ناحیه بندی و تخمین وزن گندله های فولاد با استفاده از شبکه های عصبی پیچشی و چندلایه

این پژوهش روشی برای تشخیص و ناحیه بندی گندله ها در صنعت فولاد با استفاده از پردازش تصویر، ناحیه بندی و یادگیری عمیق ارائه می دهد. پس از ناحیه بندی و جداسازی گندله ها، مدل سازی رابطه بین ابعاد و وزن گندله های فولاد با استفاده از شبکه های عصبی چندلایه و شبکه های عصبی پیچشی انجام شده است. داده های مربوط به ابعاد و وزن گندله ها جمع آوری و برای آموزش و ارزیابی مدل ها استفاده شده است. مدل نهایی، ترکیبی از شبکه عصبی پیچشی برای ناحیه بندی تصویر گندله و شبکه عصبی چندلایه برای تخمین وزن گندله است. نتایج نشان می دهد که این روش می تواند در بهبود فرآیندهای کنترل کیفیت در صنعت فولاد به کار گرفته شود. علی رغم محدودیت های سخت افزاری و چالش های مرتبط با حجم داده ها، این پژوهش نشان می دهد که ترکیب تکنیک های پیشرفته پردازش تصویر و یادگیری ماشین می تواند به افزایش دقت، کاهش خطاهای انسانی و بهبود کارایی در فرآیندهای تولید و کنترل کیفیت گندله های فولاد منجر شود. نتایج کلیدی این پژوهش شامل دقت مدل ۳۹/%۸۱، ریشه میانگین مربعات خطا ۴۷/۰، میانگین خطای مطلق ۱۵/۰ ، میانگین درصد خطای مطلق ۶/۱۸ و میانگین مربعات خطا ۰۳/۰ است که نشان دهنده عملکرد قابل قبول مدل پیشنهادی در تخمین وزن گندله ها می باشد.

کلیدواژه ها:

گندله ، تخمین بندی