惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Cloudbric
Cloudbric
Schneier on Security
Schneier on Security
V2EX - 技术
V2EX - 技术
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
O
OpenAI News
S
Security @ Cisco Blogs
Scott Helme
Scott Helme
Security Archives - TechRepublic
Security Archives - TechRepublic
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
WordPress大学
WordPress大学
云风的 BLOG
云风的 BLOG
T
Threatpost
Hacker News: Ask HN
Hacker News: Ask HN
Microsoft Azure Blog
Microsoft Azure Blog
Know Your Adversary
Know Your Adversary
博客园 - 三生石上(FineUI控件)
A
About on SuperTechFans
Forbes - Security
Forbes - Security
NISL@THU
NISL@THU
Security Latest
Security Latest
G
Google Developers Blog
D
Docker
T
Threat Research - Cisco Blogs
N
Netflix TechBlog - Medium
C
CERT Recently Published Vulnerability Notes
H
Help Net Security
B
Blog
Martin Fowler
Martin Fowler
N
News and Events Feed by Topic
Simon Willison's Weblog
Simon Willison's Weblog
Hacker News - Newest:
Hacker News - Newest: "LLM"
L
Lohrmann on Cybersecurity
Y
Y Combinator Blog
PCI Perspectives
PCI Perspectives
F
Fortinet All Blogs
MyScale Blog
MyScale Blog
Project Zero
Project Zero
爱范儿
爱范儿
Cisco Talos Blog
Cisco Talos Blog
博客园 - 聂微东
Hugging Face - Blog
Hugging Face - Blog
人人都是产品经理
人人都是产品经理
V
Vulnerabilities – Threatpost
P
Proofpoint News Feed
Cyberwarzone
Cyberwarzone
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
TaoSecurity Blog
TaoSecurity Blog
N
News | PayPal Newsroom
Recorded Future
Recorded Future

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Использование машинного обучения в работе с SolidWorks (2 часть): тестирование и практическое применение
OptimusPrimu · 2026-05-15 · via Все публикации подряд на Хабре

Уровень сложностиПростой

Время на прочтение6 мин

Охват и читатели30

Кейс

Всем привет.

В прошлой статье я поделился своими наработками в области работы ИИ с CAD-программами (в моём и нашем случае, SolidWorks). В этот раз поделюсь практическими результатами на примере тестового ядра своей программы, которую уже затрагивал.

Краткая теория (совсем кратко)

Для тестирования я подготовил 3 папки с 10 файлами деталей в каждой, переименованными в соответствии с их истинным (по моим человеческим меркам) классом: "Без гибки", "Гибка", "Вальцовка". В папке №1 находятся детали, "родственники" которых уже приняли участие в обучении (см. "Тест №1"). В папках №2 и №3 расположены новые для модели детали.

Работа подразумевает обязательную конвертацию в STEP, поскольку оригинальный формат деталей и сборок SolidWorks (.sldprt и .sldasm соответственно) является проприетарным и его нельзя просто взять, "разобрать" и изучить, а уж тем более дать нейронке изучить без какой-либо обработки. Так что этот момент важно уточнить в самом начале.

Оценка точности модели будет производиться с помощью автоматически созданной таблицы (программой). Под понятием "точность" подразумевается соотношение количества верно классифицированных деталей к общему числу деталей в наборе. Для оценки точности проведём 3 теста на разных наборах, о каждом из которых напишу подробнее в отдельных блоках.

Тест №1 (или "Где-то я это уже видел")

Первый тест проводится на деталях, которые в той или иной мере уже поучаствовали в обучении модели. То есть, у этих файлов (в сравнении с теми, на которых обучалась модель) разные носители и названия, но похожая геометрия. Из-за этого ИИ может их вспомнить и правильно классифицировать. Несмотря на то, что само обучение предполагает наличие тестовой выборки, которую модель машинного обучения не знает, вариант с "воспоминаниями" нельзя сбрасывать со счетов.

