فهرست نشریات علمی دسترسی آزاد ایران

در این مقاله رویکردی نوین برای تشخیص خودکار عیب دوپوستگی در میلگردهای فولادی با استفاده از شبکه‌های عصبی مصنوعی و تکنیک‌های بینایی ماشین ارائه‌شده است. عیب دوپوستگی که به‌دلیل جدا شدن لایه‌ای نازک از سطح فولاد در فرآیند نورد ایجاد می‌شود، می‌تواند منجر به کاهش خواص مکانیکی و شکست محصول نهایی گردد. روش‌های سنتی بازرسی که اغلب به‌صورت دستی و زمان‌بر هستند با چالش‌هایی مانند خطای انسانی و سرعت پایین مواجه‌اند. در این پژوهش سامانه‌ای مبتنی بر بینایی ماشین پس از فرایند نورد، جهت تشخیص دوپوستگی قرار داده‌شده است. این سامانه شامل سه دوربین صنعتی با زاویه ۱۲۰ درجه و نورپردازی کنترل‌شده است که امکان تصویربرداری پیوسته و همگام با حرکت خط تولید را فراهم می‌کند. در مرحله اول از تکنیک‌های پیش‌پردازش تصویر نظیر نرمال‌سازی و قطعه‌بندی برای بهبود کیفیت تصویر استفاده‌شده است. سپس مدل‌های یادگیری عمیق، برای طبقه‌بندی و شناسایی عیب دوپوستگی آموزش داده‌شده‌اند. نتایج ارزیابی مدل‌ها بر روی داده‌های واقعی خط تولید نشان داد که مدل MobileNet با دستیابی به دقت 25/91 درصد، بهترین عملکرد را در میان مدل‌های مورد بررسی داشته است. نتایج به دست آمده بیانگر این است که سامانه پیشنهادی از قابلیت استقرار صنعتی برخوردار بوده و می‌تواند به‌عنوان جایگزینی مؤثر برای روش‌های سنتی بازرسی عمل کند.