مطالعه و ارزیابی سیستم‌های کنترل کیفیت در فرآیند تولید صنعتی با استفاده از تکنیک‌های پردازش تصویر، یادگیری ماشین و یادگیری عمیق

در سال‌های اخیر با رشد علم و فناوری و ایجاد بازارهای رقابتی در صنایع مختلف، لزوم کنترل کیفیت، اندازه‌گیری پارامترهای کمی و کیفی محصول نهایی اهمیت به سزایی پیداکرده است. داشتن یک محصول باکیفیت مهم‌ترین بخش از یک خط تولید است، به‌طوری‌که امروزه کمتر کارخانه پیشرفته‌ای وجود دارد که بخشی از تولید آن توسط برنامه‌های هوشمند بینایی ماشین و پردازش تصویر ترجیحاً مبتنی بر وب کنترل نشود. مدیریت کیفیت در زمان واقعی و بر خط، امکان افزایش کارایی تولید را به نحو موثری فراهم می‌کند. بر این اساس، هدف اصلی این مقاله بررسی و ارزیابی دقیق برخی از تکنیک‌های مهم و تاثیرگذار مبتنی بر پردازش تصویر، یادگیری ماشین و یادگیری عمیق است که در زمینه کنترل کیفیت محصولات صنعتی در بستر وب استفاده‌ می‌شوند. علاوه بر این، تحقیق حاضر قصد دارد نقشه راه مناسبی برای رسیدن به روش‌های موثر و پرسرعت در تحقیقات آتی، در حوزه کنترل کیفیت صنعتی در فضای وب را نیز ارائه دهد.

study and evaluation of quality control systems in industrial production using image processing, machine learning and deep learning techniques

in recent years, with the growth of science and technology and the creation of competitive markets in various industries measuring the quantitative and qualitative parameters of the final products has become very important. having a qualified product is the most important part of a production line. nowadays, there are a few advanced factories that their production is not controlled by intelligent machine vision and image processing-based techniques usually on the web. real-time quality management allows increasing production efficiency. the main purpose of this article is to precisely analyze and evaluate some important and influential image processing-based, machine learning-based, and deep learning-based techniques used on the web that have been employed in the field of quality control. the paper also aims to provide a proper road map for finding the most effective and efficient techniques for the future web-based projects in the area of quality control.