فهرست نشریات علمی دسترسی آزاد ایران

کنترل کیفیت سطح محصولات و شناسایی به موقع عیوبی مانند ترک‌ها، حفره‌ها و ناخالصی‌ها در صنعت فولاد از اهمیت بالایی برخوردار است. این عیوب می‌توانند عملکرد مکانیکی، دوام و قابلیت اطمینان فولاد را کاهش دهند. در این پژوهش، رویکردی نوین برای بخش‌بندی و شناسایی هوشمند عیوب سطح فولاد با استفاده از الگوریتم ژنتیک و جنگل تصادفی ارائه شده است. ابتدا ویژگی‌های تصاویر با استفاده از فیلترهای گابور استخراج شده و سپس با الگوریتم جنگل تصادفی، پیکسل‌ها به گروه‌های دارای ویژگی‌های مشابه تقسیم می‌شوند. ابرپارامترهای فیلترهای گابور به‌عنوان ژن‌های کروموزوم در الگوریتم ژنتیک در نظر گرفته شده و با هدف بهینه‌سازی عملکرد بخش‌بندی تنظیم می‌شوند. تابع برازندگی مبتنی بر F1-score دقت طبقه‌بندی را ارزیابی می‌کند. نتایج نشان می‌دهد که بهینه‌سازی ابرپارامترهای فیلترهای گابور توسط الگوریتم ژنتیک، دقت و کارایی بخش‌بندی عیوب سطح فولاد را افزایش داده است. روش پیشنهادی به F1-score برابر 9807/0 و دقت 9810/0 دست یافته و نسبت به روش‌های مرجع بهبود عملکرد نشان می‌دهد. این یافته‌ها نشان می‌دهد که روش پیشنهادی می‌تواند به عنوان یک ابزار برای نظارت خودکار بر کیفیت در خطوط تولید فولاد عمل کند.