تشخیص خوردگی سطوح فلزی با استفاده از شبکه YOLO و یادگیری انتقالی

تشخیص خوردگی در سطوح فلزی یکی از چالش های اساسی در نگهداری تجهیزات صنعتی است. روش های سنتی به دلیل وابستگی به نیروی انسانی و زمان بر بودن، کارایی محدودی دارند. در این پژوهش، تاثیر استفاده از وزن های پیش آموزش یافته و یادگیری انتقالی بر بهبود عملکرد مدل YOLOv۵ در تشخیص خوردگی بررسی شده است. فرآیند آموزش در چهار مرحله انجام گرفت، به طوری که در مرحله نخست، مدل بر روی یک مجموعه داده کوچک آموزش داده شد تا وزن های اولیه مناسبی برای مراحل بعدی استخراج شود. در ادامه، مدل با استفاده از این وزن ها بر روی مجموعه داده اصلی آموزش دید. نتایج ارزیابی نشان داد که بهره گیری از وزن های پیش آموزش یافته منجر به افزایش دقت، بهبود بازیابی و افزایش میانگین دقت مدل شده است. در مرحله نهایی، مدل توانست تعادلی بهینه میان دقت و بازیابی ایجاد کند. یافته های این پژوهش نشان می دهد که یادگیری انتقالی و تنظیم تدریجی وزن ها، نقش موثری در بهبود عملکرد مدل های تشخیص خوردگی داشته و می تواند به عنوان یک راهکار کاربردی در صنایع مختلف مورد استفاده قرار گیرد.

کلیدواژه ها:

تشخیص خوردگی ، پردازش تصویر ، سطوح فلزی ، یادگیری انتقالی