TY - JOUR ID - 160054 TI - تولید سامانه هوش مصنوعی پیشرفته برای شناسایی فیچرهای ماشین‌کاری JO - مهندسی ساخت و تولید ایران JA - IJME LA - fa SN - 2476-504X AU - محمدی, ناصر AU - ناطق, محمد جواد AD - دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران AD - استاد، دانشکده مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران Y1 - 2022 PY - 2022 VL - 9 IS - 5 SP - 1 EP - 12 KW - طرح‌ریزی فرایند به کمک کامپیوتر KW - فیچرهای ماشین‌کاری KW - یادگیری عمیق KW - شبکه‌های کانولوشنی DO - 10.22034/ijme.2022.160054 N2 - در فرآیند تولید یک قطعه به کمک کامپیوتر، اطلاعات مورد نیاز ماشین‌آلات ساخت برای قطعه‌ایی که مدل طراحی آن مشخص شده است، ایجاد می‌شود. برای تهیه دستورالعمل‌های ماشین‌کاری قطعات، اطلاعات طراحی بر حسب الگویی به نام فیچر بیان می‌گردد. در این تحقیق با کمک روش یادگیری عمیق، یک سامانه هوش مصنوعی برای شناسایی فیچرهای ماشین‌کاری معرفی شده است. روش معرفی شده در این تحقیق با کمک شبکه‌های کانولوشنی دو بعدی در یادگیری عمیق تولید شده است و قادر به شناسایی فیچرهای ماشین‌کاری در تصویر یک قطعه‌کار می‌باشد. نوآوری‌ این تحقیق علاوه بر معرفی یک روش قدرتمند کاربردی و جدید در شناسایی فیچرهای ماشین‌کاری در حوزه طرح‌ریزی فرایند به کمک کامپیوتر، شناسایی فیچرهایی است که در یک قطعه‌کار دارای تداخل هندسی می‌باشند که روش‌هایی قبلی شناسایی فیچرهای ماشین‌کاری قادر به حل این مشکل نبوده‌اند. همچنین بی نیازی از فایل‌های مختلف اطلاعات خروجی طراحی به کمک کامپیوتر و استفاده از تصویر یک قطعه‌کار برای شناسایی فیچرهای ماشین‌کاری از قابلیت‌های روش معرفی شده در این تحقیق می‌باشد. توانمندی‌ دیگر سامانه تولید شده قابلیت شناسایی فیچرهای ماشین‌کاری با فرمت‌های مختلف تصویر از قبیل تصویر با خطوط مرزی، نمایش هندسه جامد، تصویر قطعه‌کار با متریال مختلف و نیز تصویر گرفته شده با دوربین‌های عکاسی معمولی از طریق دوربین تلفن همراه و غیره از قطعه‌کارهای مکانیکی می‌باشد. دقت تشخیص فیچرهای ماشین‌کاری در تصویر یک قطعه‌کار با استفاده از روش پیشنهادی 88 درصد و خطای تشخیص 1/0 اندازه‌گیری شده است. UR - https://www.iranjme.ir/article_160054.html L1 - https://www.iranjme.ir/article_160054_639c91605cd916c186671487747b827a.pdf ER -