Revista de ingeniería química y tecnología de procesos
Acceso abierto
ISSN: 2157-7048
ISSN: 2157-7048
yousra kateb
La inspección de superficies de acero ha recibido una enorme atención en relación con la calidad industrial de los productos. La inspección de defectos de acero ha sido estudiada en varios métodos compatibles con la clasificación de imágenes en la mayor parte de su tiempo, pero estos solo pueden detectar tales defectos en condiciones muy limitadas como iluminación, contornos obvios, contraste y ruido, etc. Durante este documento, analizaremos la detección automatizada de defectos en la superficie del acero mediante la red neuronal convolucional, que puede clasificar los conductores en sus clases específicas. El acero que vamos a utilizar va a estar bien clasificado si las condiciones de las imágenes no son equivalentes, y esta suele ser la ventaja de CNN en nuestro trabajo. La precisión y, por lo tanto, la solidez de los resultados son muy satisfactorias. El acero es, de lejos, el material más importante, multifuncional y adaptable. El acontecimiento de la humanidad sería imposible excepto por el acero. La columna vertebral de las economías desarrolladas se basó en la resistencia y los usos inherentes del acero. Además, frente a otros materiales de su tipo tienen bajos costes de producción. La energía requerida para extraer el hierro del mineral es de aproximadamente 25 horas después de lo que se necesita para extraer el aluminio. El acero es respetuoso con el medio ambiente porque a menudo se recicla. El 5,6 % del elemento hierro está presente en la corteza, lo que representa una base básica segura. La producción es 20 veces mayor en comparación con la producción de todos los metales no ferrosos juntos. El objetivo de este trabajo es detectar las fallas que presentarán los aceros industriales. Seleccionamos una red preentrenada y una red neuronal convolucional para mejorar la precisión de detección. Obtuvimos resultados muy satisfactorios en la parte superior de la parte de experimentación.