ДОКЛАДЫ АКАДЕМИИ НАУК
ВЫСШЕЙ ШКОЛЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

В работе представлена обучающая интеллектуальная система «Эксперт Полимер» для идентификации частиц, пригодных для 3D-печати. Программный комплекс предназначен для анализа изображений полимерных материалов на производственной площадке с помощью оптики. Планируется, что данная интеллектуальная система будет использоваться в качестве учебного комплекса программ для студентов высших учебных заведений, а также для биоинженеров и материаловедов в научно-производственных целях. В исследовании использовались технологии Интернета вещей (IoT) для получения изображений с оптических измерительных устройств (электронный микроскоп и др.) от пользователей системы и отправки им результатов анализа изображений. Путем взаимодействия электронного микроскопа с созданным программным комплексом выполнялась задача определения количества всех частиц и количества частиц, удовлетворяющих алгоритму 3D-печати. На основании этих данных эксперт принимает решение о возможности использования полимерных частиц для последующей 3D-печати. Для реализации системы использовались современные библиотеки языка программирования Python, а именно Pandas, Direction2 и YOLOv5 и другие.

1. Amiri S., Salimzadeh S., Belloum A.S.Z. A survey of scalable deep learning frameworks // 2019 15th International Conference on eScience (eScience). – IEEE, 2019. – P. 650–651. – DOI: 10.1109/eScience.2019.00102.
2. Building a fuzzy expert system for assessing the severity of pneumonia / R. Burnashev, A. Enikeeva, I.F. Amer, A. Akhmedova, M. Bolsunovskaya, A. Enikeev // Lecture Notes in Networks and Systems. – Springer, 2023. – Vol. 544. – P. 380–396.
3. Burnashev R.A., Enikeev I.A., Enikeev A.I. Design and implementation of integrated development environment for building rule-based expert systems // 2020 International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon), Vladivostok, Russia. – IEEE, 2020. – P. 1–4. – DOI: 10.1109/FarEastCon50210.2020.9271143.
4. Singh P. Machine learning deployment as a web service // Singh P. Deploy machine learning models to production. – Springer, 2021. – P. 67–90.
5. Mask R-CNN / K. He, G. Gkioxari, P. Dollár, R. Girshick // IEEE International Conference on Computer Vision (ICCV), Venice, Italy. – IEEE, 2017. – P. 2980–2988. – DOI: 10.1109/ICCV.2017.322.
6. Gibadullin R., Marushkai N. Development of predictive CNN based model for vital signs alerts // 2021 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), Sochi, Russia. – IEEE, 2021. – P. 404–409. – DOI: 10.1109/ICIEAM51226.2021.9446354.
7. Shahrubudin N., Lee T., Ramlan R. An overview on 3D printing technology: technological, materials, and applications // Procedia Manufacturing. – 2019. – Vol. 35. – P. 1286–1296. – DOI: 10.1016/j.promfg.2019.06.089.
8. Emblem A. Plastics properties for packaging materials // Packaging Technology. – Woodhead Publishing, 2012. – Ch. 13. – P. 287–309. – DOI: 10.1533/9780857095701.2.287.
9. Preparation and thermal properties of polystyrene/silica nanocomposites / O. Bera, B. Pilic, J. Pavlicevic, M. Jovicic, B. Holló, K. Mészáros Szécsényi, M. Špirkova // Thermochimica Acta. – 2011. – Vol. 515 (1–2). – P. 1–5. – DOI: 10.1016/j.tca.2010.12.006.
10. Li S., Xu L.D., Zhao S. The internet of things: a survey // Information Systems Frontiers. – 2015. – Vol. 17. – P. 243–259.
11. Bradski G. OpenCV Library // Dr. Dobb’s Journal of Software Tools. – 2000. – Vol. 25 (11). – P. 120, 122–125.
12. Geyer R., Jambeck J., Law K. Production, use, and fate of all plastics ever made // Science Advances. – 2017. – Vol. 3 (7). – P. e1700782. – DOI: 10.1126/sciadv.1700782.
13. Sagar M., Elangovan K. Consolidation & factors influencing sintering process in polymer powder based additive manufacturing // IOP Conference Series: Materials Science and Engineering. – 2017. – Vol. 225. – DOI: 10.1088/1757-899X/225/1/012075.
14. Rakhmatullin A.K., Gibadullin R.F. Synthesis and analysis of elementary algorithms for a differential neural computer // Lobachevskii Journal of Mathematics. – 2022. – Vol. 43. – P. 473–483. – DOI: 10.1134/S1995080222050225.
15. TPH-YOLOv5: improved YOLOv5 based on transformer prediction head for object detection on drone-captured scenarios / X. Zhu, S. Lyu, X. Wang, Q. Zhao // 2021 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), Montreal, BC, Canada. – IEEE, 2021. – P. 2778–2788. – DOI: 10.1109/ICCVW54120.2021.00312.