فهرست نشریات علمی دسترسی آزاد ایران

استفاده از پرتونگاری برای بررسی آسیب‌های منطقة جوشکاری شده، امروزه در صنایع مختلف اهمیت زیادی دارد. با توجه به عوامل مختلف افت کیفیت تصویر در سیستم پرتونگاری، استفاده از پردازش تصویر برای بهبود تباین پرتونگاره‌ها اهمیت ویژه‌ای دارد. یکی از کاربردهای مهم هوش مصنوعی (AI) به عنوان یکی از پیشرفته‌ترین فناوری‌های عصر حاضر، در پردازش تصویر است که در آن الگوریتم‌های یادگیری ماشین و یادگیری عمیق برای تحلیل و تفسیر داده‌های تصویری به کار گرفته می‌شوند. در این تحقیق از تکنیک FAISS برای بهبود تباین پرتونگاره‌های جوش استفاده شده است. FAISS یک کتابخانه قدرتمند و بهینه‌شده برای جستجوی شباهت در مجموعه داده‌های بزرگ است که توسط فیسبوک توسعه یافته است. نتایج پردازش پرتونگاره‌ها نشان می‌دهد که تباین در نواحی مختلف فزایش یافته و بخصوص در نواحی ریشه جوش و عیوب که بیشتر حفره گازی و فقدان اتصال در جوش هستند افزایش قابل ملاحظه‌‌ای داشته است. این نتایج توسط متخصصین پرتونگاری ارزیابی شده و آنها تائید می‌کنند که در کنار بهبود تباین پرتونگاره‌ها در نواحی مختلف، شناسایی عیوب تصویر، بهتر صورت می‌پذیرد. علاوه بر آن، استفاده از این روش سریع است و نیاز به تنظیمات دستی پیچیده ندارد. یکی از مزایای کلیدی این روش، استفاده از یک شبکه از پیش آموزش‌دیده است که باعث صرفه‌جویی در زمان و هزینه‌های مرتبط با آموزش مدل‌های جدید می‌شود. این امر به ویژه در صنایع بزرگی مانند نفت و گاز، که زمان و دقت تشخیص از اهمیت بالایی برخوردار است، بسیار حائز اهمیت می‌باشد. با توجه به نتایج مثبت این تحقیق، می‌توان انتظار داشت که استفاده از هوش مصنوعی و کتابخانه‌هایی مانند FAISS در آینده به عنوان یک ابزار استاندارد در پردازش و تحلیل تصاویر پرتونگاری مورد استفاده قرار گیرد و تحولی اساسی در کیفیت و سرعت تشخیص عیوب ایجاد کند و به متخصصین پرتونگاری و جوش در تشخیص عیوب و ناپیوستگی های جوش کمک نماید.