Томские ученые разработали нейросеть для диагностики дефектов электроники

Нейросеть научили оценивать качество отечественной электроники Математическую модель и программное обеспечение для контроля качества отечественных материалов, элементов и блоков радиоэлектронной аппаратуры по снимкам 3D-микротомографа, разработали ученые Томского государственного университета ТГУ . Использование нейросети позволило повысить скорость и точность диагностики, разработка превзошла мировые аналоги. «Современная радиоэлектронная аппаратура РАЭ содержит огромное количество радиокомпонентов деталей , например, печатные платы, разъемы, микросхемы, резисторы, и т. д., которые могут иметь внешние и внутренние дефекты. Для их диагностики была обучена нейросеть, при этом было использовано 1 500 эталонных и 10 000 дефектных изображений материалов и элементов РЭА», - приводятся в сообщении слова руководителя проекта, заведующего международной лабораторией "Системы технического зрения" Научного управления ТГУ.

Учёные ТГУ при поддержке РНФ разработали математическую модель и программное обеспечение для дефектоскопии снимков интеллектуального рентгеновского 3D-микротомографа В ходе тестирования выявили, оно превосходит по точности, помехоустойчивости и быстродействию аналогичные технологии США, Китая и Тайваня. Результаты проекта уже используются в промышленности. Заведующий международной лабораторией «Системы технического зрения», учёный ФИТ ТГУ Владимир Сырямкин: — Наша нейросеть способна распознавать изображения различной размерности и цветности. Комплексный алгоритм, используемый в ней, воплотил свойства так называемого искусственного интеллекта первого рода, и способен решать самые сложные задачи. Подробнее ________________

В России запустили нейросеть для контроля качества электроники. В ТГУ разработали математическую модель и ПО для оценки качества электроники по снимкам цифрового рентгеновского 3D-микротомограф. Для обучения ИИ было использовано 1,5 тыс эталонных и 10 тыс дефектных изображений материалов и элементов РЭА, а также цифровые двойники печатных плат, транзисторов, конденсаторов и тд. Софт можно легко адаптировать в систему управления качеством выпускаемой продукции на предприятиях ВПК и гражданской промышленности. В университете уверяют, что софт позволяет диагностировать качество электроники на производстве быстрее и точнее, чем аналоги из США, Китая, Тайваня и других стран. Ну, поверим на слово, почему бы и нет.

Российские ученые из Томского государственного университета ТГУ разработали нейросеть для оценки качества радиоэлектронной аппаратуры РЭА по снимкам цифрового рентгеновского 3D-микротомографа . Тестирование показало, что эта система превосходит по точности, помехоустойчивости и быстродействию существующие аналоги из США, Китая, Тайваня и других стран. Современная РЭА содержит множество компонентов, таких как печатные платы, разъемы, микросхемы и резисторы, которые могут иметь внешние и внутренние дефекты . Для их диагностики ученые обучили нейросеть, использовав 1,5 тысячи эталонных и 10 тысяч дефектных изображений . Разработка поддержана Российским научным фондом и уже применяется в промышленности . ПО легко интегрируется в системы управления качеством продукции на предприятиях военно-промышленного комплекса и гражданской промышленности . В настоящее время ведется работа по внедрению данного подхода, например, в компании «Информационные спутниковые системы» имени академика М.Ф. Решетнева . Эта инновация позволит значительно повысить надежность и качество отечественной электроники, обеспечивая конкурентоспособность на мировом рынке .

В Сибири заявили, что создали лучшую в мире нейросеть для контроля качества электроники Программа на основе ИИ, созданная в Томском государственном университете, анализирует снимки 3D-микротомографа, определяя дефекты быстрее и точнее зарубежных аналогов из США, Китая, Тайваня и других стран. Для созданий нейронки использовали 1,5 тыс. эталонных и 10 тыс. дефектных изображений элементов электроники, а также цифровые двойники печатных плат, транзисторов, конденсаторов и других компонентов Курс на Реверс: разработка уже применяется в промышленности. Автоматизация контроля сейчас особенно востребована: с 2020 года рынок российской электроники вырос более чем в 1,5 раза, а число наименований в реестре российской радиоэлектронной продукции – на 720%

Томские учёные обучили нейросеть диагностировать дефекты отечественной микроэлектроники. Этап тестирования продукта показал, что разработанное специалистами ТГУ алгоритмическое и программное обеспечение превосходит по точности, помехоустойчивости и быстродействию аналогичные технологии США, Китая, Тайваня и других стран. Как пишет Томская интернет-газета, результаты проекта уже используются в промышленности для дефектоскопии элементов радиоэлектронной аппаратуры и другого оборудования.

