11988

بررسي روش هاي هوشمند تشخيص عيوب سطحي در محصولات صنعتي

1401

آقاي دكتر شهريار برادران شكوهي

كيفيت و قيمت يك محصول صنعتي به طور قابل توجهي تحت تأثير عيوب احتمالي آن است. علاوه بر اين، اگر شدت عيب به يك آستانه خاص برسد، محصول دور ريخته مي شود از لحاظ تاريخي، اكثر وظايف تشخيص ناهنجاري توسط انسان انجام مي شد كه مشكلات زيادي داشت. اجتناب از خستگي انسان غيرممكن است كه منجر به يك پديده مثبت كاذب مي شود (يعني حقيقت اصلي غيرعادي است، در حالي كه قضاوت انسان عادي است) كار طولاني و فشرده بر روي تشخيص ناهنجااري ممكن است باعث مشكلات سلامتي، مانند اختلال بينايي شود مكان يابي ناهنجاري ها مستلزم تعداد قابل توجهي از كاركنان است كه هزينه هاي عملياتي را افزايش مي دهد بنابراين تشخيص عيوب سطحي جزء ضروري توليد هوشمند است تحقيق در مورد تشاخيص عيوب سطحي محصولات صنعتي از اهميت عملي بالايي برخوردار است زيرا توسعه سريع يادگيري عميق مي تواند قابليت هاي تشخيص ناهنجاري تصوير را به كف كارخانه ها بياورد اين گزارش به بررسي وضعيت فعلي روش هاي هوشمند تشخيص عيوب سطحي در تصاوير محصولات صنعتي مي پردازد ابتدا كاربرد روشهاي بينايي ماشين سنتي و روش هاي يادگيري عميق در زمينه تشخيص عيوب سطحي را مورد بحث قرار مي دهيم و همچنين توضيح مختصري در مورد برخي از روش هاي تحقيق خاص كه كارامد هستند را بيان مي كنيم. در ادامه به تفصيل به بررسي يكي از جديدترين روشهاي پيشنهادي تشخيص عيوب سطحي در تصاوير صنعتي مي پردازيم و نواوري هاي اين روش را نسبت به ساير روش هاي پيشين بررسي و مقايسه مي كنيم. در نهايت چند روش پيشنهادي براي پيشبرد اين زمينه تحقيقاتي در آينده ارائه مي كنيم. در ادامه به برخي مشكلات كليدي در زمينه تشخيص عيوب سطحي محصولات صنعتي اشاره كرده و راهكارهاي آن را خلاصه مي كنيم. علاوه بر اين، مجموعه داده هاي تشخيص عيوب سطحي محصولات صنعتي معرفي مي كنيم.

5/24/2023 12:00:00 AM

78877

1402/03/15

A Review of Intelligent Methods of Surface Defects Detection in Industrial Products

عيب سطحي , محصولات صنعتي , بينايي ماشين , يادگيري عميق

Surface defects , industrial products , machine vision , deep learning