استخدام الشبكات العصبية التلافيفية لأتمتة الفحص البصري لصيانة الطائرات
| العنوان | استخدام الشبكات العصبية التلافيفية لأتمتة الفحص البصري لصيانة الطائرات |
|---|---|
| المؤلف | دوغرو، أنيل، بوعرفة، س.، أريزار، ر.، أيدوغان، ريحان |
| تاريخ النشر: | 2020-12 |
| مكان النشر | - مدبي |
| الموضوع | فحص صيانة الطائرات، كشف الشذوذ، فحص العيوب، الشبكات العصبية التلافيفية، قناع R-CNN، شبكات الخصومة التوليدية، تكبير الصورة |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 2226-4310 |
| رقم السجل | 31456c59-ea24-403f-91e3-e0fc2b008ef9 |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2020-12 |
| نص عينة | يُنظر بشكل متزايد إلى الشبكات العصبية التلافيفية جنبًا إلى جنب مع الطائرات بدون طيار المستقلة على أنها عوامل تمكين للأتمتة الجزئية لعملية الفحص البصري لصيانة الطائرات. يمكن لمثل هذا المفهوم المبتكر أن يكون له تأثير كبير على عمليات الطائرات. على الرغم من أن مهندسي صيانة الطائرات المساعدين يكتشفون مجموعة واسعة من العيوب ويصنفونها، إلا أنه يمكن تقليل الوقت المستغرق في الفحص بشكل كبير. من أمثلة العيوب التي يمكن اكتشافها تلقائيًا انبعاجات الطائرات وعيوب الطلاء والشقوق والثقوب والأضرار الناجمة عن الصواعق. بالإضافة إلى ذلك، يمكن لهذا المفهوم أيضًا زيادة دقة اكتشاف الأضرار وتقليل عدد حوادث فحص الطائرات المرتبطة بالعوامل البشرية مثل التعب وضغط الوقت. في عملنا السابق، قمنا بتطبيق بنية الشبكة العصبية التلافيفية الحديثة المعروفة باسم MASK R-CNN للكشف عن خدوش الطائرات. تم اختيار MASK-RCNN لأنه يتيح اكتشاف كائنات متعددة في صورة ما بينما يقوم في نفس الوقت بإنشاء قناع تجزئة لكل مثيل. وكانت درجات F-1 وF-2 التي تم الحصول عليها سابقًا هي 62.67% و59.35% على التوالي. توسع هذه الورقة العمل السابق من خلال تطبيق تقنيات مختلفة لتحسين وتقييم أداء التنبؤ بشكل تجريبي. تتضمن استخدامات النهج (1) موازنة مجموعة البيانات الأصلية عن طريق إضافة صور بدون خدوش؛ (2) زيادة تجانس البيانات من خلال التركيز على الصور المجنحة فقط؛ (3) استكشاف إمكانات ثلاث تقنيات تعزيز في تحسين أداء النموذج وهي التقليب والتدوير والتمويه؛ و(4) استخدام مصنف مسبق مع MASK R-CNN. أظهرت النتائج أن النهج المختلط الذي يجمع بين MASK R-CNN وتقنيات التعزيز يؤدي إلى تحسين الأداء بدرجة F-1 (67.50%) ودرجة F-2 (66.37%). |
| DOI | 10.3390/aerospace7120171 |
| Cilt | 7 |
