تشخیص خودکار عیوب ظاهری محصولات در خطوط تولید با استفاده از شبکه های عصبی کانولوشنی

کنترل کیفیت در خطوط تولید صنعتی یکی از عوامل اساسی در کاهش هزینه های تولید، افزایش رضایت مشتری و بهبود بهره وری فرایند های صنعتی به شمار میرود. در بسیاری از واحدهای تولیدی، ارزیابی ظاهری محصولات همچنان با تکیه بر نیروی انسانی انجام میشود؛ روشی که علاوه بر زمانبر بودن، در معرض خطاهای ناشی از خستگی، کاهش تمرکز و تفاوت در قضاوت افراد قرار دارد. در سالهای اخیر، توسعه روشهای مبتنی بر بینایی ماشین و یادگیری عمیق، امکان خودکارسازی این فرایند را فراهم کرده است. در این پژوهش، یک مدل مبتنی بر شبکه های عصبی کانولوشنی برای تشخیص خودکار عیوب ظاهری محصولات در خطوط تولید ارائه شده است. در این روش، تصاویر مربوط به محصولات سالم و معیوب پس از مرحله پیش پردازش، به شبکه عصبی داده میشوند تا الگوهای بصری مرتبط با عیب ها استخراج و طبقه بندی شوند. برای ارزیابی عملکرد مدل از معیارهای دقت، بازخوانی، دقت مثبت و امتیاز 𝐹۱ استفاده شده است. نتایج به دست آمده نشان میدهد که مدل پیشنهادی در تشخیص عیوب ظاهری عملکرد قابل قبولی داشته و میتواند به عنوان ابزاری موثر در سامانه های کنترل کیفیت هوشمند مورد استفاده قرار گیرد. یافته های این پژوهش بیانگر آن است که استفاده از شبکه های عصبی کانولوشنی میتواند ضمن افزایش سرعت بازرسی، خطاهای انسانی را کاهش داده و زمینه به کارگیری راهکارهای هوشمند در صنعت را تقویت کند.

کلیدواژه ها:

کنترل کیفیت هوشمند ، بینایی ماشین ، یادگیری عمیق ، شبکه های عصبی کانولوشنی ، تشخیص عیوب