النهج القائم على التعلم العميق المستند إلى التقسيم لاكتشاف عيوب السطح

اكتشاف العيوب السطحية تلقائيًا باستخدام التعلم الآلي أصبح مجال بحث مثيرًا وواعدًا، له تأثير مباشر وعالي على مجال الفحص البصري. أصبحت طرق التعلم العميق الأكثر ملاءمة لهذه المهمة. فهي تسمح لنظام الفحص بالتعلم للكشف عن العيب السطحي من خلال عرض عدد من الصور النموذجية عليه ببساطة. يقدم هذا البحث هندسة تعتمد على التقسيم مصممة لاكتشاف وتقطيع العيوب السطحية، ويُظهر ذلك في مجال معين هو اكتشاف الشروخ السطحية. يتيح تصميم الهندسة تدريب النموذج باستخدام عدد صغير من العينات، وهو متطلب مهم للتطبيقات العملية. يتم مقارنة النموذج المقترح مع الطرق ذات الصلة في التعلم العميق، بما في ذلك البرمجيات التجارية المتقدمة (state-of-the-art)، مما يظهر أن النهج المقترح يتفوق على الطرق ذات الصلة في المجال المحدد لاكتشاف الشروخ السطحية. كما أن عددًا كبيرًا من التجارب ألقى الضوء على الدقة المطلوبة للتدوين، وعدد العينات التدريبية المطلوبة وعلى التكلفة الحسابية المطلوبة. تم إجراء التجارب على مجموعة بيانات جديدة تم إنشاؤها بناءً على حالة تحكم جودة حقيقية، وأظهرت أن النهج المقترح قادر على التعلم من عدد صغير من الأسطح المعيبة باستخدام حوالي 25-30 عينة تدريبية معيبة فقط بدلاً من المئات أو الآلاف التي تكون غالبًا هي الحال في تطبيقات التعلم العميق. وهذا يجعل طريقة التعلم العميق عملية للاستخدام في الصناعة حيث يكون عدد العينات المعيبة المتاحة محدودًا. كما تم جعل مجموعة البيانات متاحة للجمهور لتشجيع تطوير وتقييم طرق جديدة لاكتشاف عيوب السطوح.