Аннотация результатов, полученных в 2025 году
Разработана программа сбора и представления массива данных об электромагнитном отклике материала от поверхности исследуемого объекта для реализации метода терагерцовой неразрушающей диагностики. Методом FDM 3D печати была изготовлена партия тестовых образцов для проведения исследования влияния диаметра сопла экструзионной головки 3D принтера на диэлектрическую проницаемость образцов материалов. Результаты исследования материалов на импульсном (TDs) спектрометре и интерферометре Маха-Цандера показали, что значение действительной части диэлектрической проницаемости для ABS варьируется от 2,4 до 2,65 отн. ед. в зависимости от диаметра сопла при 3D печати. Для PETG значение действительной части диэлектрической проницаемости изменяется от 2,6 до 3 отн. ед., для PLA от 2,5 до 2,7 отн. ед., для SBS от 2,3 до 2,65 отн. ед. Значение мнимой части диэлектрической проницаемости для всех образцов не превышает 0,2 отн. ед. Корреляция полученных результатов с использованием двух измерительных установок позволила подтвердить корректность полученных результатов. Методами временной спектроскопии в диапазоне частот 100-1000 ГГц с использованием алгоритма Нелдера–Мида и субтегерцовой спектрометрии непрерывного действия (115-258 ГГц) проведено сравнение диэлектрических свойств акрилонитрилбутадиенстирола (ABS), акрилонитрилстиролакрилата (ASA ), филамента собственного производства из гранул ASA и материала промышленного корпуса РЭА G767 REE, изготовленного из ABS. Установлено, что диэлектрическая проницаемость передней панели и корпуса существенно не отличаются. Действительная часть диэлектрической проницаемости находится в диапазоне 2,6-2,75 отн. ед., а мнимая часть составляет 0,03-0,11 отн. ед. Полученные значения диэлектрической проницаемости доказывают, что аналогичные материалы были правильно подобраны для корпуса РЭА и по своим характеристикам сопоставимы с пластиками для FDM 3D-печати. Для априорной оценки возможности визуализации дефектов 3D-печати был изготовлен многослойный объект. Методом амплитудного ТГц имиджинга были получены изображения структуры тестового объекта на частоте 872 ГГц. Результаты анализа структуры тестового объекта оптической микроскопией на микроскопе (Levenhuk D400T) c цифровой камерой (3,1 Мпк) выявил зазоры между слоями на поверхности объекта, связанные с оплавлением полимерной нити на центральный слой (из электропроводящего АБС) объекта. Анализ результатов ТГц имиджинга и оптической микроскопии поверхности тестового объекта показал, что радиоволновая визуализация объекта позволяет выявить как межслоевую топологию его изготовления, так и скрытые дефекты внутри самого объекта. Написан программный код, реализующий полный цикл обучения нейронной сети на изображениях дефектов в терагерцовом диапазоне с многовыходной моделью, которая предсказывает: - тип дефекта (сфера, параллелепипед, без дефекта); - координаты дефекта (xd, yd); - диаметр (dD) – диаметр сферы / толщина и ширина параллелепипеда; - угол дефекта (Alpha) — только для параллелепипеда; - наличие дефекта (0/1 ). Обучение модели производилось в течении 500 эпох на сбалансированном датасете с аугментацией. При распознавании тестовой выборки получены следующе метрики: средняя абсолютная ошибка (MAE) координат: 0,910 мм; MAE диаметра: 0,402 мм; MAE угла: 0,5°; точность типа: 100,00%; точность наличия дефекта: 100,00%; alpha_loss = 0,0016; alpha_mae = 0,0400; coord_loss = 0,0157; coord_mae = 0,1105; diam_loss = 0,0135; diam_mae = 0,1162; has_defect_accuracy = 1,0000; has_defect_loss = 0,0018; loss: 0,0344; type_accuracy = 1.0000; type_loss = 0,0018. Точность определения наличия дефекта (has_defect) составила 100,00%, что говорит о полной корректности бинарной классификации. Это критически важный параметр для применения модели в системах промышленного контроля, где недопущение пропуска дефекта является приоритетом. При определении типа дефекта (type) также зафиксирована 100,00% точность. При достаточном объеме и сбалансированности обучающей выборки это свидетельствует о высокой способности модели к дифференциации типов повреждений. MAE для координаты центра дефекта (xd, yd) составила 0,1105 (нормализованное значение). В пикселях (при размере изображения 11×11) это соответствует MAEpx=1,216 пикселей; при масштабе 0,5 мм/пиксель (например) это MAEmm=1,216×0,5≈0,61 мм. Это приемлемая точность для задач технического зрения, особенно на низком разрешении входного окна. Для диаметра дефекта (dD) нормализованная MAE составила 0,1162. В пикселях: MAEpx = 1,28 пикселя; MAEpx = 1,28 пикселя. В миллиметрах MAEmm = 0,64 мм MAEmm=0,64 мм. Для угла ориентации (alpha) MAE составила 0,04 в нормированных единицах. При нормализации на диапазон [-1, 1], что соответствует [0°, 180°], абсолютная ошибка MAEα составила 3,6°. Для большинства задач оценки ориентации дефекта (например, микротрещин) ошибка менее 4° считается весьма удовлетворительной. Модель продемонстрировала высокую точность как в задачах классификации, так и в задачах регрессии. Отсутствие ошибок в определении типа и наличия дефекта позволяет использовать данную архитектуру в системах автоматического контроля качества. Ошибки по координатам и диаметру находятся на уровне менее 1,3 пикселя, что соответствует 0,6–0,9 мм в пространственных координатах — приемлемый уровень точности при 11×11 пикселях и низком разрешении.