Приборы и системы. Управление, контроль, диагностика Аннотация к статье << Назад Создание синтетического видеоряда для обучения систем детекции аномалии на объектах АСУТП Э.В. БОРОДОВ, А.Г. ГОРЮНОВ Предложен и реализован метод создания физически обоснованного синтетического видеоряда для обучения и валидации гибридных систем детектирования аномалий на изображениях. Подход ориентирован на применение в условиях объектов энергетики и объектов использования атомной энергии (ОИАЭ), где дефицит размеченных данных, связанных с развитием дефектов во времени, является ключевым ограничением при внедрении автоматизированных систем контроля качества. Основные этапы метода: создание эталона нормы, моделирование развития дефектов, добавление реалистичного промышленного шума, стресс-тестирование, автоматическая временная разметка. Для создания нормы изображения используется построение медианного кадра на основе реальных изображений и комбинированное выравнивание. Моделирование развития дефектов осуществляется через модель стохастического процесса, модель диффузии тепла, текстурные изменения, а также имитацию дрожания и бликов. Реалистичный шум строится на основе центрированного Пуассоновского и коррелированного Гауссова шумов. Стресс-тестирование осуществляется с помощью направленных геометрических и аппаратных аугментаций. Аугментации выполняют следующие функции: увеличение обобщающей способности, подавление переобучения, формальное тестирование робастности, подготовка к испытаниям с удаленными вычислениями. Показано, что использование всех этапов метода позволяет повысить F1 метрику с 0,81 до 0,9, при этом снижая частоту ложных срабатываний с 22 % до 9 %. Особенно значительным является вклад стресс-аугментаций, которые обеспечивают устойчивость к геометрическим искажениям, характерным для условий эксплуатации промышленного оборудования. Предложенная стратегия реализована в рамках подготовки данных для гибридной системы анализа, сочетающий свёрточную нейросеть (CNN) топологический анализ данных (TDA), вейвлеты и энтропию Шеннона. Она может быть использована в составе удаленных систем вычисления на одноплатном компьютере, а также в цифровых двойниках ответственных установок. Результат показывает возможность создания высококачественного, интерпретируемого и воспроизводимого учебного датасета, пригодного для обучения, валидации и стресс-тестирования систем технического зрения. Ключевые слова: синтетический видеоряд, детекции аномалий, робастность, Гауссов шум, Пуассоновский шум. DOI: 10.25791/pribor.4.2026.1662 Стр. 01-10.