Сучасна промисловість працює в умовах використання новітніх розробок та технологій, що відповідають стандартам Індустрії 4. Характерними рисами є все більш широка автоматизація, використання засобів штучного інтелекту та цифрових технологій.На кафедрі МІМ Одеської політехніки розробляється метод багаторівневого розпізнавання класів компонентів структур (КС)матеріалів – з використанням ознак форми контурів КС, ознак текстур та кольорових складових. У ряді випадків має місце виникнення різноманітних похибок. Проведені дослідження показали присутність похибок при виділенні контурів КС матеріалів внаслідок невисокої якості вихідних зображень мікроструктур. Іноді має місце помилкове формування багатозв’язних контурів КС замість однозв’язних. При використанні методу діхотомії для поступового розпізнавання класів КС (без попереднього відбору найбільш інформативних ознак) якість розпізнавання значно погіршується. Подальші дослідження будуть направлені на покращення якості обробки цифрових зображень КС та вдосконаленню алгоритмів розпізнавання класів КС.
Modern industry operates in the conditions of using the latest developments and technologies that meet the standards of Industry 4. Characteristic features are the growing automation, the use of artificial intelligence and digital technologies.At the Department of Materials Science and Materials Engineering of Odessa Polytechnicthe method of multilevel recognition of classes of components of materials structures (CS) is developed - with use of signs of the form of CS contours, signs of textures and color components. In some cases, there are various errors. Studies have shown the presence of errors in the selection of the contours of the CS materials due to the low quality of the original images of microstructures. Sometimes there is a mistaken formation of multiconnected contours of the CS instead of single-connected one.When using the dichotomy method for the gradual recognition of CS classes (without prior selection of the most informative features), the quality of recognition deteriorates significantly. Further research will be aimed at improving the quality of digital image processing of CS and improving algorithms for recognizing CS classes
