ارائه یک چارچوب داده محور مبتنی بر شاخص‎ ASDI ‎و بهینه سازی فراابتکاری برای کاهش فضای جست وجو و مکان یابی عیوب در تصاویر صنعتی

تشخیص و مکان یابی عیوب در تصاویر صنعتی، به ویژه در شرایطی که عیب بخش محدودی از تصویر را دربرمی گیرد، می تواند نیازمند بررسی تعداد زیادی ناحیه کاندید و در نتیجه صرف هزینه محاسباتی قابل توجه باشد. در این پژوهش، یک چارچوب داده محور برای کاهش فضای جست وجو و مکان یابی عیوب در تصاویر صنعتی ارائه شده است. در روش پیشنهادی، ابتدا تصویر به نواحی کاندید تقسیم شده و ویژگی های تصویری از این نواحی استخراج می شوند. سپس، ویژگی های نرمال شده در قالب شاخص ASDI برای امتیازدهی و اولویت بندی نواحی مورد استفاده قرار می گیرند. بر اساس رتبه بندی حاصل، بخشی از فضای جست وجو غربال شده و نواحی منتخب برای مکان یابی دقیق عیب وارد مرحله بهینه سازی فراابتکاری می شوند. عملکرد چارچوب پیشنهادی با روش های مرجع و یک مدل CNN مقایسه شد. نتایج به دست آمده در مجموعه داده مورد بررسی نشان داد که روش پیشنهادی به Accuracy برابر با ۰.۹۴۰، Precision برابر با ۰.۹۳۳، Recall برابر با ۰.۹۲۱، F۱-score برابر با ۰.۹۲۷ و IoU برابر با ۰.۸۵۶ دست یافته است. همچنین، زمان متوسط پردازش هر تصویر ۰.۸۹ ثانیه گزارش شد. بررسی اثر آستانه ASDI نشان داد که در صدک ۷۰ درصد، مقدار IoU برابر با ۰.۹۳۹ و زمان پردازش ۱.۳۲ ثانیه به دست آمده است؛ در حالی که افزایش آستانه تا صدک ۸۰ درصد، اگرچه زمان پردازش را به ۱.۱۰ ثانیه کاهش داد، با افت IoU به ۰.۹۳۱ همراه بود. این نتایج نشان می دهد که استفاده از ASDI برای غربال اولیه نواحی می تواند پیش از اجرای بهینه سازی فراابتکاری، فضای جست وجو را محدود کند و توازن مناسبی میان کیفیت مکان یابی و هزینه محاسباتی ایجاد نماید.

کلیدواژه ها:

بازرسی تصویری صنعتی ، تشخیص عیب ، مکان یابی عیب ، ASDI ، استخراج ویژگی ، بهینه سازی فراابتکاری ، کاهش فضای جست وجو