31864

استفاده از تكنيك هاي پردازش تصوير در نظارت بر فرآيندهاي توليد

كارشناسي ارشد

مهندسي مكانيك- طراحي كاربردي ـ مكاترونيك

1398

1402/11/30

سيد علي نيك نام

/

پرديس دانشگاهي - دانشكده مهندسي مكانيك

اين پايان نامه يك رويكرد پردازش تصوير مبتني بر يادگيري عميق را براي تشخيص خطاها، مانند عيوب و نقص، در كالاهاي صنعتي، به ويژه پيچ و مهره ها پيشنهاد مي كند. با آموزش يك مدل يادگيري عميق بر روي مجموعه داده اي از تصاوير با كيفيت بالا، سيستم مي تواند انحرافات از محصول استاندارد را به دقت شناسايي كند. پياده سازي اين مدل با استفاده از نرم افزار متلب انجام شده است. نتايج نشان‌دهنده اثربخشي روش پيشنهادي در دستيابي به دقت بالا در تشخيص عيب است. اين فناوري پتانسيل استفاده در بخش هاي مختلف توليدي و صنعتي را دارد و كنترل كيفيت و كارايي را افزايش مي دهد.

1403/10/18

The Use of image processing techniques in the monitoring of manufacturing processes

1/1/1900 12:00:00 AM

This thesis proposes a deep learning-based image processing approach to detect errors, such as flaws and defects, in industrial goods, specifically bolts and nuts. By training a deep learning model on a dataset of high-quality images, the system can accurately identify deviations from the standard product. The implementation of this model is carried out using MATLAB software. The results demonstrate the effectiveness of the proposed approach in achieving high accuracy in defect detection. This technology has the potential to be applied across various manufacturing and industrial sectors, enhancing quality control and efficiency.

پردازش تصوير , يادگيري عميق , تشخيص خطا

image processing , Deep Learning , error detection

Yasin Aljaberi

Dr. Niknam