Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/51262| Назва: | Розробка та дослідження автоматизованої системи для контролю якості волокна за зображеннями із застосуванням нейромережевого аналізу |
| Інші назви: | Development and research of an automated system for fibre quality control based on images using neural network analysis |
| Автори: | Ярощук, Дмитро Миколайович Yaroshchuk, Dmytro |
| Приналежність: | Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії. Кафедра комп’ютерно-інтегрованих технологій |
| Бібліографічний опис: | Ярощук Д.М. – Розробка та дослідження автоматизованої системи для контролю якості волокна за зображеннями із застосуванням нейромережевого аналізу: кваліфікаційна робота магістра за спеціальністю „174 — автоматизація, комп’ютерно-інтегровані технології та робототехніка“ / Д.М. Ярощук, — Тернопіль : ТНТУ, 2025. — 70 с. |
| Дата публікації: | 26-гру-2025 |
| Дата внесення: | 9-січ-2026 |
| Видавництво: | Тернопіль, ТНТУ |
| Країна (код): | UA |
| Місце видання, проведення: | Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії. Кафедра комп’ютерно-інтегрованих технологій |
| Установа захисту: | ЕК №21, 2025 р. |
| Науковий керівник: | Стухляк, Данило Петрович Stukhliak, Danylo |
| Члени комітету: | Медвідь, Володимир Романович Medvid, Volodymyr |
| УДК: | 681.5:004.93:004.032.26 |
| Теми: | 151 автоматизація та комп’ютерно-інтегровані технології повітряно-струменеве прядіння датасет міцність на розрив пряжа комп’ютерний зір штучний інтелект yolov5 robоflow air-jet spinning computer vision breaking strength yarn artificial intelligence dataset robоflow yolov5 |
| Кількість сторінок: | 70 |
| Короткий огляд (реферат): | Ярощук Д.М. – Розробка та дослідження автоматизованої системи для контролю якості волокна за зображеннями із застосуванням нейромережевого аналізу. 174 – «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» – Тернопільський національний технічний університет імені Івана Пулюя. – Тернопіль, 2025. У роботі розроблено підхід до моніторингу стану повітряно-струменевої прядильної машини за зображеннями структури пряжі з використанням системи візуалізації та ШІ; показано, що традиційний контроль, зосереджений на діаметрі або забрудненнях, може не виявляти структурні дефекти волокон. Для навчання моделі сформовано датасет 8400 зображень (по 4200 на клас) для двох режимів тиску: 5 бар і 2 бар, а якість підтверджено випробуваннями на розрив відрізків 25 см. Застосовуючи YOLOv5, досягнуто середньої точності 98,28% (5 бар) і 96,16% (2 бар) та досліджено роботу на проміжних тисках 3–4 бар. Підхід придатний для виявлення критичних станів обладнання й подальшої інтеграції з IoT.. Yaroshchuk D. - Development and research of an automated system for fibre quality control based on images using neural network analysis. 174 – "Automation, Computer-Integrated Technologies and Robotics" – Ivan Pul'uj Ternopil National Technical University. – Ternopil, 2025. The work develops an approach to monitoring the condition of an air-jet spinning machine based on images of the yarn structure using a visualisation system and AI; it shows that traditional control, focused on diameter or contamination, may not detect structural defects in fibres. To train the model, a dataset of 8,400 images (4,200 per class) was formed for two pressure modes: 5 bar and 2 bar, and the quality was confirmed by tests on 25 cm segments. Using YOLOv5, an average accuracy of 98.28% (5 bar) and 96.16% (2 bar) was achieved, and operation at intermediate pressures of 3–4 bar was investigated. The approach is suitable for detecting critical equipment conditions and further integration with IoT |
| Опис: | Роботу виконано на кафедрі комп’ютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться 26 грудня 2025 р. о 09 .00 годині на засіданні екзаменаційної комісії № 21 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул. Руська, 56, навчальний корпус №1, ауд. 505 |
| Зміст: | ВСТУП 7 1. АНАЛІТИЧНА ЧАСТИНА 8 1.1. Опис виробництва, та постановка задачі. 8 1.2 Процес повітряно-струменевого прядіння 10 1.3 Структура та властивості повітряно-струменевих ниток 14 1.4 Датчик якості пряжі, або очищувач пряжі 17 1.5 Штучні нейронні мережі та машинне навчання 19 1.6 Штучні нейронні мережі YOLO (You Only Look Once) 23 2 ТЕХНОЛОГІЧНА ЧАСТИНА 25 2.1 Якісні властивості та тиск орертання 26 2.2 База даних 28 2.2 Вибір структури нейронної мережі 29 3 КОНСТРУКТОРСЬКА ЧАСТИНА 31 3.1 Оцінка якості пряжі 31 3.2 Експериментальна установка для генерації зображень 32 3.3 База даних 35 4. НАУКОВО-ДОСЛІДНА ЧАСТИНА 39 4.1 Тиск прядіння та міцність нитки на розрив 39 4.2 Тиск прядіння та міцність нитки на розрив 42 4.3 Прогнозування тиску обертання 44 5. СПЕЦІАЛЬНА ЧАСТИНА 51 5.1 Попередня обробка дани 51 5.2 Оцінка 54 6 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 56 6.1 Організація охорони праці при роботі з системою управління 56 6.2 Електробезпека 58 6.3 Розрахунок заземлення 61 ОСНОВНІ ВИСНОВКИ КВАЛІФІКАЦІЙНОЇ РОБОТИ 65 ПЕРЕЛІК ПОСИЛАНЬ 67 |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/51262 |
| Власник авторського права: | © Ярощук Д.М., 2025 |
| Перелік літератури: | 1. Pereira F., Macedo A., Pinto L., Soares F., Vasconcelos R., Carvalho V., Machado J. Intelligent Computer Vision System for Analysis and Characterization of Yarn Quality // Electronics. – 2023. – Vol. 12, № 1. – Art. 236. – DOI: 10.3390/electronics12010236. – URL: https://www.mdpi.com/2079-9292/12/1/236 2. Caldas P., Sousa F., Pereira F. та ін. Automatic System for Yarn Quality Analysis by Image Processing // Journal of the Brazilian Society of Mechanical Sciences and Engineering. – 2022. – Vol. 44. – Art. 565. – DOI: 10.1007/s40430-022-03875-3. – URL: https://link.springer.com/article/10.1007/s40430-022-03875 3. Idzik M. та ін. Real-Time Prediction of the Yarn Break Position Using Vibration Measurement // Sensors. – 2025. – Vol. 25, № 2. – Art. 299. – DOI: 10.3390/s25020299. – URL: https://www.mdpi.com/1424-8220/25/2/299. 4. Stukhliak P., Martsenyuk V., Totosko O., Stukhlyak D., Didych I. The use of neural networks for modeling the thermophysical characteristics of epoxy composites treated with electric spark water hammer / P. Stukhliak, V. Martsenyuk, O. Totosko, D. Stukhlyak, I. Didych // CEUR Workshop Proceedings. – 2024. – Vol. 3742. – P. 13–24. 5. Stukhliak P., Yasniy O., Totosko O., Stukhliak D. Prediction of antifriction characteristics of epoxyfuran coatings using an artificial neural network / P. Stukhliak, O. Yasniy, O. Totosko, D. Stukhliak // Smart Innovations in Energy and Mechanical Systems. SIEMS 2025 / ed. by D. Pavlenko, P. Tryshyn, N. Honchar, O. Kozlova. – Cham : Springer, 2025. – (Lecture Notes in Networks and Systems ; vol. 1480). – URL: https://doi.org/10.1007/978-3-031-95191-6_21 6. Halenar I. та ін. Machine Condition Monitoring System Based on Edge Computing and Artificial Intelligence // Sensors. – 2024. – Vol. 25, № 1. – Art. 180. – DOI: 10.3390/s25010180. – URL: https://www.mdpi.com/1424-8220/25/1/180. 7. Totosko O. Usage of neural networks for analysis and processing of experimental research of composite materials / Oleg Totosko, Danylo Stukhliak, Petro Stukhliak // Scientific Journal of TNTU. — Tern. : TNTU, 2025. — Vol 118. — No 2. — P. 42–55. 8. Stukhliak P., Totosko O., Stukhlyak D., Vynokurova O., Lytvynenko I. Use of neural networks for modelling the mechanical characteristics of epoxy composites treated with electric spark water hammer / P. Stukhliak, O. Totosko, D. Stukhlyak, O. Vynokurova, I. Lytvynenko // CEUR Workshop Proceedings. – 2023. – Vol. 3895 : Proc. of the 4th International Workshop on Information Technologies: Theoretical and Applied Problems (ITTAP-2024). – P. 23–25. 9. Stukhliak P., Totosko O., Vynokurova O., Stukhlyak D. Investigation of tribotechnical characteristics of epoxy composites using neural networks / P. Stukhliak, O. Totosko, O. Vynokurova, D. Stukhlyak // CEUR Workshop Proceedings. – 2024. – Vol. 3842 : Proc. of the 1st International Workshop on Bioinformatics and Applied Information Technologies (BAIT 2024). – P. 157–170. 10. Ясній О. П. Застосування нейромережевого моделювання до діаграм втомного руйнування / О. П. Ясній, І. С. Дідич // Збірник тез доповідей Ⅷ Міжнародної науково-технічної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“, 27-28 листопада 2019 року. — Т. : ТНТУ, 2019. — Том 1. — С. 38. — (Нові матеріали, міцність і довговічність елементів конструкцій). 11. zevedo J., Ribeiro R., Matos L. M., Sousa R., Silva J., Pilastri A., Cortez P. Predicting Yarn Breaks in Textile Fabrics: A Machine Learning Approach // Procedia Computer Science. – 2022. – Vol. 207. – P. 2301–2310. – DOI: 10.1016/j.procs.2022.09.289. – URL: https://www.sciencedirect.com/science/article/pii/S1877050922011772. 12. Капаціла Р. І. Сучасний стан досліджень в області оптичного розпізнавання образів / Р. І. Капаціла // Матеріали Ⅸ Всеукраїнської студентської науково-технічної конференції „Природничі та гуманітарні науки. Актуальні питання“, 20–21 квітня 2016 року. – Т. : ТНТУ, 2016. – Т. 1. – С. 61–62. – (Секція: Інформаційні технології). 13. Dipto A. R. та ін. Prediction of Yarn Fineness Using Computer Vision [Електронний ресурс]. – 2024. – DOI: 10.1145/3704522.3704551. 14. Metin A., Bilgin T. T. Automated Machine Learning for Fabric Quality Prediction: A Comparative Analysis // PeerJ Computer Science. – 2024. – Vol. 10. – Art. e2188. – DOI: 10.7717/peerj-cs.2188. – URL: https://peerj.com/articles/cs-2188/. 15. Kahraman Y., Durmuşoğlu A. Deep Learning-Based Fabric Defect Detection: A Review // Textile Research Journal. – 2023. – Vol. 93, № 5–6. – P. 1485–1503. – DOI: 10.1177/00405175221130773. 16. Капаціла Р. І. Дослідження методів та засобів розпізнавання зображень в комп’ютерних системах : автореф. дипл. роботи магістра за спец. 8.05010201 – комп’ютерні системи та мережі / Р. І. Капаціла ; Тернопільський національний технічний університет імені Івана Пулюя. – Тернопіль : ТНТУ, 2017. – 7 с. 17. Гаврилов М. В. Ідентифікація людей за фото та відео засобами Computer Vision : кваліфікаційна робота магістра за спеціальністю „125 — кібербезпека“ / М. В. Гаврилов. — Тернопіль : ТНТУ, 2022. — 96 с. 1 18. Стухляк Д. П. Вплив модифікатора 2,4‑діамінотолуену на адгезійні властивості та залишкові напруження захисних полімерних покриттів / Д. П. Стухляк // Наукові нотатки. – 2018. – Вип. 63. – С. 203–208 19. Сидорко Ю. Д., Стухляк Д. П. Розробка та дослідження автоматизованої системи керування технологічним процесом виробництва цегли на базі платформи FIT / Ю. Д. Сидорко, Д. П. Стухляк // Тези ⅩⅢ МНПК «Актуальні задачі сучасних технологій», Тернопіль, 11–12 груд. 2024 р. – 2024. – С. 396–397. 20. Нетреб’як В. І., Тотосько О. В. Дослідження автоматизованої системи розпізнавання особи за допомогою ПЛК / В. І. Нетреб’як, О. В. Тотосько // Збірник тез доповідей ⅩⅢ Міжнародної науково-практичної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“, 11 грудня 2024 р. – Тернопіль : ФОП Паляниця В. А., 2024. – С. 393–395. . |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 151 — автоматизація та комп’ютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| KRM_Yaroshchuk_D_2025.pdf | Кваліфікаційна робота магістра | 2,26 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора