در این مقاله بررسی روش برهمنگاری تصاویر دیجیتالی و ارایه تئوری جدید برای اندازه گیری تنش پسماند در قطعات مکانیکی به صورت غیرمخرب انجام شده است. در این راستا با هدف اثبات علمی تئوری جدید معرفی شده به مرور کارهای مرتبط با ایده مطرح شده در این پژوهش و بیان جزییات آن پرداخته شده است. در ابتدا اصول روش برهمنگاری تصاویر دیجیتالی و روشهای مورد نیاز برای محاسبه ضرایب همبستگی بیان شده است. با هدف ارزیابی صحت خروجی های روش برهمنگاری تصاویر دیجیتالی، با ساخت تجهیزات مورد نیاز و انجام تستهای تجربی برای انجام فرآیند، به مقایسه نتایج خروجی آزمون روش برهمنگاری تصاویر دیجیتالی و نتایج شبیه سازی المان محدود پرداخته شده است. در ادامه به بیان تئوری پیشنهادی برای اندازه گیری تنش پسماند در قطعات مکانیکی با اعمال بار در ناحیه الاستیک و به صورت غیرمخرب پرداخته شده است. رابطه معرفی شده که بر پایه قانون هوک استوار می باشد، قابلیت ارزیابی و محاسبه تنش پسماند به صورت غیرمخرب، تمام صفحه و با دقت بالا را دارا می باشد. برای اثبات علمی تئوری معرفی شده، نمونه های فولادی توسط فرآیند SMAW جوشکاری شده اند و میزان تنش پسماند موجود در قطعات محاسبه شده است.

این مقاله به معرفی و بررسی اندازه گیری تنش پسماند با استفاده از روش سوراخکاری مرکزی، شیارزنی و روش غیرمخرب برهمنگاری تصاویر دیجیتالی و سابقه فعالیت های انجام شده در این حوزه می پردازد. به این منظور در ابتدا به بیان اصول روش سوراخکاری طبق استاندارد ASTM E837 و شیارزنی پرداخته شده است. پس از آن اصول روش برهمنگاری تصاویر دیجیتالی و روش های مورد نیاز برای محاسبه ضرایب همبستگی مورد بررسی قرار گرفته است. با هدف کاربردی سازی روش معرفی شده، کارهای مرتبط با آن که در سال های اخیر اجرا شده، مرور شده است. به این منظور مقالات و گزارش های مرتبط استخراج شده و نکات اصلی برای ارزیابی تنش پسماند با استفاده از روش سوراخکاری مرکزی، شیارزنی و برهمنگاری تصاویر دیجیتالی مورد بررسی قرار گرفته اند. با بررسی نکات بیان شده در پژوهش های صورت گرفته، مشخص شد که روش برهمنگاری تصاویر دیجیتالی و سوراخکاری مرکزی قابلیت اندازه گیری تنش پسماند را با دقت بالایی دارا هستند.

در این تحقیق به بررسی و اندازه ­گیری تنش پسماند در اتصال قطعات فولادی جوشکاری شده با روش غیرمخرب برهمنگاری تصاویر دیجیتالی پرداخته شده است. به این منظور نمونه ­هایی از جنس ورق A36 تهیه و عملیات جوشکاری قوسی با گاز محافظ بر روی آن­ها انجام شد. برای اندازه­ گیری غیرمخرب تنش پسماند از روش برهمنگاری تصاویر دیجیتالی استفاده شده است و نمونه­ های پایه، جوشکاری شده بدون عملیات حرارتی و جوشکاری شده با عملیات حرارتی مورد ارزیابی قرار گرفته­ اند. عملیات حرارتی نمونه­ ها از نوع آنیلینگ می باشد که این عملیات به منظور کاهش تنش پسماند نمونه­ های جوش داده شده انجام شده است. به منظور اندازه گیری تنش پسماند به صورت غیرمخرب رابطه جدیدی معرفی شده است که بر پایه قانون هوک است. مقادیر تنش پسماند با اندازه ­گیری میزان کرنش نمونه­ ها و قرار دادن مقادیر آن در این رابطه محاسبه شده است. نتایج نشان می دهند که عملیات حرارتی صورت گرفته بر روی نمونه­ ها سبب کاهش مقادیر تنش پسماند به میزان تقریبی 33% شده است و روش برهمنگاری تصاویر دیجیتالی دقت کافی و مناسب برای اندازه­ گیری تنش پسماند به صورت غیرمخرب را در نمونه های ذکر شده دارا می باشد.

