Российские ученые создали нейросеть для выявления дефектов солнечных батарей

Ученые Института искусственного интеллекта AIRI разработали систему машинного обучения, способную выявлять дефекты в структуре ячеек солнечных батарей. Алгоритм также способен определять наиболее вероятные ошибки в технологической цепочке производства, приводящие к дефектам. Работа программного пакета была проверена на реальном производстве. Об этом говорится в сообщении пресс-службе вуза.

«Результатом совместной работы команд стало успешное опытно-промышленное испытание системы на действующем производстве завода «Хевел» в Новочебоксарске. При обнаружении на этапе сортировки двух и более изображений, имеющих дефекты одного типа с аналогичной локализацией, модель в режиме реального времени информировала о наиболее вероятных узлах оборудования производственной линии завода, связанных с найденными дефектами», — сообщили в пресс-службе.

Разработкой алгоритма занимался научный коллектив под руководством Семена Буденного, который возглавляет группу «Дизайн новых материалов» Института искусственного интеллекта AIRI,  в сотрудничестве со специалистами IT-компании «Солтех» и компании «Хевел».

Исследователи подготовили базу данных из примерно 68 тысяч изображений, полученных при работе реальных промышленных предприятий по производству солнечных батарей, и использовали ее для обучения разработанной ими нейросети. Ее первые тесты на открытых базах данных показали, что алгоритм способен выявлять дефекты и их возможный источник с точностью примерно 90-95%.

#сделановроссии
#нейросети

🇷🇺 Подписывайтесь на «Сделано в России»

Отечественные инженеры научили нейросеть спать и анализировать свои решения🤖

Российские разработчики создали спайковую нейросеть с функцией сна, которая периодически пересматривает свои решения. Андрей Лаврентьев, эксперт по нейроморфным технологиям, поделился этой информацией с «Газетой.Ru». По его словам, спайковые сети работают с событиями, на них можно строить элементы памяти, внимания, искусственный интеллект будущего.

Лаврентьев пояснил, что решения, которые нейросеть принимает в течение дня, могут быть не самыми оптимальными, так как требует мгновенного выполнения. Однако в процессе сна, у ИИ появляется возможность проанализировать сказанное, имея больше времени для анализа и сравнения различных вариантов. Этот опыт, накопленный во время сна, позволяет нейросети принимать более обдуманные решения и извлекать уроки из своих предыдущих действий.

Он также подчеркнул, что разработка архитектур для спайковых нейросетей открывает огромные возможности, включая самообучение сетей.

Изображение сгенерировано нейросетью

#сделановроссии
#нейросети
#ИИ

🇷🇺 Подписывайтесь на «Сделано в России»

В России разработали нейросеть для работы с 2D-анимацией🎨

Выпускники Московского физико-технического института разработали нейросеть Anix, предназначенную для обработки 2D-анимации, сообщают «Известия». Основное преимущество данного программного обеспечения заключается в том, что по всего лишь двум имеющимся кадрам оно способно автоматически генерировать все остальные промежуточные движения.

«Мы решаем проблему создания промежуточных кадров между ключевыми — задачу интерполяции (нахождение промежуточных звеньев. — Ред.) или, как принято говорить в индустрии, автофазовки», — рассказал технический директор Anix Андрей Царев.

Принцип работы технологии следующий: аниматор загружает начальный и конечный кадры движения, например, начало и конец прыжка персонажа. Эта пара ключевых изображений подается на вход нейронной сети, которая выделяет особенности каждой картинки. Затем система определяет, как должен изменяться рисунок от одного кадра к другому, создавая переходные точки. В результате создание готового ролика, которое ранее занимало несколько дней, теперь занимает всего 15 секунд.

Изображение сгенерировано нейросетью

#сделановроссии
#анимация
#нейросети

🇷🇺 Подписывайтесь на «Сделано в России»