تشخیص هوشمند عیوب جوش‌ خط لوله با yolo v11 و پیش پردازش با فیلتر گوشین و روش حذف زمینه

جوشکاری اجزای خطوط لوله نفت و گاز اهمیت زیادی دارند و به طور قابل توجهی به ایمنی حمل و نقل گاز طبیعی کمک می‌کنند. در حال حاضر، آزمون رادیوگرافی با فیلم و آشکارسازها برای بازرسی کیفی جوش‌ها استفاده می‌شوند. با این حال، روش‌های بازرسی برای شناسایی خودکار با دقت بالا برای اندازه‌ها و انواع مختلف نقص جوش با مشکل مواجه هستند. برای پرداختن به این چالش، در این تحقیق یک روش هوشمند برای تشخیص نقص مبتنی بر رویکرد یادگیری عمیق ارائه شده است. در ابتدا، از یک روش بهبود کنتراست برای مجموعه‌ای از تصاویر رادیوگرافی استفاده شده که بر اساس الگوریتم فیلتر گوسین و روش حذف زمینه پردازش شده‌اند. سپس یک معماری شبکه yolo v11 از این رادیوگراف‌های بهبود یافته، برای یادگیری توزیع ویژگی‌های چندین نقص معمولی توسعه داده شده است. این مدل از روش‌های ترکیب ویژگی چند مقیاسی برای شناسایی موثر اندازه‌ها و انواع مختلف نقص استفاده شده است. نتایج بدست آمده از شبکه آموزش داده‌ شده بر روی یکسری از تصاویر رادیوگراف نشان می‌دهد که استفاده از yolo v11 با تصاویر پردازش شده بر اساس الگوریتم فیلتر گوسین و روش حذف زمینه نسبت به استفاده از yolo v11 در تصاویر رادیوگرافی بدون پردازش به 20% بهبود در شناسایی عیوب جوش به طور خودکار دست پیدا می‌کند و می‌تواند به طور موثر کارایی بازرسی را بهبود بخشد و توسعه تشخیص خودکار اشعه ایکس را ارتقا دهد.