امروزه استفاده از سیستم غیرتماسی برهم نگاری تصاویر دیجیتال برای عیب یابی کامپوزیت ها به دلیل مزایای آن مورد توجه قرار گرفته است. در این پژوهش با استفاده از روش برهم نگاری تصاویر دیجیتال شکل، موقعیت و مساحت ناحیه خرابی در نمونه های شیشه/اپوکسی دارای سوراخ کور با عمق های متفاوت تحت بارگذاری کششی بررسی شده است. نمونه های دارای سوراخ کور با قطر 10میلی متر به عمق های 0. 5، 1 و 1. 5میلی متر و ضخامت میانگین 4میلی متر تحت بارگذاری کششی قرار گرفته است. کانتورهای کرنش جانبی برای هر سه نمونه در بارگذاری های مختلف به دست آورده شده است. با افزایش بارگذاری کرنش جانبی در ناحیه ای در سطح هر نمونه متمرکز شده است که با موقعیت سوراخ کور مطابقت دارد. سپس کرنش جانبی در راستای طول و عرض برای هر نمونه به طور جداگانه اندازه گیری شده است. افزیش مقدار بارگذاری و عمق خرابی موجب تمرکز کرنش بیشتر در ناحیه خرابی و همچنین افزایش دقت سیستم برهم نگاری تصاویر دیجیتالی شده است. موقعیت، شکل، مساحت و قطر سوراخ کور اندازه گیری شده توسط روش برهم نگاری تصاویر دیجیتالی با مقادیر واقعی مقایسه شده است که با توجه به تطابق قابل قبول نتایج حاصل از روش برهم نگاری تصاویر دیجیتال با ویژگی های مربوط به هر نمونه می توان این روش را به عنوان یک روش کارآمد در تشخیص و ارزیابی خرابی ها در سازه های کامپوزیتی استفاده نمود.

امروزه از تصاویر به عنوان ابزار ارتباطی قوی و منبعی از اطلاعات استفاده می شود. تصاویر در برخی از کاربردها مانند پزشکی، قضایی و پزشکی قانونی به عنوان مدرک و شاهد استفاده می شوند، بنابراین صحت تصویر مهم است. امروزه با گسترش و دردسترس بودن ابزارهای ویرایش تصویر، افراد می توانند به راحتی تصاویر را دست کاری کنند. آن ها با اضافه کردن بخشی به تصویر یا حذف کردن بخشی از تصویر و توزیع اطلاعات غلط اهداف و مشکل های سیاسی، فرهنگی، اقتصادی و اجتماعی را دنبال می کنند. ازاین رو تشخیص جعل تصاویر دیجیتال یکی از موضوع های مهم و چالش برانگیز در حوزه بینایی کامپیوتر است. در این پژوهش هدف شناسایی تصاویر و پیکسل های جعلی و سالم با استفاده از شبکه یادگیری عمیق ترکیبی است. در روش پیشنهادی از سه شبکه از پیش آموزش داده شده VGG16، MobileNet و EfficientNetB0 در سه انشعاب مختلف استفاده شده است. برای تشخیص جعل در دو سطح تصویر و پیکسل، ابتدا نقشه های ویژگی خروجی سه انشعاب با هم ادغام شده و با استفاده از لایه پولینگ میانگین جهانی و لایه امتیازدهی، تصاویر جعل و سالم تشخیص داده می شوند. در ادامه با استفاده از نقشه های ویژگی ترکیب شده از سه انشعاب بر روی تصاویر جعل، یک تصویر نقشه حرارتی ایجاد می شود و محدوده پیکسل های جعل مشخص می شوند. لازم به ذکر است تشخیص پیکسل های جعل تنها با استفاده از تصویر نقشه حرارتی ساخته شده از شبکه ترکیبی و بدون نیاز به استفاده از تصاویر حقیقی باینری مشخص کننده ناحیه جعل در فرآیند آموزش انجام شده است. روش پیشنهادی بر روی پایگاه داده CoMoFod ارزیابی شده است. نتایج ارزیابی ها عمل کردن مطلوب روش پیشنهادی را در برابر تصاویر جعل با انواع تبدیل های هندسی و عملیات پس پردازش نشان می دهد.

