Вестник УлГТУ
Воронина В.В., Миридонов П.А. Исследование возможностей свёрточных нейронных сетей в рамках задачи анализа изображений на наличие дефектов в процессе 3D-печати
Cite. Valeriya V. Voronina, Pavel A. Miridonov Study of the capabilities of convolutional neural networks for image analysis of defects in the 3D-printing process // Bulletin of Ulyanovsk State Technical University 111(3), 49-55 (2025).
Abstract. Two models have been studied: the convolutional neural network (SNN) and the ResNet18 model. The influence of various model training parameters on classification accuracy is investigated; the influence of architecture changes on the accuracy of the model is also studied.
Keywords: classification, images, 3D printing, analysis, neural networks, Python, recognition, defects.
Цитата. Валерия Вадимовна Воронина, Павел Александрович Миридонов Исследование возможностей свёрточных нейронных сетей в рамках задачи анализа изображений на наличие дефектов в процессе 3D-печати // Вестник Ульяновского государственного технического университета. 2025. №3. С. 49-55
Аннотация. Исследованы две модели: свёрточная нейронная сеть (СНС) и модель ResNet18. Исследовано влияние различных параметров обучения моделей на точность классификации; также изучено влияние изменения архитектуры на точность работы модели.
Ключевые слова: классификация, изображения, 3D-печать, анализ, нейросети, Python, распознавание, дефекты.
doi: 10.61527/1684-7016-2025-3-49-55