Разработка архитектуры веб-приложения для детекции объектов на рентгеновских снимках сварных соединений

Abstract

Рассмотрен процесс разработки архитектуры веб-приложения для автоматизированной детекции объектов на рентгеновских снимках сварных соединений с использованием нейросетевой модели YOLOv5. Представлена структура проекта, включающая серверную часть, реализованную на основе асинхронного фреймворка FastAPI, и клиентский интерфейс, разработанный с использованием HTML и JavaScript. Описаны основные этапы работы приложения: загрузка изображения, его предобработка с помощью библиотеки OpenCV, выполнение инференса модели и возврат результатов пользователю в формате JSON с последующей визуализацией обнаруженных объектов. Интерфейс приложения интуитивно понятный и удобный в использовании; он обеспечивает загрузку изображения, его предварительный просмотр и отображение результатов детекции в реальном времени. Приложение развернуто на тестовом сервере под управлением операционной системы Ubuntu 22. 04. Результаты тестирования подтвердили корректное функционирование всех компонентов системы и высокую точность детекции объектов. Продемонстрирован потенциал предложенного решения для автоматизации анализа рентгеновских снимков с применением систем поддержки принятия решений на основе технологий искусственного интеллекта.

The process of developing a web-application architecture for the automated detection of objects in X-ray images of welded joints using the YOLOv5 neural network model is examined. The project’s structure is presented, including the server part, which is based on the asynchronous FastAPI framework, and the client interface, which is developed using HTML and JavaScript. The main stages of application operation are described: image loading, its preprocessing with the OpenCV library, model inference and returning results to the user in JSON format with subsequent visualization of detected objects. The self-explanatory and easy-to-use application interface provides image loading, its previewing, and real-time display of detection results. The application is deployed on a test server running Ubuntu 22.04 operating system. The test results confirmed the correct functioning of all system components and high accuracy of object detection. The potential of the proposed solution for automating X-ray image analysis using the decision support systems based on artificial intelligence technologies.