохозяйственной технике, резко снижает эффективность работы оборудования и увеличивает затраты на его обслуживание. Традиционные методы диагностики имеют ряд ограничений, среди которых субъективность оценок, необходимость остановки оборудования и низкая точность количественной оценки износа. Предложен метод семантической сегментации изображений с использованием нейронной сети U-Net, позволяющий автоматически формировать профиль изношенной детали. Описаны этапы подготовки данных, обучения модели и анализа изображений, что обеспечивает точное получение профиля детали. Экспериментально подтверждена эффективность метода на примере долота глубокорыхлителя.
Fes'kov et al. (Wed,) studied this question.