طراحی و پیاده سازی سامانه هوشمند آشکارسازی و ردیابی عیوب سطح مقطع بیلت فولادی

تشخیص عیوب سطح مقطع بیلت های فولادی و ردیابی آنها، از چالش های مهم در صنعت فولاد می باشد هدف. از این مقاله، پیاده‌سازی سامانه بینایی ماشین برای تشخیص و ردیابی عیوب سطح مقطع بیلت فولادی در شرکت فولاد خوزستان است. این سامانه با بهره‌گیری از دوربین‌های با کیفیت بالا و الگوریتم‌های پیشرفته پردازش تصویر، قابلیت شناسایی عیوبی نظیر بادکردگی، لوزی شدگی سطح مقطع، فرورفتگی، شره مذاب، حفره مرکزی، خراش، کجی برش، تخلخل و غیره را دارد. این سامانه با استفاده از تکنولوژی‌های پیشرفته پردازش تصویر و به کارگیری شبکه عصبی عمیق deeplabv3+، قادر است عیوب سطحی شمش‌های فولادی را با دقت بالا شناسایی کند. نوآوری های مقاله، شامل معرفی یک سامانه ی سخت افزاری با درنظر گرفتن شرایط محیطی شرکت فولاد خوزستان، ارائه ی یک راهکار مبتنی بر بینایی ماشین مبتنی بر شبکه های عصبی عمیق atrous برای جداسازی معنایی و همچنین شبکه های عصبی عمیق برای طبقه بندی چند برچسبی با تابع هزینه ی متناسب با چالش بالانس نبودن دادگان و استفاده ی همزمان از یادگیری انتقالی است. این راهکار یکپارچه برای اولین بار معرفی می شود . از نوآوری های دیگر این روش، تغییر لایه ی آخر مدل از طبقه بندی تک برچسبی به طبقه بندی چند برچسبی می باشد که در دقت مدل تاثیر زیادی دارد.