شناسایی عیوب ظاهری جوش با استفاده از بینایی ماشین براساس یادگیری عمیق
Publish place: Journal of Civil Engineering، Vol: 35، Issue: 4
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 194
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CIVIL-35-4_005
تاریخ نمایه سازی: 9 اسفند 1401
Abstract:
یکی از کنترلهای کیفیت جوش، کنترل عیوب ظاهری جوش مانند ترک سطحی، جرقه و پاشش، سر رفتن جوش بر روی فلز و ذوب ناقص است. در حال حاضر بر اساس ضوابط آیین نامه ها، کیفیت ظاهری جوش توسط یک بازرس به صورت چشمی (تست چشمی) کنترل می شود. میزان دقت کار در این روش به میزان مهارت شخص بازرس بستگی دارد. عدم استفاده از تجهیزات و فناوری باعث می شود تا خطای شناسایی عیوب ظاهری بالا باشد. در این تحقیق، روشی پیشنهاد می گردد تا به کمک تصاویر حاصل از جوش و استفاده از بینایی ماشین بر اساس 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 می شود. برای اطمینان از دقت روش پیشنهادی، تصاویر جدیدی از جوش معیوب که قبلا وضعیت آنها توسط بازرسان مجرب تعیین شده بود انتخاب گردید و وضعیت سلامت آنها به کمک ماشین مورد ارزیابی قرار گرفت. نتایج نشان می دهد روش پیشنهادی می تواند با دقت قابل قبول (بالای ۸۵ درصد)، عیوب ظاهری جوش را شناسایی کند. همچنین نتایج نشان می دهد، با استفاده از روش پیشنهادی، عیوب ظاهری جوش در مقایسه با روش سنتی با سرعت بیشتری مورد ارزیابی قرار می گیرد.
Keywords:
Authors
موسی محمودی صاحبی
دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی
سروش قادری
دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی.
فائزه محمودی صاحبی
دانشگاه آزاد تهران غرب
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :