بکارگیری بردارهای شاخص با هوش مصنوعی برای بهبود کنتراست پرتونگاره های جوش

استفاده از پرتونگاری برای بررسی آسیب های منطقه جوشکاری شده، امروزه در صنایع مختلف اهمیت زیادی دارد. با توجه به عوامل مختلف افت کیفیت تصویر در سیستم پرتونگاری، استفاده از پردازش تصویر برای بهبود تباین پرتونگاره ها اهمیت ویژه ای دارد. یکی از کاربردهای مهم هوش مصنوعی (AI) به عنوان یکی از پیشرفته ترین فناوری های عصر حاضر، در پردازش تصویر است که در آن الگوریتم های یادگیری ماشین و یادگیری عمیق برای تحلیل و تفسیر داده های تصویری به کار گرفته می شوند. در این تحقیق از تکنیک FAISS برای بهبود تباین پرتونگاره های جوش استفاده شده است. FAISS یک کتابخانه قدرتمند و بهینه شده برای جستجوی شباهت در مجموعه داده های بزرگ است که توسط فیسبوک توسعه یافته است. نتایج پردازش پرتونگاره ها نشان می دهد که تباین در نواحی مختلف فزایش یافته و بخصوص در نواحی ریشه جوش و عیوب که بیشتر حفره گازی و فقدان اتصال در جوش هستند افزایش قابل ملاحظه ای داشته است. این نتایج توسط متخصصین پرتونگاری ارزیابی شده و آنها تائید می کنند که در کنار بهبود تباین پرتونگاره ها در نواحی مختلف، شناسایی عیوب تصویر، بهتر صورت می پذیرد. علاوه بر آن، استفاده از این روش سریع است و نیاز به تنظیمات دستی پیچیده ندارد. یکی از مزایای کلیدی این روش، استفاده از یک شبکه از پیش آموزش دیده است که باعث صرفه جویی در زمان و هزینه های مرتبط با آموزش مدل های جدید می شود. این امر به ویژه در صنایع بزرگی مانند نفت و گاز، که زمان و دقت تشخیص از اهمیت بالایی برخوردار است، بسیار حائز اهمیت می باشد. با توجه به نتایج مثبت این تحقیق، می توان انتظار داشت که استفاده از هوش مصنوعی و کتابخانه هایی مانند FAISS در آینده به عنوان یک ابزار استاندارد در پردازش و تحلیل تصاویر پرتونگاری مورد استفاده قرار گیرد و تحولی اساسی در کیفیت و سرعت تشخیص عیوب ایجاد کند و به متخصصین پرتونگاری و جوش در تشخیص عیوب و ناپیوستگی های جوش کمک نماید.

کلیدواژه ها:

جستجوی شباهت هوش مصنوعی فیسبوک (FAISS) ، پرتونگاره های جوش ، صنعت نفت ، بهبود کنتراست