Détection et classification des défauts industiels en utisant le deep learning
No Thumbnail Available
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Université de Larbi Ben M’hidi- Oum El Bouaghi
Abstract
Aujourd’hui, les machines industrielles sont devenues plus complexes et leur maintenance doit, par conséquent, évoluer en fonction de l'évolution de ces machines. D’autre part, l'intervention de l'intelligence artificielle dans la maintenance est devenue très importante, en particulier, l’apprentissage en profondeur, qui fait partie de l'apprentissage automatique. L'objectif de ce projet est de développer des modèles prédictifs afin de détecter et de classer les défauts trouvés dans les roulements en utilisant les techniques d'apprentissage en profondeur tels que les réseaux de neurones artificiels et les réseaux de neurones convolution. L'ensemble de données fourni par l’université
Western Reserve est utilisé pour entraîner et valider les modèles proposés. Enfin, l’efficacité de ces modèles est
Description
Keywords
Apprentissage en profondeur, Neurone, roulement