SSLA-Net: معماری یادگیری معنایی مکانی برای شناسایی مقاوم نقص های سطحی فولاد

در صنایع فولاد، شناسایی دقیق و سریع نقص های سطحی نقشی حیاتی در تضمین کیفیت و کاهش ضایعات ایفا می کند. بااین حال، شباهت ظاهری میان الگوهای بافتی و پیچیدگی نواحی معیوب، کارایی روش های متداول بینایی ماشین را با محدودیت مواجه کرده است. در این پژوهش، یک چارچوب ترکیبی چندوجهی برای تشخیص و طبقه بندی نقص های سطحی فولاد ارائه شده است که با تلفیق مدل تشخیص ناحیه ای Faster R-CNN و نمایش های معنایی مدل CLIP از طریق ماژول توجه چندسری، ارتباط میان ویژگی های بصری و مفهومی را به صورت هم زمان مدل سازی می کند. این هم افزایی موجب افزایش دقت در شناسایی نواحی کوچک و پراکنده و همچنین بهبود تفکیک پذیری کلاس ها در فضای ویژگی شده است. در طراحی مدل، سه تابع ضرر مکمل شامل ضرر تشخیص ناحیه ای، ضرر هم ترازی ناحیه–متن و ضرر سطح تصویر به کار رفته اند تا یادگیری هم زمان سطوح مکانی و معنایی امکان پذیر گردد. نتایج تجربی روی مجموعه داده ی استاندارد NEU-DET نشان می دهند که مدل پیشنهادی به دقت ۱۰۰٪ در طبقه بندی سطح تصویر و %۰۴/۷۸mAP@۵۰= در سطح ناحیه ای دست یافته است. این عملکرد برجسته نشان می دهد که یادگیری چندوجهی مبتنی بر CLIP می تواند دقت و پایداری تشخیص نقص را در شرایط واقعی صنعتی به طور چشمگیری ارتقا دهد.

کلیدواژه ها:

یادگیری چندوجهی ، شناسایی نقص های سطحی ، توجه چندسری ، نمایش معنایی–مکانی ، بینایی ماشین صنعتی