تشخیص عیوب رینگ پیستون با استفاده از الگوریتمهای یادگیری عمیق در سیستم بینایی ماشین

در این پژوهش، روشی نوین برای تشخیص دقیق و خودکار عیوب سطحی در رینگهای پیستون با بهرهگیری از الگوریتمهای یادگیری عمیق و به ویژه شبکه های عصبی کانولوشنی ارائه شده است. با جمع آوری داده های تصویری با کیفیت بالا از رینگهای سالم و معیوب و آموزش یک مدل شبکه U-Net بر روی این داده ها، توانایی تشخیص انواع مختلف عیوب با دقت بالا محقق گردید. نتایج حاصل از ارزیابی مدل نشاندهنده عملکرد بسیار خوب آن با مقدار همپوشانی بر اتحاد برابر ۸۴% و مقدار خطا برابر ۰.۱۵ است. مقایسه نتایج حاصل از مدل پیشنهادی با روش های سنتی تشخیص عیوب، برتری قابل توجه روش مبتنی بر یادگیری عمیق را در دقت و سرعت تشخیص نشان می دهد. همچنین، تطابق نتایج تجربی با نتایج تئوری حاصل از مطالعات پیشین، اعتبار مدل پیشنهادی را تایید می کند. این پژوهش گامی مهم در جهت بهبود کنترل کیفیت در فرآیند تولید رینگ پیستون و کاهش هزینه های ناشی از نقص قطعات محسوب می شود.

کلیدواژه ها:

رینگ پیستون ، شبکه های عصبی کانولوشنی ، کنترل کیفت ، پردازش تصویر ، یادگیری عمیق