Abstract
<jats:p>Представлены результаты разработанной модели детектирования объектов на рентгеновских снимках сварных соединений с использованием искусственной нейронной сети YOLOv5. Рационально выбранная модель позволила достичь наибольшей точности обнаружения объектов на рентгеновских снимках сварных швов. Подобрана метрика оценки точности работы нейросетевой модели. Обучение модели выполнялось на наборе данных, размеченных с помощью приложения “label-studio”. В результате получена модель, выполняющая детектирование маркировочных знаков на рентгеновских снимках с порогом обнаружения объектов 0,65 и значениями точность-полнота (Precision-Recall) на уровне 0,978. Точность (Precision) распознавания маркировочных знаков составила 97 %. Исследование показало, что предложенная модель может быть использована в программных решениях для автоматизированного радиационного неразрушающего контроля, повышая эффективность и достоверность оценки качества сварных соединений.</jats:p> <jats:p>The article presents the results of the developed model for detecting objects in X-ray images of welded joints using the YOLOv5 artificial neural network. A rationally chosen model made it possible to achieve the highest accuracy in detecting objects in X-ray images of welded joints. A metric for assessing the accuracy of the neural network model was selected. The model was trained on a data set labeled using the "label-studio" application. As a result, a model was obtained that detects marking signs in X-ray images with an object detection threshold of 0.65 and Precision-Recall values at the level of 0.978. The accuracy (Precision) of recognizing marking signs was 97 %. The study shows that the proposed model can be used in software solutions for automated radiation non-destructive testing, increasing the efficiency and reliability of assessing the quality of welded joints.</jats:p>