فهرست نشریات علمی دسترسی آزاد ایران

ورق‌های فولادی به‌عنوان یکی از اجزای کلیدی در صنایع خودروسازی مورد استفاده قرار می‌گیرند. طبقه‌بندی دقیق عیوب سطحی این ورق‌ها، نقشی اساسی در تضمین کیفیت آن‌ها دارد. چالش اصلی در این زمینه، شیوه بازرسی ورق‌های فولادی است زیرا، روش‌های سنتی بازرسی با محدودیت‌های قابل‌توجه ناشی از خطای انسانی مواجه‌اند. هرچند در سال‌های اخیر، الگوریتم‌های یادگیری عمیق به‌عنوان رویکردی مؤثر و خودکار به‌منظور شناسایی عیوب مطرح شده‌اند اما طبقه‌بندی عیوب کوچک و پیچیده، همچنان دشوار باقی‌مانده و نیازمند مدل‌سازی بهینه اطلاعات مکانی و کانالی است. در این پژوهش، مدلی نوین مبتنی بر معماری VGG16 و یادگیری انتقالی ارائه می‌شود که با بهره‌گیری از ماژول توجه فضایی دوبُعدی و مکانیزم بزرگ‌نمایی مبتنی بر توجه بر کاهش نویز پس‌زمینه و تمرکز بر نواحی کلیدی تصویر تمرکز دارد. پس از ارزیابی مدل بر روی دو مجموعه داده NEU-CLS و NEU-DET به‌ترتیب دقت 98/99 و 92/99 درصد به‌دست آمد که نسبت به مدل پایه VGG16 (حداقل 4 درصد) و نسبت به پژوهش‌های پیشین، بهبود (حداقل 018/0 درصد) داشته است. این نتایج، کارایی بالای مدل را در طبقه‌بندی دقیق عیوب سطح فولاد نشان می‌دهد. در پایان، جهت بهره‌برداری عملی، یک وب اپلیکیشن توسعه‌یافته و در اختیار متخصصان قرارگرفته است.