В результате анализа данных мы выделили шесть основных классов дефектов: трещины, вкрапления, пятна, рябь, замятие, царапины. Эти классы были выбраны не случайно: они представляют собой наиболее часто встречающиеся и значимые типы дефектов, которые могут существенно повлиять на качество и безопасность металлопроката. В итоге у нас получилось собрать 1944 изображений.
Следующий шаг — разделение выборки на обучающую, валидационную и тестовую. Для тренировки нейронной сети с созданием модели вручную и с помощью функции Autokeras были взяты разные соотношения выборок, это обусловлено тем, что валидационная и тестовая выборки должны иметь больший размер при автоматизированном создании модели.
Выделенные дефекты могут иметь серьезные последствия для прочности, долговечности и функциональности металлопроката, поэтому их обнаружение и классификация являются критически важными задачами в производственном процессе. Обучение нейронной сети на точное распознавание этих дефектов позволит повысить качество продукции и безопасность эксплуатации металлических изделий.