Эффективность систем контроля наносимых текстур по большей части характеризуется ручным трудом. Из-за ограниченных возможностей человеческого мозга и глаза по контролю актуальна разработка систем, основанных на автоматизированном замещении человеческого ресурса с помощью технического зрения и новейших технологий. В статье проведен обзор методологий построения систем контроля на базе технического зрения. Описана предметная область, заключающаяся в номенклатурном контроле нанесения текстуры на поверхность. Проведен анализ основных проблем предметной области, связанных с обработкой изображений текстур. Рассмотрены методы распознавания и проведено сравнение по критериям распознавания и классификации. В связи с узкоспециализированной направленностью и фактическим отсутствием отечественных аналогов предложено системное решение на базе использования линейной камеры в связке с нейросетью. За основу взята нейросетевая модель EfficientNetV2 с входным форматом кадра 480х480. Описан алгоритм аугментации и подготовки датасетов для обучения, извлекаемый с изображения линейной камеры. Предложен алгоритм автоматизации цикла работы решения на основе расчета центроидов евклидова пространства, вычисления принадлежности классу. Его применение также позволяет осуществлять автоматическое дообучение системы контроля путем использования данных псевдоклассов от kmeans++ кластеризации. Предложенное авторами решение протестировано в производственных циклах, полученные результаты свидетельствуют о пригодности предложенного подхода для организации автоматического контроля наносимой текстуры.

The effectiveness of control systems for applied textures is mostly characterized by manual labor. Due to the limited control capabilities of the human brain and eye, the development of systems based on automated replacement of human resources with the help of technical vision and the latest technologies is relevant. The article provides an overview of methodologies for building control systems based on technical vision. The subject area is described, which consists in the nomenclature control of applying texture to the surface. The analysis of the main problems of the subject area related to the processing of texture images is carried out. Recognition methods are considered, and a comparison is made according to recognition and classification criteria. Due to the highly specialized orientation and the actual absence of domestic analogues, a system solution based on the use of a linear camera in conjunction with a neural network is proposed. The neural network model EfficientNetV2 with an input frame format of 480x480 is taken as a basis. The algorithm of augmentation and preparation of datasets for training, extracted from the image of a linear camera, is described. An algorithm for automating the cycle of the solution based on the calculation of the centroids of Euclidean space, the calculation of class membership is proposed. Its application also allows for automatic retraining of the control system by using pseudo-class data from kmeans++ clustering. The solution proposed by the authors has been tested in production cycles, the results obtained indicate the suitability of the proposed approach for organizing automatic control of the applied texture.