فهرست نشریات علمی دسترسی آزاد ایران

انطباق یاتاقان‌­های اصلی با رتبه میل‌­لنگ، یک ملاحظة مهم در عملیات نصب یاتاقان است. اگر کاربر خط تولید دقت نکند، باعث کاهش قابل توجه کیفیت موتور نهایی همبندی شده می­‌شود و همچنین یکسری ایرادها در آن ایجاد می­‌شود. سامانه‌های بینایی ماشین ظرفیت اجرای تشخیص خطای خودران را دارند که می‌توانند زمان بازرسی را به مقدار قابل توجهی کاهش دهند و منجر به بازرسی‌های چندباره، دقیق‌تر و عینی‌تر شوند. در اینجا، سامانه‌‏ای برای بازرسی توسعه داده شد که قادر به تشخیص خودکار رتبه‌بندی‌‏های میل­‌لنگ از تصاویر میل­‌لنگ است. شرایط نوری خاصی برای به دست آوردن تصاویر مناسب از میل­‌لنگ­‌ها طراحی شد. در این راستا، یک رویکرد تشخیصی کارآمد بر اساس روش بخش‌­بندی معنایی ارائه شد. دو معماری مختلف شبکه عصبی پیچشی شامل MobileNet و VGG19 آموزش و ارزیابی شدند. MobileNet نشان داد که بهترین سازش بین دقت، با امتیاز IoU 85 درصد و زمان اعتبارسنجی، با 0.2 میلی ثانیه برای آشکارکردن حروف حک شده روی میل‌­لنگ است. با توجه به نتایج به‌دست‌آمده، رویکرد پیشنهادی می‌تواند به عنوان ابزاری کارآمد، دقیق و سریع برای تشخیص خودکار رتبه‌بندی‌‏های میل­‌لنگ در ایستگاه همبندی یاتاقان استفاده شود.