طراحی و پیاده سازی سامانه هوشمند آشکارسازی و ردیابی عیوب سطح مقطع بیلت فولادی

تشخیص عیوب سطح مقطع بیلت های فولادی و ردیابی آنها، از چالش های مهم در صنعت فولاد می باشد. این مقاله، پیاده سازی سامانه بینایی ماشین برای تشخیص و ردیابی عیوب سطح مقطع بیلت فولادی در شرکت فولاد خوزستان است. این سامانه با بهره گیری از دوربین های با کیفیت بالا و الگوریتم های پیشرفته پردازش تصویر، قابلیت شناسایی عیوبی نظیر بادکردگی، لوزی شدگی سطح مقطع، فرورفتگی، شره مذاب، حفره مرکزی، خراش، کجی برش، تخلخل و غیره را دارد. این سامانه با استفاده از تکنولوژی های پیشرفته پردازش تصویر و به کارگیری شبکه عصبی عمیق Deeplabv۳+، قادر است عیوب سطحی شمش های فولادی را با دقت بالا شناسایی کند. نوآوری های مقاله، شامل معرفی یک سامانه سخت افزاری با در نظر گرفتن شرایط محیطی شرکت فولاد خوزستان، ارائه یک راهکار مبتنی بر بینایی ماشین مبتنی بر شبکه های عصبی عمیق Atrous برای جداسازی معنایی و همچنین شبکه های عصبی عمیق برای طبقه بندی چند برچسبی با تابع هزینه ی متناسب با چالش باالنس نبودن دادگان و استفاده ی همزمان از یادگیری انتقالی است. این راهکاری که برای اولین بار معرفی می شود. از نوآوری های دیگر این روش، تغییر الگوی آخر مدل از طبقه بندی تک برچسبی به طبقه بندی چند برچسبی می باشد که در دقت مدل تاثیر زیادی دارد.

کلیدواژه ها:

بیلت فولادی ، بینایی ماشین ، تشخیص عیوب ، شبکه های عصبی عمیق ، ردیابی بیلت