Распознавание режимов формирования трещины при лазерном термораскалывании с использованием сверточных нейронных сетей

Abstract

В данной работе рассматривается задача прогнозирования поведения трещины при лазерном термораскалывании силикатного стекла — важного материала, используемого в производстве компонентов микроэлектроники и оптики. Учитывая высокие требования к качеству кромки и необходимости раннего выявления отклонений, предложено использование методов компьютерного зрения и глубокого обучения для автоматизации контроля. Основой предложенного подхода является сверточная нейронная сеть ResNet-50, адаптированная под задачу анализа видеоданных в реальном времени. Проведённая тонкая настройка последних слоёв сети позволила достичь высокой точности при классификации развития трещины. Результаты демонстрируют перспективность применения ResNet для задач контроля процессов лазерного термораскалывания хрупких неметаллических материалов.