بازرسی غیرمخرب تایر خودرو با روشهای یادگیری عمیق در تصاویر پرتو ایکس : مطالعه موردی
کد مقاله : 1199-RIERCO
نویسندگان
1لاستیک بارز کرمان
2گروه صنعتی بارز
3لاستیک بارز
چکیده
در این پژوهش یک چارچوب مبتنی بر یادگیری عمیق برای شناسایی ناهنجاری در تصاویر X-ray تایر خودرو ارائه شده است. دادههای آموزشی تنها شامل تصاویر سالم و تعداد محدودی تصویر معیوب صرفاً برای آزمون بهکار گرفته شد. برای حل مشکل نسبت طول به عرض زیاد تصاویر، هر تصویر به سه بخش همپوشان تقسیم و سپس به اندازهی ثابت 512×512 پیکسل بازنمونهبرداری شد. در مرحلهی مدلسازی، روش PatchCore بهعنوان یکی از رویکردهای پیشرفتهی anomaly detection مورد استفاده قرار گرفت. برای بهبود کارایی و تسریع آموزش، از وزنهای پیشآموزشدیدهی شبکه ResNet18 در نقش backbone بهره گرفته شد. نتایج حاصل از آزمایشها نشان میدهد که علارغم تعداد کم داده تصویر برای آموزش، مدل توانسته است نواحی معیوب تایر را در تصاویر X-ray با دقت بالا آشکارسازی کند و نقشههای حرارتی تولیدشده بهوضوح محل عیوب ساختاری را نمایش میدهند. این چارچوب میتواند بهعنوان ابزاری عملی در بازرسی خودکار تایر خودرو مورد استفاده قرار گیرد
کلیدواژه ها
موضوعات