CHƯƠNG 1: TỔNG QUAN Giới thiệu về nội dung nghiên cứu của đề tài, đưa ra mục tiêu mà đề tài cần đạt được, cũng như xác định rõ phạm vi giới hạn của đề tài. • CHƯƠNG 2: CƠ SỞ LÝ THUYẾT Trình bày khái quát về phương pháp hồ quang tay, thuật toán và các kiến thức liên quan trong quá trình huấn luyện. • CHƯƠNG 3: THIẾT KẾ VÀ THỰC THI HỆ THỐNG Thể hiện chi tiết chức năng các khối làm việc, thiết kế thuật toán được sử dụng trong đề tài và giới thiệu các tính năng được xây dựng trên giao diện điện thoại. • CHƯƠNG 4: KẾT QUẢ ĐẠT ĐƯỢC Thể hiện các kết quả thực nghiệm đã đạt được của mô hình hệ thống khi thực hiện đề tài.
• CHƯƠNG 5: KẾT LUẬN VÀ PHƯƠNG HƯỚNG PHÁT TRIỂN Đưa ra kết luận tổng quát và kinh nghiệm đút kết được từ đề tài sau khi thực hiện và nêu ra các hướng phát triển trong tương lai. 3 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT Đầu tiên chương này sẽ giới thiệu khái quát về khái niệm, đặc điểm của hồ quang tay và một số biến thể về khuyết tật trên mối hàn thường gặp phải trong các phân xưởng thực tập. Tiếp theo sẽ là phần giới thiệu về Tensorflow [4] – một trong những framework được sử dụng phổ biến trong ứng dụng về trí tuệ nhân tạo; các khái niệm về các thuật toán tối ưu trong quá trình huấn luyện; kiến trúc mạng Mobilenet [7], MobilenetV2 [9] - một cấu trúc vô cùng hiệu quả dùng để triển khai trên di động và thuật toán CBAM [10] dùng để cải tiến hiệu suất của mô hình cơ sở của MobilenetV2 [9].1 BIẾN THỂ KHUYẾT TẬT TRÊN BỀ MẶT MỐI HÀN 2.1 Khái niệm phương pháp hàn hồ quang tay Hàn hồ quay tay (hàn que) là quá trình hàn điện nóng chảy sử dụng điện cực dưới dạng que hàn, thông thường sẽ có thuốc bọc và không sử dụng khí bảo vệ. Lõi que hàn dẫn dòng điện đến vùng hồ quang và đưa kim loại vào để làm đầy liên kết và vỏ bọc que hàn có nhiệm vụ ổn định hồ quang và bảo vệ vùng kim loại hàn nóng chảy.
Phương pháp hàn hồ quang tay còn có những tên gọi khác như: - Hàn SNAW (Shielded metal arc welding) - Hàn MMA (Mannual metal arc) - Hàn Flux shielded arc wedling - Hàn Stick welding Tất cả các thao tác từ gây hồ quang điện, dịch chuyển que hàn, thay que hàn, vv. đều do người thợ hàn tiến hành bằng tay được diễn tả như Hình 2.2 Đặc điểm Hàn hồ quang tay được sử dụng phổ biến nhất trên thế giới hiện nay bởi sự đơn giản của thiết bị, thích hợp hàn trong mọi tư thế với chiều dày trung bình và lớn. Phương pháp hàn hồ quang tay không kén thiết bị, linh hoạt dễ sử dụng và vì thế được ứng dụng rộng rãi trên nhiều lĩnh vực sửa chữa bảo trì, lĩnh vực xây dựng và cả trong các phân xưởng thực tập của các trường đào tạo về lĩnh vực cơ khí. Hàn hồ quang tay có một số ưu điểm của phương pháp hàn hồ quang tay như sau: - Là phương pháp hàn đơn giản, giá thành thấp và cơ động.
- Không cần sử dụng khí trơ vì kim loại được bảo vệ bằng vỏ bọc thuốc. - Linh hoạt có thể phù hợp với hầu hết những kim loại cơ bản. 4 - Có thể thực hiện trong không gian hẹp, trong mọi tư thế những vị trí ngang, đứng hoặc vị trí trần đều được tùy thuộc vào vỏ bọc và kích thước que hàn. - Dùng được cả dòng điện một chiều và xoay chiều.1 Hàn hồ quang được ứng dụng rộng rãi trong sản xuất cơ khí Tuy nhiên phương pháp hàn hồ quang tay cũng còn tồn tại một số nhược điểm như sau: - Năng suất thấp do cường độ bảo vệ thuốc hàn bị hạn chế.
