روشی نوین برای تشخیص نوع عیوب سطحی نوار فولادی نورد گرم با استفاده از شبکه عصبی پیچشی

دسته بندی عیوب سطحی نوار فولادی در صنعت فولاد، برای تشخیص آنها ضروری است زیرا ارتباط نزدیکی با کیفیت محصول نهایی دارد. در این پژوهش، دسته بندی برای تشخیص شش نوع عیب از پا یگاه داده دانشگاه نورث ایسترن روی سطوح نوار فولادی نورد گرم در نظر گرفته شده است. رو ش پیشنهادی، یک نوع معمار ی مبتن ی بر شبکه عصبی پیچشی است. تصاویر با اندازه ۲۰۰×۲۰۰ وارد شبکه عصبی پیچشی می شوند، در لایه اول به ۳۲×۳۲، لایه دوم ۶۴×۶۴ و در لایه سوم به ۱۲۸×۱۲۸تغییر می کنند. نتایج آزمون نشان می دهد که این معماری به دقت ۹۳.۵۴% در مجموعه آزمون دست می یابد، که با اختالف زیاد بیش از معماری ها ی قابل مقایسه است. به منظور ارزیابی نتایج معمار ی پیشنهادی، از معیارهای دقت ، صحت و فراخوانی استفاده شده است.

کلیدواژه ها:

عیوب سطحی ، نوار فولادی نورد گرم ، شبکه عصبی پیچشی ، یادگیری عمیق ، هوش مصنوعی