Итак, папка с файлами готова:

Содержимое папки для Теста №1

Содержимое папки для Теста №1

Выбираем все файлы в папке, автоматически конвертируем их в STEP и классифицируем. Итоговый результат классификации представлен в таблице в столбце "Класс (ML)":

Таблица результатов классификации, создаваемая программой автоматически

Таблица результатов классификации, создаваемая программой автоматически

Для оценки точности (да, всего лишь на 10 файлах) сопоставим название файла с определённым классом: выделим зелёным верные результаты, красным - неверные, а жёлтым/оранжевым - спорные. Далее нормализуем результаты от 0 до 1, задав верным результатам значение 1, неверным - 0, спорным - 0,5, автоматически подсчитываем и находим % от общего числа обрабатываемых деталей, строим по результатам гистограмму для наглядности:

Результаты оценки точности

Результаты оценки точности

По результатам Теста №1, точность модели достигает 80%+10% спорного результата.

Деталь с гибами и элементами вальцовки

Деталь с гибами и элементами вальцовки

Спорный результат вышел потому, что деталь имеет как сгибы, что относит её к классу "Гибка", так и свальцованный участок, что относит её к классу "Вальцовка" (см. рисунок).

Мной и коллегами было принято решение относить такие детали к классу "Гибка", поэтому в данном случае итоговая точность составляет 90%.

Тест №2 (или "Я новенький, но чуть-чуть смешарик")

Второй тест проводится на деталях, которые модель вообще не знает (за исключением деталей "Гибка лопатка" и "Гибка 3"). По аналогии с первым тестом (и, что удивительно, с последующими) проводим классификацию с предварительной конвертацией в STEP.

Содержимое папки для Теста №2

Содержимое папки для Теста №2

По той же аналогии с первым тестом открываем созданную таблицу результатов и приступаем к оценке по уже описанному алгоритму:

Таблица результатов классификации, создаваемая программой автоматически

Таблица результатов классификации, создаваемая программой автоматически

Результаты оценки точности

Результаты оценки точности

По данным с рисунков выше, итоговая точность составляет 60%.

Заметил пару занимательных фактов и спорных моментов, основанных на результатах этого теста:

Деталь "Без гибки2"

Деталь "Без гибки2"

1. Абсолютно плоскую деталь со всеми признаками из "Без гибки" модель классифицировала как "Вальцовка", что очень необычно, странно и интересно.

Вывод: нужно дообучать на большем количестве "плоских" деталей.

Деталь "Вальцованный двутавр (эксперимент)"

Деталь "Вальцованный двутавр (эксперимент)"

2. Эта деталь представляет собой двутавровую балку, загнутую под большим радиусом в дугу. С такими деталями модель вообще не сталкивалась, работая исключительно с листовыми деталями, поэтому очень предсказуемо, что класс определён неверно.

Вывод: нужно добавлять новый класс деталей (например, "прокат" или "ГОСТ") с дообучением модели.

Деталь "Гибка лопатка (как вальцовка)"

Деталь "Гибка лопатка (как вальцовка)"

3. Данная деталь имеет ступенчатый гиб, который ошибочно можно классифицировать как "Вальцовка". Результат классификации является спорным, поскольку геометрия гибов напоминает вальцовку, о чём говорит даже путаница у некоторых конструкторов (в первый раз и я насторожился, не будем ругать их за это)

Вывод: дообучать модель на таких сложных примерах, чтобы происходило явное разделение между классами "Гибка", "Вальцовка" и "Без гибки".

Деталь "ОЧЕНЬ МНОГО ГИБКИ"

Деталь "ОЧЕНЬ МНОГО ГИБКИ"

4. Интересный момент: деталь, содержащая множество различных гибов, полок, а также неправильных вырезов (из-за чего невозможно сделать развёртку без ошибок и переделок) была правильно классифицирована, что не может не радовать.

Тест №3 (или "Более перспективный новичок")

Третий тест проводится на деталях, абсолютно незнакомых для модели:

Содержимое папки для Теста №3

Содержимое папки для Теста №3

Конвертация в STEP, классификация и создание табличного отчёта также не вызвали у программы трудностей (думаю, другие мои комментарии излишни, смотрим таблицы и гистограммы).

Таблица результатов классификации, создаваемая программой автоматически

Таблица результатов классификации, создаваемая программой автоматически

Результаты оценки точности

Результаты оценки точности

По данным с рисунков выше, итоговая точность составляет 80%.

И снова поделюсь интересными наблюдениями:

Деталь "Без гибки4"

Деталь "Без гибки4"

1. Обе детали, в действительности имеющие класс "Без гибки", были глассифицированы как "Гибка".

В случае с первой деталью, предполагаю, всё дело в шипах, которые присутствуют в её геометрии (хотя это всё равно странно).

Деталь "Без гибки5"

Деталь "Без гибки5"

В случае со второй деталью причиной неточного определения класса могли послужить как уже замеченный выше шип, так и скругление в геометрии детали.

Выводы: дообучить модель на большем количестве деталей, сделать обучающие файлы с более уникальной геометрией.

Небольшие промежуточные результаты

Результаты неоднозначны. С одной стороны, пока что не очень высокая точность, если вычислять среднее арифметическое - приблизительно 76,7%. С другой стороны, на 30 деталей неправильно склассифицировано всего 5 деталей (если не учитывать спорные моменты), что хоть и является 1/6 частью выбранного набора, но всё равно довольно мало. Спорные моменты необходимо прорабатывать немного обособленно, чтобы сделать модель ещё точнее.

Тем не менее, программа всё равно экономит много конструкторского времени, даже если учесть проверку результатов работы программы.

Тем не менее, разработка идёт и продолжится. Добавятся новые модули (например, модуль пакетного сохранения чертежей SolidWorks в PDF, о котором уже есть что написать), увеличится точность предсказания классов, увеличится число классов.

Дополнение: Интерфейс программы и рекомендации

В этом пункте кратко затрону интерфейс программы, её технические возможности на момент написания статьи, а также дам небольшие рекомендации по работе с программой.

Главно окно, представленное ниже, можно разделить на 3 блока:

  • Краткие описание и инструкция по работе с программой;

  • Окно выбора и конвертации деталей. За эти действия отвечают соответствующие кнопки.
    В этот же блок отнесу опцию выбора папки для сохранения STEP во время конвертации.

  • Кнопка "Классифицировать", которая и отвечает за начало классификации деталей.

Интерфейс программы

Интерфейс программы

Стандартный алгоритм работы с программой:

  • Выбрать необходимые для конвертации и классификации детали кнопкой "Выбрать файлы";

  • Выбрать папку для сохранения STEP-файлов (опционально и необязательно), после чего конвертировать выбранные детали в STEP кнопкой "Конвертировать в STEP". Если не выбирать папку для сохранения STEP, то программа оставит созданные файлы в папке с деталями.

На пункте с конвертацией, при необходимости, можно остановиться. Если необходимо дальше классифицировать, то:

  • Нажимаем кнопку "Классифицировать". Результат в виде таблицы появится в папке с сохранёнными STEP-файлами деталей.

Отдельно стоит пояснить назначение и других кнопок:

  • "Логи" - при нажатии появляется меню с возможностями сохранить и очистить логи программы;

  • "О программе" - открывает окно с более подробным описанием назначения и функционала;

  • "Связаться с разрабочиком" - открывает окно с контактами разработчика (мной) в виде адреса эл.почты и ссылок на профильные сайты, где этот самый разработчик пишет статьи, выкладывает программы и проекты и доступен для контакта;

  • "Выход" - закрывает программу;

  • "Стоп" - прерывает работу программы;

  • "Очистить / Сбросить" - очищает интерфейс программы до состояния "только запустил";

  • "Показать логи" - открывает окно, в котором можно посмотреть логи программы. Когда окно открыто, текст кнопки меняется на "Скрыть логи".

Немного рекомендаций:

  • Для корректной работы программы обязательно наличие установленного SolidWorks;

  • Первый запуск приложения может быть долгим - рекомендуется подождать. В последующие разы приложение будет запускаться гораздо быстрее.

  • Запуск SolidWorks для корректной работы программы не обязателен - во время тестирования программа работала исправно.

Заключение (или "Что дальше?")

Работа над программой, несомненно, будет продолжаться. Необходимо дообучать модель, добавлять новые классы, модули и так далее.

Для удобства прикладываю ссылку, по которой любой может перейти, ознакомиться, бесплатно скачать и протестировать.Буду рад любой обратной связи, конструктивной критике, предложениям по улучшению и идеями для доработок.

Благодарю всех и каждого за внимание.

Всем удачи и хорошего проектирования!