การตรวจจับพื้นผิวรอยขีดข่วนของวัตถุโลหะโดยใช้วิธีการประมวลผล การแบ่งภาพและโครงข่ายประสาทแบบคอนโวลูชัน

Abstract

วัตถุประสงค์การศึกษาค้นคว้าอิสระนี้คือ (1) เพื่อศึกษาการตรวจจับการขีดข่วนบนภาพพื้นผิวโลหะอะลูมิเนียมโดยใช้วิธีการแบ่งภาพและโครงข่ายประสาทแบบคอนโวลูชัน (2) เพื่อพัฒนาและประเมินประสิทธิภาพโมเดลการตรวจจับการขีดข่วนบนภาพพื้นผิวโลหะอะลูมิเนียมโดยใช้วิธีการแบ่งภาพและโครงข่ายประสาทแบบคอนโวลูชันการศึกษานี้ได้พัฒนาวิธีการตรวจจับรอยขีดข่วนบนผิวโลหะอะลูมิเนียมโดยใช้วิธีการแบ่งภาพอินพุตที่มีขนาดจำนวนพิกเซลและความละเอียดสูงออกเป็นภาพย่อย แต่ละภาพย่อยที่ถูกแบ่งจะถูกประมวลผลด้วยโครงข่ายประสาทแบบคอนโวลูชัน (CNN) เพื่อตรวจจับรอยขีดข่วน วิธีการแบ่งภาพสามารถแบ่งได้เป็น 4 ส่วน, 9 ส่วน, 16 ส่วน, 36 ส่วน และ 64 ส่วน การแบ่งภาพช่วยทำให้รายละเอียดในภาพยังคงอยู่ได้แม้ในการประมวลผลของ CNN ที่มีการปรับลดขนาดพิกเซลของภาพลง โดยวิธีการของ CNN ในการศึกษานี้ใช้โมเดล YOLOv8n, โมเดล YOLOv8s และโมเดล YOLOv8x สำหรับทำการประมวลผลภาพย่อยแต่ละภาพผลการศึกษาพบว่า (1) วิธีการแบ่งภาพและ CNN สามารถตรวจจับรอยขีดข่วนได้เพิ่มขึ้นและดีกว่าการไม่แบ่งภาพ และ (2) วิธีการ CNN ของโมเดล YOLOv8s ได้รับผลที่เหมาะสมสำหรับวิธีการแบ่งภาพอินพุตเป็นภาพย่อยแบบ 4 ส่วน, 9 ส่วน, 16 ส่วน, 36 ส่วน และ 64 ส่วน การประเมินประสิทธิภาพวิธีการนี้ ได้ใช้ชุดข้อมูลภาพฝึกสอน 2,600 ภาพที่มีรอยขีดข่วนแบบต่าง ๆ บนภาพ และชุดข้อมูลภาพทดสอบ 7 ภาพที่มีรอยขีดข่วนรวม 48 รอย การตรวจจับรอยขีดข่วนของภาพทดสอบที่ไม่ได้ถูกแบ่งภาพสามารถตรวจจับรอยได้ 37 รอยหรือร้อยละ 77.08 และเมื่อแบ่งภาพทดสอบนี้เป็น 4 ส่วนสามารถตรวจจับรอยขีดข่วนที่เหลือเพิ่มได้อีก 10 รอยหรือเพิ่มเป็นร้อยละ 90.90 และเมื่อแบ่งภาพทดสอบออกเป็น 9 ส่วน, 16 ส่วน, 36 ส่วน และ 64 ส่วนเทียบกับภาพทดสอบที่ไม่ได้ถูกแบ่งภาพ วิธีการนี้สามารถตรวจจับรอยที่เหลือทั้งหมดได้ครบ 11 รอยหรือคิดเป็นร้อยละ 100