Numer: 03/2025 Str. 194
Autorzy: Bartłomiej Błądek , Albina Jegorowa , Jarosław Kurek :
Tytuł: Analiza porównawcza grad-CAM i LIME pod kątem możliwej do wyjaśnienia sztucznej inteligencji w opartej na CNN klasyfikacji otworów wierconych w płycie wiórowej pokrytej melaminą
Streszczenie: W przemyśle meblarskim precyzja w wierceniu otworów w płycie wiórowej laminowanej melaminą jest kluczowa dla utrzymania jakości produktu i minimalizacji strat finansowych. Ręczne monitorowanie stanu wierteł, choć do pewnego stopnia skuteczne, jest nieefektywne i mało precyzyjne. W niniejszym artykule przedstawiono porównawczą analizę dwóch technik wyjaśnialnej sztucznej inteligencji (XAI) — Gradient-weighted Class Activation Mapping (Grad-CAM) i Local Interpretable Model-Agnostic Explanations (LIME) — zastosowanych w podejściu opartym na konwolucyjnej sieci neuronowej (CNN) do automatycznego monitorowania stanu narzędzi (TCM). Wykorzystując wstępnie wytrenowaną sieć VGG16, klasyfikujemy stan wywierconych otworów na trzy kategorie: zielony, żółty i czerwony. Zarówno Grad-CAM, jak i LIME dostarczają wizualnych wyjaśnień dla predykcji modelu, zwiększając przejrzystość i niezawodność systemu. Nasze porównawcze badanie podkreśla mocne i słabe strony każdej metody w interpretacji decyzji modelu CNN, mając na celu poprawę efektywności i wiarygodności zautomatyzowanych systemów TCM. Proponowane podejście wykazuje znaczący potencjał w zastosowaniach przemysłowych, gdzie zrozumienie procesu decyzyjnego modeli AI jest tak samo krytyczne jak ich dokładność.
Słowa kluczowe: grad-cam, lime, wyjaśnialna ai, uczenie maszynowe, płyta wiórowa laminowana, monitorowanie stanu narzędzia