طراحی سامانه هوشمند مبتنی بر بینایی رایانه ای برای تشخیص سایش لقی گیر روغنی

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 34

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ENGIN-73-1_005

تاریخ نمایه سازی: 17 مهر 1405

چکیده مقاله:

تشخیص به موقع خرابی قطعات حیاتی در موتورهای درونسوز یکی از عوامل کلیدی در افزایش عمر مفید موتور و کاهش هزینه های تعمیر و نگهداری است. در این پژوهش، یک سامانه هوشمند مبتنی بر بینایی رایانه ای برای تشخیص خرابی (سایش) لقی گیر روغنی طراحی و اجرا شده است. هدف از این سامانه، جایگزین کردن روش های سنتی و پرهزینه بازرسی، مانند دستگاه اندازه گیری مختصات (CMM) که برای اندازه گیری دقیق ابعادی قطعات به کار می رود، با روشی سریع تر، دقیق تر و کم هزینه تر است. داده های مورد استفاده شامل تصاویر رنگی قطعات سالم و معیوب است. پس از مرحله پیش پردازش شامل تغییر اندازه، هم مرتبه سازی و افزایش داده، برای طبقه بندی سالم/معیوب از شبکه رزنت ۱۸ (ResNet۱۸) و برای بخش بندی نواحی خرابی از یونت (U-Net) استفاده شد. سامانه پیشنهادی با استفاده از معیارهای دقت، بازخوانی، دقت مثبت و شاخص های هم پوشانی ارزیابی گردید. نتایج نشان داد که الگوی پیشنهادی در مقایسه با روش های سنتی، ضمن افزایش دقت (بیش از ۹۷.۶% در طبقه بندی و ضریب دایس ۰.۷۵۰ (در بخش بندی)، موجب کاهش زمان بازرسی تا بیش از ۷۰% شد. همچنین مقایسه خروجی سامانه با ارزیابی کارشناسان انسانی، همخوانی بالایی را نشان داد، که بیانگر قابلیت اعتماد و دقت عملی سامانه است.

نویسندگان

زهرا نورالهی

گروه مهندسی مکانیک، دانشگاه صنعتی مالک اشتر، تهران، ایران

جعفر هاشمی داریان

شرکت تحقیق، طراحی و تولید موتور ایران خودرو (ایپکو)، تهران، ایران

سید محمدرضا سادات اخوی

شرکت تحقیق، طراحی و تولید موتور ایران خودرو (ایپکو)، تهران، ایران

توحید میرزابابای مستوفی

گروه مهندسی مکانیک، دانشگاه ایوان کی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Keyence Corporation. CMM for the automotive industry. Keyence; [cited ۲۰۲۵]. ...
  • Yazdani Jo A, Moosavian A. Automatic intelligent inspection system for ...
  • Rochussen J, Kirchen P. Robust image segmentation for feature extraction ...
  • Hosseini AR, Moosavian A, Javan S, Baradaran-Shokouhi S. Development of ...
  • Huynh N. Understanding evaluation metrics in medical image segmentation. Medium: ...
  • Yeung M, Rundo L, Nan Y, Sala E, Schönlieb CB, ...
  • نمایش کامل مراجع