Abstract
<jats:p>У статті розглянуто актуальну науково-прикладну проблему забезпечення надійності стрічкових конвеєрів шляхом впровадження інтелектуальної автоматизованої системи моніторингу дефектів конвеєрних стрічок на промислових підприємствах. Стрічкові конвеєри є критичними елементами технологічних процесів у гірничодобувній, металургійній, цементній, харчовій та багатьох інших галузях, і від їх безперервної роботи залежить функціонування цілих виробничих ліній. Водночас, традиційні методи діагностики стрічок – переважно візуальні огляди персоналом – мають суттєві обмеження, пов’язані з людським фактором, необхідністю зупинки обладнання та неможливістю забезпечити цілодобовий контроль. Метою дослідження є розроблення та експериментальне обґрунтування ефективності системи комп’ютерного зору для автоматизованого виявлення дефектів стрічки в умовах реального виробництва. Запропоновано комплексну архітектуру системи діагностики, що включає три рівні: модуль класифікації загального стану стрічки (на основі ResNet-18), модуль детекції типових дефектів (Fast R-CNN), а також модуль сегментації пошкоджень для точного виділення контурів та оцінки площі дефектів (Mask R-CNN). Навчання моделей здійснювалося на базі експериментального набору зображень, зібраного з відеопотоку промислової камери. Отримані результати свідчать про високу точність розпізнавання несправностей і можливість адаптації системи до умов українських підприємств. Модель класифікації демонструє похибку менше 7 %, а детектор і сегментатор забезпечують якісне виявлення та локалізацію дефектів. Показано, що застосування запропонованої системи дозволяє переходити від реактивного технічного обслуговування до предиктивного (прогнозного), мінімізуючи аварії та витрати на ремонт. У перспективі розглядається інтеграція системи з платформами MES/ERP для формування повноцінного цифрового контуру управління технічним станом обладнання у відповідності до концепції Industry 4.0.</jats:p>