Classification des défauts multiples détectés par les ultrasons en utilisant les réseaux de neurones convolutifs

Abstract

Ce travail s’inscrit dans le cadre de la classification des défauts multiples détectés par le contrôle non destructif ultrasonores en utilisant les réseaux de neurones convolutifs. Cette technique utilise des couches avec différents paramètres comme le nombre de couches cachées qui correspond à une aptitude à traiter des problèmes de non-linéarité, le nombre de neurones par couche cachée, le nombre maximum d’itérations, l’erreur maximum tolérée, Le taux d’apprentissage pour traiter les informations. L’entrainement et le test de cette architecture a été effectué avec une base de données simulée et la validation avec les résultats acquis du contrôle ultrasonores effectué. Les résultats obtenus de cette architecture ont montré l’efficacité de cette technique dans la classification des défauts multiples avec (test_accuracy = 0.9963, test_loss = 0.0094 et un pourcentage de 93% de réussite de prédiction)