کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

بررسی تطبیقی جامع استخراج ویژگی Vision Transformer (ViT) در برابر شبکه‌ های کانولوشنی (CNN) مدرن برای تشخیص عیوب سطح شیشه: ارزیابی تأثیر ادغام ویژگی و طبقه‌ بندهای یادگیری ماشین

نویسندگان :

زهرا زارع شاهی¹ فاطمه زارع مهرجردی² محسن سرداری زارچی³

1- دانشگاه میبد 2- دانشگاه میبد 3- دانشگاه میبد

کلمات کلیدی :

عیوب شیشه،مبدل بینایی ViT،استخراج ویژگی،یادگیری عمیق،افزایش داده

چکیده :

در این پژوهش، یک بررسی تطبیقی جامع برای ارزیابی عملکرد استخراج ویژگی چهار معماری عمیق شامل Vision Transformer (ViT) و سه مدل کانولوشنی (ResNet50، EfficientNetB0، ConvNeXtBase ) بر روی مجموعه داده عیوب سطح شیشه انجام شد. با توجه به چالش ‌های ناشی از عدم توازن شدید کلاس ‌ها در مجموعه داده اولیه که تنها ۱۰۸۰ تصویر داشت، از یک استراتژی افزایش داده هدفمند شامل چرخش، برش و وارونگی استفاده شد تا حجم مجموعه آموزشی به حدود ۹۰۰۰ تصویر متوازن افزایش یابد. ویژگی‌ های استخراج‌ شده توسط هر مدل، سپس به ‌طور جداگانه توسط هفت طبقه ‌بند یادگیری ماشین شامل Logistic Regression، SVM، Decision Tree، K-Nearest Neighbors (KNN)، Random Forest، AdaBoost و XGBoost ارزیابی شدند. همچنین، یک رویکرد ادغام ویژگی برای ترکیب خروجی ویژگی‌های استخراج شده از هر چهار مدل مورد آزمون قرار گرفت. نتایج نشان داد که معماری ViT با توانایی خود در ثبت ویژگی‌ های سراسری و ظریف تصویر، به وضوح برتر از CNNها عمل کرد و بهترین دقت کلی ۹۸.۷۷٪ را با طبقه ‌بندهای SVM و XGBoost به دست آورد. تحلیل نتایج نشان داد که ترکیب ویژگی‌ ها با مدل‌ های CNN ضعیف ‌تر، منجر به کاهش عملکرد نسبت به ViT تکی شد که این یافته بر برتری مطلق ViT برای این کاربرد صنعتی تأکید می‌کند.