تشخیص خودکار عیوب جوشکاری با استفاده از yolov8 برای بازرسی بلادرنگ

بازرسی چشمی جوش در بسیاری از خطوط تولید با محدودیت‌هایی مانند زمان‌بر بودن، وابستگی به مهارت بازرس و حساسیت به تغییرات نور و زاویه دید مواجه است. در این پژوهش، یک سامانه بینایی ماشین مبتنی بر یادگیری عمیق برای تشخیص خودکار کیفیت جوش و شناسایی عیوب، با استفاده از مدل‌های تشخیص شیء yolo (you only look once) توسعه داده شد. داده‌ها شامل تصاویر جوش برچسب‌گذاری شده در قالب yolo بوده و مدل yolov8m روی تصاویر با اندازه 640×640 آموزش یافت. برای بهبود تعمیم‌پذیری، افزون بر مجموعه‌داده پایه، یک نسخه توسعه‌یافته با افزودن تصاویر مکمل و به‌کارگیری تقویت سازی‌های پیشرفته (از جمله تغییر hsv تصاویر، ترکیب چند تصویر با هم و mixup) ایجاد شد. ارزیابی با معیارهای دقت، بازخوانی، f1 و map@0.5 روی مجموعه‌آزمون مستقل انجام گرفت. نتایج نشان داد نسخه توسعه‌یافته نسبت به نسخه پایه بهبود معناداری در map@0.5 (از 66% به 75%) و بازخوانی (از 61% به 74%) ایجاد کرده و درعین‌حال زمان تاخیر پیش‌بینی در حد چند ده میلی‌ثانیه باقی‌مانده است؛ بنابراین روش پیشنهادی قابلیت به‌کارگیری در سناریوهای بازرسی بلادرنگ جوش را دارد.