- Hình dạng, kích thước và thành phần hóa học của mối hàn không đều. - Cần gõ xỉ để làm sạch mối hàn, khi hàn có độ bắn tóe lớn. - Điều kiện làm việc của thợ hàn có tính độc hại và chất lượng mối hàn không cao và dễ có nhiều khuyết điểm.3 Các lỗi hư hại trên mối hàn Hàn hồ quang tay sẽ xuất hiện rất nhiều sai sót, chúng có rất nhiều khuyết tật trên mối hàn có thể xuất hiện cả bên trong và bên ngoài của mối hàn. Hiện tại trong môi trường giáo dục tại các phân xưởng thực tập hàn của các trường đại học, mọi quy trình kiểm tra chất lượng đều được giáo viên quan sát bằng mắt thường cả bên trong và bên ngoài mối hàn để có thể đánh giá và tìm ra các khuyết tật của mối hàn.
Sau đây sẽ là một số lỗi thường gặp trên trong quá trình hàn hồ quang tay trong các phân xưởng thực tập. ➢ Lỗi cháy thủng 5 Khái niệm: Là hiện tượng quá nhiệt hoặc quá ngấu dẫn đến việc hình thành một cái lỗ xuyên qua hoàn toàn vật hàn. Một số nguyên nhân dẫn đến lỗi cháy thủng và các hướng khắc phục được đề cập trong Bảng 2. Lỗi cháy thủng được minh họa rõ ở hình 2.
Nguyên nhân sai hỏng Biện pháp khắc phục Cường độ/ điện áp hàn cao. Giảm cường độ/ điện áp hàn. Tốc độ di chuyển quá chậm. Tăng tốc độ di chuyển và duy trì độ dài hồ quang thích hợp.1 Lỗi cháy thủng Hình 2.2 Hình minh họa lỗi cháy thủng ➢ Lỗi cháy cạnh Khái niệm: Là phần lõm trên bề mặt vật hàn xuất hiện dọc theo chân mối hàn, có thể nhìn thấy rõ ở hình 2.
Một số nguyên nhân dẫn đến lỗi cháy cạnh và các hướng khắc phục được nhắc đến trong Bảng 2.3 Hình minh họa lỗi cháy cạnh 6 Nguyên nhân sai hỏng Biện pháp khắc phục Cường độ/điện áp hàn cao. Điều chỉnh cường độ/điện áp hàn thích hợp. Tốc độ di chuyển quá cao. Giảm tốc độ di chuyển và duy trì độ dài hồ quang thích hợp.
Góc đặt mỏ hàn chưa đúng. Điều chỉnh góc mỏ hàn / thanh truyền phù hợp.2 Lỗi cháy cạnh ➢ Lỗi rỗ khí Khái niệm: Là sự xuất hiện của lỗ khí bị mắc kẹt không kịp thoát ra ngoài trên bề mặt mối hàn khi kim loại mối hàn nguội, hình 2.4 thể hiện rõ điều này. Nguyên nhân gây ra lỗi rỗ khí và các hướng khắc phục có thể được tìm thấy trong Bảng 2. Nguyên nhân sai hỏng Biện pháp khắc phục Bề mặt hàn bị bẩn hoặc ẩm.
Làm sạch bụi bẩn, dầu, nhớt, rỉ sét trên bề mặt vật hàn trước khi hàn. Chiều dài hồ quang lớn, vận tốc hàn Duy trì độ dài hồ quang phù hợp, quá cao. giảm vận tốc hàn. Vị trí hàn có gió lớn.
Định vị các tấm chắn gió giữa các mối hàn phù hợp.3 Lỗi rỗ khí 7 Hình 2.4 Hình minh họa lỗi rỗ khí. ➢ Lỗi văng tóe lớn Khái niệm: Là sự bám dính các hạt kim loại lỏng bị bắn ra ngoài trong quá trình hàn khi mối hàn nguội với kích thước lớn, có thể được giải thích cụ thể qua hình 2. Tương tự Bảng 2.4 đề cập tới nguyên nhân và biện pháp cho lỗi văng tóe lớn. Nguyên nhân sai hỏng Biện pháp khắc phục Bề mặt hàn bị bẩn.
