شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق

Abstract

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.

Keywords

• عیوب ظاهری جوش
• شبکه عصبی کانولوشنال
• پردازش تصویر
• یادگیری عمیق
• بینایی ماشین