دسته بندی عیوب جوش روی تصاویر پرتونگاری صنعتی با معرفی مدل یادگیری عمیق WeldClassNet

جوشکاری یکی از فرآیندهای حیاتی در صنایع است که عیوب آن می تواند نقص حفره های هوا، ناپیوستگی ها و عملکرد سازه ها را به خطر بیندازد. شناسایی دقیق این عیوب روش های غیرمخرب و استفاده از فناوری های نوین از اهمیت بالایی برخوردار است. در این مقاله، مدل جدیدی به نام WeldClassNet مبتنی بر معماری Efficient-BI بدون عیب طراحی شده است. این مدل با هدف شناسایی و طبقه بندی سه نوع عیب اصلی جوش شامل نفوذ ناقص، حفره های هوا، ناپیوستگی ها و نمونه های بدون عیب Efficient-Net طراحی شده است. این مدل با استفاده از مجموعه داده شامل ۱۰۰۰ تصویر برای آموزش، ۳۰۰ تصویر برای ارزیابی و ۲۰۰ تصویر برای تست نهایی مورد بررسی قرار گرفت. نتایج نشان می دهد که WeldClassNet با دستیابی به دقت ۹۸.۵ عملکرد بسیار مطلوبی از خود نشان داده است. این مدل می تواند به تسریع و دقت تشخیص عیوب جوشکاری کمک دهد.

کلیدواژه ها:

یادگیری عمیق ، آزمون های غیرمخرب ، WeldClassNet ، Efficient-Net ، هوش مصنوعی