تخمین نفوذ مس در نوارهای لبه ای با استفاده از شبکه های عصبی عمیق

در این مقاله، ما یک رویکرد نوآورانه را برای تخمین نفوذ مس در نوارهای لبه ای با استفاده از شبکه های عصبی عمیق کانولوشنال (CNN) پیشنهاد نمودیم. ابتدا برای تولید داده های آموزش با حفظ برچسب های داده ها از جمله چرخش و تغییر مقیاس برای ایجاد بیش از ۲۴۵۷۶۰۰ داده انجام شد. معماری U-net براساس شبکه عصبی CNN پیشنهاد شد وبر اساس مجموعه داده های تقویت شده راحتی و آموزش داده شده است. میزان دقت مجموعه تست نهایی مدل CNN پیشنهادی ۹۰.۸۳% است. با این حال، محدودیت های سخت افزاری و نرم افزاری وجود دارد. اجرای CNN آموزش دیده برای هر عکس تا بیش از ۲۳ میلی ثانیه طول می کشد، که برای کاربردهای بالادرنگ ملاحظه شود.

کلیدواژه ها:

تشخیص نفوذ مس ، شبکه عصبی CNN ، معماری U-net