بهره‌گیری از بینایی ماشین - مقاله جدید بارز در نشریه تایر تکنولوژی 2026
  • ۲۶ آبان ۱۴۰۵
  • نویسنده: امیرحسین شهدادی
  • بازدید: ۱۷

مقاله جدید امیرحسین شهدادی و مرتضی رشیدی‌مقدم از گروه صنعتی بارز با عنوان Adopting Machine Vision که در نشریه معتبر Tire Technology International به چاپ رسیده است، به توسعه یک سامانه بینایی ماشین صنعتی برای شناسایی خودکار و بلادرنگ عیوب سطحی در کورد روکش‌شده با پارچه (Fabric-Coated Cord) می‌پردازد. در عصر تحول دیجیتال و تحقق مفاهیم نسل چهارم صنعت، به‌کارگیری راهکارهای هوش مصنوعی و بینایی ماشین در خطوط تولید نقشی حیاتی در ارتقای کیفیت و کاهش هزینه‌ها ایفا می‌کند. این فناوری که در قالب پلتفرم دیجیتال بارزمایند Barezmind توسعه یافته، گامی مهم در جهت هوشمندسازی فرایندهای تولید تایر محسوب می‌شود.

ضرورت مسئله و چالش‌های بازرسی

تولید تایر به دلیل ساختار پیچیده چندلایه و حساسیت بالای مواد اولیه، فرایندی با دقت بسیار بالا را می‌طلبد. شناسایی عیوب سطحی مانند کچلی سطح کورد، پارگی لایه و کشیدگی نخ، به‌طور سنتی بر عهده بازرسان انسانی بوده که علاوه بر خطاهای احتمالی، با چالش‌های ناشی از تغییر نور و پیچیدگی بصری سطح مواد همراه است. نیاز به سامانه‌ای که بتواند در شرایط عملیاتی کارخانه و بر روی سخت‌افزارهای کم‌هزینه و پرتابل اجرا شود، انگیزه اصلی این تحقیق بوده است.

رویکرد فنی و نوآوری در روش‌شناسی

این پژوهش از یک ترکیب هوشمندانه برای پردازش تصویر استفاده می‌کند:

۱. تحلیل فاز (Phase Analysis): برای شناسایی اولیه نواحی مشکوک از تحلیل فاز تبدیل فوریه استفاده شده که نسبت به تغییرات شرایط محیطی بسیار مقاوم است.

۲. پرسپترون چندلایه (MLP): پس از شناسایی مناطق مشکوک، سه ویژگی تصویری کلیدی استخراج شده و توسط یک شبکه عصبی پرسپترون چندلایه (MLP) تحلیل می‌شوند.

۳. سخت‌افزار بهینه: سامانه بر روی پلتفرم Raspberry Pi 4 پیاده‌سازی شده که نشان‌دهنده توانمندی این متد در اجرای عملیاتی روی سخت‌افزارهای محدود و صنعتی است.

یافته‌های کلیدی و عملکرد سامانه

این سامانه در شرایط واقعی تولید و طی یک دوره آزمایشی با تحلیل بیش از هزار تصویر مورد ارزیابی قرار گرفته است. در مقایسه با روش‌های سنتی، سامانه پیشنهادی عملکرد به‌مراتب دقیق‌تری در شناسایی عیوب بحرانی به‌ویژه عیب کچلی سطح کورد از خود نشان داده است.

نتیجه‌گیری و چشم‌انداز

توسعه این سامانه نشان می‌دهد که ترکیب تحلیل‌های ریاضی کلاسیک و مدل‌های سبک یادگیری ماشین می‌تواند راهکاری قدرتمند و اقتصادی برای چالش‌های پیچیده تولید باشد. این دستاورد نه تنها وابستگی به بازرسی دستی را کاهش می‌دهد، بلکه با یکپارچگی در پلتفرم بارز مایند، زیرساختی قابل‌اتکا برای نظارت مستمر و تضمین کیفیت محصول در سطح استانداردهای جهانی فراهم می‌کند.

فایل کامل مقاله در ادامه این مطلب ضمیمه شده است. 

منبع

ارسال دیدگاه

قوانین ارسال دیدگاه
  • از ثبت تبلیغات خودداری نمایید.
  • حتما ایمیل صحیح را وارد کنید تا در صورت بررسی کارشناسان، پاسخ برای شما ایمیل شود.