24 декабря 2018 года НЛМК открыл в Воронежском государственном университете лабораторию машинного обучения. Представители металлургического комбината пообещали, что предложат нашим студентам подумать над решением производственных задач. Об одном таком проекте рассказывают выпускницы факультета прикладной математики, информатики и механики – Мария Жихарева и Екатерина Ткач – и их научные руководители.
Дирекция по анализу данных и моделированию НЛМК поставила перед студентами задачу по металлографии – классическому методу исследования качества металлов. С помощью структурного анализа, то есть выделения зёрен на микрофотографиях продольных и поперечных шлифов и измерении их абсолютных и относительных размеров, определяется сорт металла. В последнее время появились автоматические анализаторы изображений, но задача полностью автоматизированного определения структуры еще не решена. Используемое сегодня программное обеспечение работает недостаточно хорошо: требуется существенная ручная доработка оператором. Мария Жихарева, стипендиат НЛМК, предложила решение этой проблемы:
– Тема моей работы – «Реализация методов количественной металлографии с помощью глубоких свёрточных нейронных сетей». Для оценки качества металла проводятся количественные измерения: например, вычисляются площади зёрен металла и анализируется их распределение. Прежде чем вычислить площади ячеек и построить гистограмму их распределения, необходимо выделить контуры ячеек на изображении микроскопической структуры металлического шлифа. Это достаточно трудозатратно, кроме того, результаты металлографического анализа полностью зависят от компетентности оператора-металловеда, поэтому на предприятии захотели автоматизировать процесс. Нам удалось доказать, что свёрточные нейронные сети не только хорошо справляются с выделением зерен, но и превосходят подход с использованием классических алгоритмов компьютерного зрения. Программа сегментирует контуры на изображении шлифа металла с помощью нейросети, находит каждую ячейку, вычисляет основные металлографические метрики по всем ячейкам, строит гистограммы их распределений.
Научный руководитель проекта, профессор кафедры математических методов исследования операций Ирина Каширина отметила, что в НЛМК разработкой остались довольны:
– Качество проведенной работы превосходит существующие разработки. Исследование Марии также понравилось и в Дирекции по анализу данных и моделированию НЛМК. Задача сама по себе была очень интересная. Сложность состояла именно в получении замкнутых контуров зерен, то есть надо было сделать так, чтобы алгоритм сам замыкал их, и не требовалась ручная доводка оператором. На исходных микрофотографиях шлифов не все границы различимы. Наличие незамкнутых контуров вносит существенные погрешности в подсчет металлографических метрик – площадь зерен, периметр, максимальный диаметр. Если эти метрики посчитаны неправильно, то ошибочно определяется и сорт металла. Наша задача была научиться замыкать контуры. Для этого пришлось разработать специальную модификацию сверточной нейронной сети.
Работа Екатерины Ткач называлась «Исследование алгоритмов выделения контуров в задаче металлографии». Под руководством доцента кафедры вычислительной математики и прикладных информационных технологий Ольги Медведевой она применила методы компьютерного зрения к решению той же задачи:
– В рамках исследования мне предстояло выделить контуры на изображении шлифа металла, посчитать площади зерен и закрасить близкие в смысле размеров площадей области в один цвет, используя только методы компьютерной графики. Разработка могла бы стать частью системы, которая анализирует изображения микроструктуры металлов. Мне удалось провести программный подсчет площадей и закраску близких по площади зерен, а также проанализировать итоги работы алгоритма. Результаты применения «чистых» алгоритмов выделения контуров оказались несколько хуже подхода со сверточными нейронными сетями, который параллельно разрабатывался на факультете Марией Жихаревой. Исследование хотелось бы продолжить, чтобы повысить точность работы алгоритма и усовершенствовать его методы оценки.
Доцент Ольга Медведева отметила, что предложенную НЛМК тематику разработок можно совместными усилиями продолжать и дальше:
– Идея дипломного проекта Кати появилась после разговора с Ириной Кашириной. Так как мы в бакалавриате работали над алгоритмами выделения контуров на изображении, которые оказались применимы для решения поставленной задачи в области металлографии, то решили развить эту тематику дальше. Мы разработали программный продукт, позволяющий идентифицировать контуры на изображении шлифа металла и выделить близкие по площади сегменты. Точность работы нашего алгоритма – порядка 80-90 % в зависимости от качества исходного изображения, а также толщины контура. Мы старались использовать алгоритмы именно компьютерной графики и обработки изображений. В дальнейшем эту тематику можно развивать, совместив разработанные подходы.