НЕЙРОСЕТЬ НАУЧИЛИ ОЦЕНИВАТЬ КАЧЕСТВО ОТЕЧЕСТВЕННОЙ ЭЛЕКТРОНИКИ Ученые Томского государственного университета разработали математическую модель и программное обеспечение для контроля качества отечественных материалов, элементов и блоков радиоэлектронной аппаратуры по снимкам 3D-микротомографа. Нейросеть повысила скорость и точность диагностики. Разработка превосходит по точности, помехоустойчивости и быстродействию аналогичные технологии США, Китая, Тайваня и других стран, сообщили в вузе. «Современная радиоэлектронная аппаратура РАЭ содержит огромное количество радиокомпонентов деталей , например, печатные платы, разъемы, микросхемы, резисторы, и т. д., которые могут иметь внешние и внутренние дефекты. Для их диагностики была обучена нейросеть, при этом было использовано 1 500 эталонных и 10 000 дефектных изображений материалов и элементов РЭА», — рассказал руководитель проекта Владимир Сырямкин. В процессе обучения также были использованы цифровые двойники объектов диагностики: печатных плат, транзисторов, конденсаторов, катушек индуктивности и т. д. Их тоже использовали в библиотеке данных при обучении ИИ, что повысило точность диагностики. Теперь нейросеть способна распознавать изображения различной размерности и цветности. Комплексный алгоритм, используемый в ней, воплотил свойства, так называемого, искусственного интеллекта первого рода, способный решать самые сложные задачи. Разработка уже используются в промышленности для дефектоскопии элементов РЭА и другого оборудования. Программное обеспечение на основе нейросетевых технологий можно легко адаптировать в систему управления качеством выпускаемой продукции на предприятиях ВПК и гражданских промышленности РФ. Проводится организационная работа по внедрению результатов проектов РНФ на предприятиях Роскосмоса. Источник: ТАСС #времявперёд!

Российские учёные разработали ИИ для обнаружения дефектов снимков интеллектуального рентгеновского 3D-микротомографа. В процессе обучения нейросети ученые использовали 1,5 тыс. эталонных и 10 тыс. дефектных изображений, научив ее эффективно выполнять сложные задачи. В итоге она превзошла аналоги из США, Китая и Тайваня. И сейчас уже ведется внедрение нейросети в промышленность.

НЕЙРОСЕТЬ НАУЧИЛИ ОЦЕНИВАТЬ КАЧЕСТВО ОТЕЧЕСТВЕННОЙ ЭЛЕКТРОНИКИ Ученые Томского государственного университета разработали математическую модель и программное обеспечение для контроля качества отечественных материалов, элементов и блоков радиоэлектронной аппаратуры по снимкам 3D-микротомографа. Нейросеть повысила скорость и точность диагностики. Разработка превосходит по точности, помехоустойчивости и быстродействию аналогичные технологии США, Китая, Тайваня и других стран, сообщили в вузе. «Современная радиоэлектронная аппаратура РАЭ содержит огромное количество радиокомпонентов деталей , например, печатные платы, разъемы, микросхемы, резисторы, и т. д., которые могут иметь внешние и внутренние дефекты. Для их диагностики была обучена нейросеть, при этом было использовано 1 500 эталонных и 10 000 дефектных изображений материалов и элементов РЭА», — рассказал руководитель проекта Владимир Сырямкин. В процессе обучения также были использованы цифровые двойники объектов диагностики: печатных плат, транзисторов, конденсаторов, катушек индуктивности и т. д. Их тоже использовали в библиотеке данных при обучении ИИ, что повысило точность диагностики. Теперь нейросеть способна распознавать изображения различной размерности и цветности. Комплексный алгоритм, используемый в ней, воплотил свойства, так называемого, искусственного интеллекта первого рода, способный решать самые сложные задачи. Разработка уже используются в промышленности для дефектоскопии элементов РЭА и другого оборудования. Программное обеспечение на основе нейросетевых технологий можно легко адаптировать в систему управления качеством выпускаемой продукции на предприятиях ВПК и гражданских промышленности РФ. Проводится организационная работа по внедрению результатов проектов РНФ на предприятиях Роскосмоса.

В России научили нейросеть проверять качество электроники Ученые из Томского государственного университета ТГУ разработали алгоритм и программное обеспечение, которое позволяет выявлять дефекты в материалах, элементах и блоках радиоэлектронной аппаратуры РЭА . Система анализирует снимки, сделанные интеллектуальным рентгеновским 3D-микротомографом. Создание российской эффективной системы для дефектоскопии обусловлено растущим объемом производства отечественной электроники. Предложенный исследователями из ТГУ подход уже опробован на реальном промышленном производстве электроники и другого оборудования. В обучении нейросети также использовались цифровые двойники компонентов электроники: от печатных плат и транзисторов до катушек индуктивности и других элементов. Это позволяет улучшить качество и точность диагностики, в том числе для выявления очень редких и сложных дефектов, которые проще смоделировать, чем воссоздать в реальности. Искусственный интеллект может распознавать изображения различной размерности и цветности.