Làm sạch bụi bẩn, dầu, nhớt, rỉ sét trên bề mặt vật hàn trước khi hàn. Góc độ hàn nghiêng quá Điều chỉnh góc mỏ hàn/ thanh truyền hợp lý và mức, chiều dài hồ quang cao chiều dài hồ quang thích hợp. Cường độ / điện áp dòng Giảm cường độ / điện áp dòng hàn. hàn cao Bảng 2.4 Lỗi văng tóe lớn 8 Hình 2.5 Hình minh họa lỗi văng tóe lớn ➢ Lỗi lẫn xỉ Khái niệm: Là mối hàn bị lẫn xỉ lẫn một số tạp chất khác bên trên bề mặt, bên trong hoặc giáp ranh vị trí nối của mối hàn như hình 2.
Đối với lỗi lẫn xỉ, một số nguyên nhân gây sai hỏng và các hướng khắc phục được đề cập trong Bảng 2. Nguyên nhân sai hỏng Biện pháp khắc phục Cường độ/điện áp hàn nhỏ. Tăng cường độ/điện áp hàn. Bề mặt hàn bị bẩn.
Làm sạch bụi bẩn, dầu, nhớt, rỉ sét trên bề mặt vật hàn trước khi hàn. Góc độ hàn chưa đúng, tốc độ lớn. Duy trì ổn định tốc độ hàn, điều chỉnh góc độ hàn phù hợp.5 Lỗi lẫn xỉ Hình 2.6 Hình minh họa lỗi lẫn xỉ.2 FRAMEWORK TENSORFLOW TensorFlow[4] là một nền tảng mã nguồn mở end-to-end được sử dụng rộng rãi để triển khai học máy và các thuật toán liên quan đến số lượng lớn phép toán. 9 TensorFlow[4] được phát triển bởi Google và là một trong những thư viện phổ biến nhất trên Github.
Google sử dụng TensorFlow[4] hầu hết trên các ứng dụng của mình như Google Photos hoặc tìm kiếm bằng giọng nói là gián tiếp sử dụng các mô hình TensorFlow[4]. Nó có một hệ sinh thái toàn diện, linh hoạt gồm các công cụ, thư viện và tài nguyên cộng đồng cho phép các nhà nghiên cứu thúc đẩy tính năng tiên tiến trong học máy và các nhà phát triển dễ dàng xây dựng và triển khai các ứng dụng hỗ trợ học máy. Việc hỗ trợ mạnh mẽ các phép toán học để tính toán trong học máy cũng như học sâu đã giúp việc tiếp cận các bài toán trở nên đơn giản, nhanh chóng và tiện lợi.7 sẽ mô tả quy trình công việc cùng với các mô-đun quan trọng liên kết với mỗi bước.7 Quy trình làm việc của TensorFlow Các thư viện cơ bản mà chúng ta sẽ thường sử dụng được viết sẵn như tf.layers có chức năng thực hiện các nhiệm vụ sau: - Tải và xử lý dữ liệu : Đây là một trong những bước đầu tiên ở bất kì một dự án nào về học máy và học sâu. Vì thế TensorFlow[4] đã hỗ trợ các tiện ích để thực hiện bước này với mô-đun tf.Trong đó lớp quan trọng trong mô-đun này là ImageDataGenerator được sử dụng khi ta có một tập dữ liệu dưới dạng hình ảnh và có thể tải dữ liệu lên dưới dạng một tensor với nhiều batch và có thể áp dụng các thuật toán cho việc tăng cường dữ liệu nhằm phục vụ cho quá trình huấn luyện.
10 - Xây dựng Neural Network: Mô-đun tf.layers sử dụng để tạo Neural Network. Nó cung cấp tất cả các lớp phổ biến như các Convolutional layer (Conv), Pooling, Fully Connected(FC), các hàm tác động (Activations) và các hàm mất mát (Loss), v. Khi tiến hành huấn luyện ta phải cần định nghĩa về các hàm tối ưu, hàm mất mát, và cách đánh giá mô hình. Các tiện ích này được cung cấp trong tổng hợp mô hình (Model Compilation) như định nghĩa hàm tối ưu (Optimizer), hàm mất mát (Loss), và đánh giá mô hình (Metrics).
Các mô hình sau khi đã được huấn luyện, nó có thể sử dụng để dự đoán đầu ra của các trường hợp cần kiểm tra để đánh giá mô hình, thậm chí dự đoán các dữ liệu mới.