ارزیابی عملکرد یک سیستم بازرسی اتوماتیک عیوب جوش در تصاویر رادیوگرافی بر مبنای طبقه بندی عصبی

در این مقاله، ما یک سیستم خودکار را برای شناسایی، تشخیص، و طبقه بندی نقائص جوش در تصاویر رادیوگرافی تعریف می کنیم و عملکرد دو سیستم طبقه بندی عصبی بر اساس شبکه های عصبی مصنوعی و یک سیستم استنتاج فازی با شبکه تطبیق پذیر مورد ارزیابی قرار می گیرد. در مرحله اول، تکنیک های پردازش تصویر، از جمله کاهش نویز، بهبود کنتراست، آستانه گذاری، و برچسب زدن، بمنظور کمک به شناخت مناطق جوش و تشخیص مناطق مستعد جوش اجرا شد. در مرحله دوم، مجموعه ای از 12 ویژگی هندسی که شکل و جهت گیری نقص را توصیف می کند، از بین انتخاب های نقص پیشنهاد و استخراج شد. در مرحله سوم، ما یک رقابت بین یک شبکه عصبی مصنوعی و یک سیستم استنتاج فازی با شبکه تطبیق پذیر برای طبقه بندی عیب جوش پیشنهاد می کنیم. سیستم خودکار شناسایی و طبقه بندی پیشنهادی شامل تشخیص چهار نوع اصلی از عیوب جوش است که عملا می تواند با نوع بی نقص جوش ارائه شود. مقایسه نتایج با هدف شناخت روشی که بهترین طبقه بندی را ارائه می دهد، انجام شد. ضرایب همبستگی، ماتریس کانفینس و دقت برای ANN و سیستم بازرسی اتوماتیک ANFIS انجام شد. دقت یا نسبت تعداد کل پیش بینی هایی که صحیح بوده است، مقدار 78.9 درصد برای ANN و 82.6 درصد برای ANFIS بوده است.

کلیدواژه ها:

تصویر رادیوگرافی جوش ، تجزیه و تحلیل مولفه های اصلی ، اجزای متصل ، شبکه های عصبی مصنوعی