نوآوری در پایش غیرمخرب کاشی و سرامیک
پژوهشی از دانشگاه موناش استرالیا، روش جدیدی برای تشخیص جداشدگی کاشیها از ملات زیرین معرفی کرده است. در این روش از امواج لمب (Lamb Waves) بهعنوان ابزاری برای پایش غیرمخرب (NDT) استفاده میشود؛ ابزاری که بدون نیاز به تخریب سطح، میتواند نقصهای چسبندگی را در لایههای کاشی تشخیص دهد.
ترکیب امواج فراصوت و هوش مصنوعی
در این مطالعه، دادههای حاصل از انتشار امواج لمب به کمک یادگیری عمیق (Deep Learning) و شبکه عصبی پیچشی دوبعدی (2D-CNN) تحلیل شدند. پژوهشگران سیگنالهای زمانی امواج را به تصاویر «زمان–فرکانس» تبدیل کرده و از مدل هوش مصنوعی برای شناسایی موقعیت و اندازه دقیق نواحی جداشده استفاده کردند. استفاده از دادههای ترکیبی (شبیهسازیشده و آزمایشگاهی) دقت مدل را به شکل چشمگیری افزایش داد.
دقت بالا و کاربرد صنعتی
نتایج نشان داد مدل طراحیشده قادر است محل جداشدگی را با خطای کمتر از ۸ میلیمتر و اندازهی آن را با دقت حدود ۲ میلیمتر پیشبینی کند. این روش، نسبت به شیوههای سنتی مانند ضربهزنی یا تصویربرداری حرارتی، دقیقتر، سریعتر و مستقل از تجربهی کاربر است. به گفتهی محققان، این فناوری میتواند بهعنوان مبنایی برای توسعهی سیستمهای هوشمند پایش سلامت در نمای سرامیکی ساختمانها و دیگر سازههای پوششدار به کار رود.
مشخصات مقاله
عنوان اصلی: Deep Learning Enhanced Quantitative Debonding Evaluation in Tile Panels Using Lamb Waves
نویسندگان: Shuke Chen و Ye Lu
دانشگاه: Monash University – Australia
سال انتشار: ۲۰۲۵
مجله: Ultrasonics (Elsevier)
کلیدواژهها: Lamb Waves، Deep Learning، Tile Bonding Defects، Non-Destructive Testing
دانلود فایل کامل مقاله : سرامی اسکوپ
