دسته‌بندی عیوب جوش از روی تصاویر پرتونگاری صنعتی با معرفی مدل یادگیری عمیق weldclassnet

جوشکاری یکی از فرآیندهای حیاتی در صنایع است که عیوب آن مانند نفوذ ناقص، حفره‌های هوا و ناپیوستگی‌ها می‌توانند ایمنی و عملکرد سازه‌ها را به خطر بیندازند. شناسایی دقیق این عیوب با روش‌های غیرمخرب و استفاده از فناوری‌های نوین از اهمیت بالایی برخوردار است. در این مقاله، مدل جدیدی به نام weldclassnet مبتنی بر معماری efficientnet-b1 معرفی می‌شود که برای شناسایی و طبقه‌بندی سه نوع عیب اصلی جوش شامل نفوذ ناقص ، حفره‌های هوا ، ناپیوستگی‌ها ، و نمونه‌های بدون عیب طراحی شده است. این مدل با استفاده از یک مجموعه داده شامل 1000 تصویر برای آموزش، 400 تصویر برای ارزیابی و 200 تصویر برای تست نهایی مورد بررسی قرار گرفت. نتایج نشان می‌دهد که weldclassnet با دستیابی به دقت 98.5% عملکرد بسیار مطلوبی از خود نشان داده است. این مدل می‌تواند فرآیند بازرسی جوش را تسریع کرده و دقت تشخیص عیوب را افزایش دهد.