يمكن أن تؤثر عيوب اللحام في الأعضاء الهيكلية الفولاذية بشكل كبير على جودة هذه الأعضاء. لذلك، من الضروري اكتشاف هذه العيوب. أنشأت هذه الدراسة مجموعة بيانات من خلال التقاط صور لعيوب اللحام باستخدام تقنية الاختبار غير التدميري بالأشعة السينية. ثم تم تطوير خوارزمية محسنة من النسخة 5 من You Only Look Once (YOLOv5s) من خلال دمج انتباه الإحداثيات، واستبدال C3 الأصلي بـ GhostC3، واستبدال تقاطع الاتحاد الكامل الأصلي (CIoU) بتقاطع الاتحاد الفعال البؤري (EIoU). تم إجراء تجارب باستخدام مجموعة البيانات. أظهرت النتائج أن آلية انتباه الإحداثيات المستخدمة في هذه الدراسة تفوقت على انتباه الضغط والإثارة وغيرها من آليات الانتباه في اكتشاف عيوب اللحام. وساهمت التحسينات التي أُدخلت على المكونات الأخرى أيضًا في تحسين الدقة والسرعة. مقارنةً بكاشف الصندوق المتعدد للطلقات الواحدة، فقد حققت خوارزمية النسخة 8 من You Only Look Once (YOLOv8s) وغيرها من الخوارزميات، نموذج YOLOv5s المحسن سرعة اكتشاف قدرها 24.56 إطارًا في الثانية ونسبة متوسطة قدرها 96.72%، مما يظهر الأداء العام الأفضل. هذه النتائج تؤكد موثوقية خوارزمية YOLOv5s المحسنة لاكتشاف عيوب اللحام وإمكاناتها التطبيقية العملية. © 2025 معهد مهندسي الكهرباء في اليابان وWiley Periodicals LLC.
درس مياو وآخرون (الأربعاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: