شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق

مهندسی عمران فردوسی

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 آذر 1401  

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jfcei.2022.75044.1118

نویسندگان

موسی محمودی صاحبی ¹؛ سروش قادری²؛ فائزه محمودی صاحبی³

¹دانشگاه تربیت دبیر شهید رجایی

²دانشگاه شهید رجائی

³دانشگاه آزاد تهران غرب

چکیده

یکی از کنترل‌های کیفیت جوش، کنترل عیوب ظاهری جوش مانند ترک سطحی، جرقه و پاشش، سررفتن جوش بر روی فلز و ذوب ناقص است. در حال حاضر بر اساس ضوابط آیین‌نامه‌ها، کیفیت ظاهری جوش توسط یک بازرس به صورت چشمی (تست چشمی) کنترل می‌شود. میزان دقت کار در این روش به میزان مهارت شخص بازرس بستگی دارد. عدم استفاده از تجهیزات و فناوری باعث می‌شود تا خطای شناسایی عیوب ظاهری بالا باشد. در این تحقیق، روشی پیشنهاد می‌گردد تا به کمک تصاویر حاصل از جوش و استفاده از بینایی ماشین براساس یادگیری عمیق بتوان با دقت و سرعت مناسب عیوب ظاهری جوش را شناسایی کرد. در یادگیری عمیق از شبکه کونولوشنال برای استخراج ویژگی از تصویر استفاده می‌شود. برای اطمینان از دقت روش پیشنهادی، تصاویر جدیدی از جوش معیوب که قبلا وضعیت آنها توسط بازرسین مجرب تعیین شده بود انتخاب گردید و وضعیت سلامت آنها به کمک ماشین مورد ارزیابی قرار گرفت. نتایج نشان می‌دهد روش پیشنهادی می‌تواند با دقت قابل قبول (بالای 85 درصد)، عیوب ظاهری جوش را شناسایی کند. همچنین نتایج نشان می‌دهد، با استفاده از روش پیشنهادی، عیوب ظاهری جوش در مقایسه با روش سنتی با سرعت بیشتری مورد ارزیابی قرار می‌گیرد.

کلیدواژه‌ها

عیوب ظاهری جوش؛ شبکه عصبی کانولوشنال؛ پردازش تصویر؛ یادگیری عمیق؛ بینایی ماشین