روشهای متعددی برای اندازه گیری مساحت سطح محصولات کشاورزی و غذایی معرفی شده اند که از دیرباز در تحقیقات پژوهشگران به کار برده شده اند. همزمان با پیشرفت علوم کامیپوتری، بحث استفاده از پردازش تصویر در کمی کردن خواص ظاهری محصولات و جایگزینی آن به جای دید انسان مورد توجه پژوهشگران بوده است. در این تحقیق از روش پردازش تصویر برای تعیین مساحت نمونه از روی تصویر دیجیتالی آن استفاده شده است. کارآیی این روش در کنار سه روش معمول استفاده از دستگاه اندازه گیری مساحت، روش پلانیمتر و روش توزین کاغذ هم سطح، با استفاده از سه گروه نمونه مستقل در سه آزمایش مقایسه شد. نتایج نشان داد که دقت روش پردازش تصویر تحت هیچ شرایطی از روشهای دیگر کمتر نیست. افزون بر این، دقت این روش برخلاف روشهای دیگر، مستقل از دقت و مهارت کاربر است. روش استفاده از دستگاه اندازه گیری مساحت از کلیه روشها به نحو قابل ملاحظه ای سریع تر است. سرعت روش پردازش تصویر با کمتر از پنج ثانیه اختلاف پس از روش پلانیمتر در جایگاه سوم قرار دارد.

استفاده از تست های غیرمخرب بر روی مواد کامپوزیتی برای بازرسی، شناسایی و مشاهده عیوب به منظور موقعیت یابی ناپیوستگی ها یا عیوب در طی سال ها اخیر مورد توجه زیادی قرار گرفته است. در بین روش های موجود استفاده از سیستم غیرتماسی برهمنگاری تصاویر دیجیتال برای عیب یابی کامپوزیت ها به دلیل مزایای آن مورد توجه قرار گرفته است. در این پژوهش با استفاده از روش برهمنگاری تصاویر دیجیتال شکل، موقعیت و مساحت ناحیه خرابی در نمونه های شش لایه شیشه/ اپوکسی دارای آسیب ضربه با انرژی های متفاوت تحت مقدار بارگذاری های مختلف بررسی شده است. پنج نمونه کامپوزیتی با انرژی ضربه 5، 10، 20، 30 و 40 ژول مورد آزمایش قرار گرفتند. در انرژی 5 ژول، آسیب وارد شده به قطعه بسیار کم بوده است و در انرژی 40 ژول میزان آسیب وارده به قطعه به نحوی بوده است که گلوله داخل قطعه گیر کرده و محل ضربه به صورت یک سوراخ در قطعه باقی مانده است. مساحت های به دست آمده برای ناحیه متاثر از ضربه در کانتورهای کرنش در بارگذاری 40 درصد دارای مقادیر نزدیک به مساحت واقعی آسیب می باشند. با مقایسه مساحت به دست آمده از کانتور کرنش در بارگذاری 40 درصد و مساحت واقعی آسیب، برای حالت 10 ژول، 20 ژول و 30 ژول تفاوت مساحت های به دست آمده به ترتیب حدود 3/2 درصد، حدود 5/2 درصد و 1/3 درصد می باشد.

اصل مقاله به صورت متن کامل فارسی در بخش فارسی قابل رویت است.

یکی از مهمترین بخش ها ی تصویر لبه ها می باشند. به مرز بین دو ناحیه از تصویر که دارای تفاوت قابل توجه در شدت روشنایی، رنگ و یا بافت باشد، لبه گفته می شود. تشخیص لبه یک مرحله اساسی در تقسیم بندی تصویر و یکی از مهمترین مراحل برای تشخیص ویژگی اشیاء در یک تصویر می باشد. اخیراً پژوهش های زیادی در زمینه تشخیص لبه انجام شده است که هر کدام سعی در تشخیص بهتر لبه های تصویر داشته اند در این پژوهش برای تشخیص لبه تصاویر دیجیتالی، از تئوری فازی و مفهوم خوشه بندی فازی استفاده شده است، در ابتدا پیکسل های تصویر بر اساس میزان سطح خاکستری آنها به خوشه هایی تقسیم شده و سپس با تعیین فیلترهای مناسب اقدام به تشخیص لبه تصویر شده است. روش پیشنهاد شده لبه های تصویر را به خوبی تشخیص داده، همچنین درتشخیص لبه هایی از تصویر که به علت سطح نور نامناسب و یا نویزی بودن امکان تشخیص صحیح آنها وجود ندارد عملکرد چشمگیری از خود نشان داده است. نتایج این پژوهش نشان داد روش پیشنهادی در اکثر موارد نتایج بهتری نسبت به روش های معمول ارائه داده است و این به علت عملکرد خوب آن در تشخیص جزئیات تصویر مانند ضخامت و قوی و ضعیف بودن لبه ها می باشد بخصوص در تصاویری که دارای وضوح کمتر و یا کانتراست پایین تری است عملکرد خیلی خوبی داشته است.