شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق
یکی از کنترلهای کیفیت جوش، کنترل عیوب ظاهری جوش مانند ترک سطحی، جرقه و پاشش، سر رفتن جوش بر روی فلز و ذوب ناقص است. در حال حاضر بر اساس ضوابط آیین‌نامه‌ها، کیفیت ظاهری جوش توسط یک بازرس به صورت چشمی (تست چشمی) کنترل می‌شود. میزان دقت کار در این روش به میزان مهارت شخص بازرس بستگی دارد. عدم استفاده از...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Ferdowsi University of Mashhad
2023-01-01
|
| Series: | مهندسی عمران فردوسی |
| Subjects: | |
| Online Access: | https://civil-ferdowsi.um.ac.ir/article_43145_b3a8a9856229e658ef0554f151497731.pdf |
| _version_ | 1797894199356424192 |
|---|---|
| author | موسی محمودی صاحبی سروش قادری فائزه محمودی صاحبی |
| author_facet | موسی محمودی صاحبی سروش قادری فائزه محمودی صاحبی |
| author_sort | موسی محمودی صاحبی |
| collection | DOAJ |
| description | یکی از کنترلهای کیفیت جوش، کنترل عیوب ظاهری جوش مانند ترک سطحی، جرقه و پاشش، سر رفتن جوش بر روی فلز و ذوب ناقص است. در حال حاضر بر اساس ضوابط آیین‌نامه‌ها، کیفیت ظاهری جوش توسط یک بازرس به صورت چشمی (تست چشمی) کنترل می‌شود. میزان دقت کار در این روش به میزان مهارت شخص بازرس بستگی دارد. عدم استفاده از تجهیزات و فناوری باعث می‌شود تا خطای شناسایی عیوب ظاهری بالا باشد. در این تحقیق، روشی پیشنهاد می‌گردد تا به کمک تصاویر حاصل از جوش و استفاده از بینایی ماشین بر اساس یادگیری عمیق بتوان با دقت و سرعت مناسب عیوب ظاهری جوش را شناسایی کرد. در یادگیری عمیق از شبکه کونولوشنال برای استخراج ویژگی از تصویر استفاده می‌شود. برای اطمینان از دقت روش پیشنهادی، تصاویر جدیدی از جوش معیوب که قبلاً وضعیت آنها توسط بازرسان مجرب تعیین شده بود انتخاب گردید و وضعیت سلامت آنها به کمک ماشین مورد ارزیابی قرار گرفت. نتایج نشان می‌دهد روش پیشنهادی می‌تواند با دقت قابل قبول (بالای 85 درصد)، عیوب ظاهری جوش را شناسایی کند. همچنین نتایج نشان می‌دهد، با استفاده از روش پیشنهادی، عیوب ظاهری جوش در مقایسه با روش سنتی با سرعت بیشتری مورد ارزیابی قرار می‌گیرد. |
| first_indexed | 2024-04-10T07:05:04Z |
| format | Article |
| id | doaj.art-81a8dcf06449407583c155201f9ad20c |
| institution | Directory Open Access Journal |
| issn | 2783-2805 2783-199X |
| language | fas |
| last_indexed | 2024-04-10T07:05:04Z |
| publishDate | 2023-01-01 |
| publisher | Ferdowsi University of Mashhad |
| record_format | Article |
| series | مهندسی عمران فردوسی |
| spelling | doaj.art-81a8dcf06449407583c155201f9ad20c2023-02-27T08:41:57ZfasFerdowsi University of Mashhadمهندسی عمران فردوسی2783-28052783-199X2023-01-01354738610.22067/jfcei.2022.75044.111843145شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیقموسی محمودی صاحبی0سروش قادری1فائزه محمودی صاحبی2دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجاییدانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی.دانشگاه آزاد تهران غربیکی از کنترلهای کیفیت جوش، کنترل عیوب ظاهری جوش مانند ترک سطحی، جرقه و پاشش، سر رفتن جوش بر روی فلز و ذوب ناقص است. در حال حاضر بر اساس ضوابط آیین‌نامه‌ها، کیفیت ظاهری جوش توسط یک بازرس به صورت چشمی (تست چشمی) کنترل می‌شود. میزان دقت کار در این روش به میزان مهارت شخص بازرس بستگی دارد. عدم استفاده از تجهیزات و فناوری باعث می‌شود تا خطای شناسایی عیوب ظاهری بالا باشد. در این تحقیق، روشی پیشنهاد می‌گردد تا به کمک تصاویر حاصل از جوش و استفاده از بینایی ماشین بر اساس یادگیری عمیق بتوان با دقت و سرعت مناسب عیوب ظاهری جوش را شناسایی کرد. در یادگیری عمیق از شبکه کونولوشنال برای استخراج ویژگی از تصویر استفاده می‌شود. برای اطمینان از دقت روش پیشنهادی، تصاویر جدیدی از جوش معیوب که قبلاً وضعیت آنها توسط بازرسان مجرب تعیین شده بود انتخاب گردید و وضعیت سلامت آنها به کمک ماشین مورد ارزیابی قرار گرفت. نتایج نشان می‌دهد روش پیشنهادی می‌تواند با دقت قابل قبول (بالای 85 درصد)، عیوب ظاهری جوش را شناسایی کند. همچنین نتایج نشان می‌دهد، با استفاده از روش پیشنهادی، عیوب ظاهری جوش در مقایسه با روش سنتی با سرعت بیشتری مورد ارزیابی قرار می‌گیرد.https://civil-ferdowsi.um.ac.ir/article_43145_b3a8a9856229e658ef0554f151497731.pdfعیوب ظاهری جوششبکه عصبی کانولوشنالپردازش تصویریادگیری عمیقبینایی ماشین |
| spellingShingle | موسی محمودی صاحبی سروش قادری فائزه محمودی صاحبی شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق مهندسی عمران فردوسی عیوب ظاهری جوش شبکه عصبی کانولوشنال پردازش تصویر یادگیری عمیق بینایی ماشین |
| title | شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق |
| title_full | شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق |
| title_fullStr | شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق |
| title_full_unstemmed | شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق |
| title_short | شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق |
| title_sort | شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق |
| topic | عیوب ظاهری جوش شبکه عصبی کانولوشنال پردازش تصویر یادگیری عمیق بینایی ماشین |
| url | https://civil-ferdowsi.um.ac.ir/article_43145_b3a8a9856229e658ef0554f151497731.pdf |
| work_keys_str_mv | AT mwsymḥmwdyṣạḥby sẖnạsạyyʿywbẓạhryjwsẖbạạstfạdhạzbynạyymạsẖynbrạsạsyạdgyryʿmyq AT srwsẖqạdry sẖnạsạyyʿywbẓạhryjwsẖbạạstfạdhạzbynạyymạsẖynbrạsạsyạdgyryʿmyq AT fạỷzhmḥmwdyṣạḥby sẖnạsạyyʿywbẓạhryjwsẖbạạstfạdhạzbynạyymạsẖynbrạsạsyạdgyryʿmyq |