Επιτομή:
Στην παρούσα πτυχιακή εργασία στόχος είναι η ανάπτυξη και η μελέτη ενός κώδικα εντοπισμού των όποιων αλλοιώσεων μπορούν να εντοπιστούν σε μηχανολογικά εξαρτήματα. Πιο συγκεκριμένα θα γίνει μια προσπάθεια ταξινόμησης των αστοχιών σε μηχανολογικά εξαρτήματα μέσω ενός κοινού μοτίβου. Η μελέτη βασίζεται σε ήδη υπάρχουσες επιστημονικές γνώσεις γύρω από την γραφή κώδικα αυτόματης αναγνώρισης εικόνων. Η μέθοδος που επιλέχθηκε για το σκοπό της ταξινόμησης είναι αυτή των τεχνητών νευρωνικών δικτύων με τη χρήση της βιβλιοθήκης TensorFlow σε περιβάλλον Python. Θα μπορούσε ακόμα να χρησιμοποιηθεί ως μέθοδος αξιολόγησης σε γραμμές μαζικής παραγωγής μηχανολογικών εξαρτημάτων, χωρίς να χρειάζεται να επέμβει ο ανθρώπινος παράγοντας.
Στο πρώτο κεφάλαιο ορίζεται η έννοια της Τεχνητής Νοημοσύνης, παρουσιάζονται οι προσεγγίσεις της και γίνεται μια αναδρομή στην έννοια αυτή σε βάθος χρόνου.
Στο δεύτερο κεφάλαιο, αναλύονται διεξοδικά τα Τεχνητά Νευρωνικά Δίκτυα, αρχικά παρουσιάζεται ένα σχήμα και η λειτουργία των βιολογικών νευρωνικών δικτύων. Στη συνέχεια, παραθέτεται ένα μοντέλο Τεχνητών Νευρωνικών Δικτύων εξετάζεται λεπτομερώς, κατονομάζονται οι ιδιότητες και οι εφαρμογές του.
Στο τρίτο κεφάλαιο, επισημαίνονται βασικές έννοιες όπως αυτές της αστοχίας του υλικού στο πέρασμα του χρόνου, οι οποίες θα χρησιμοποιηθούν και θα εντοπιστούν από τον κώδικα που θα αναπτύξουμε.
Στο τέταρτο κεφάλαιο παρουσιάζεται η πειραματική διαδικασία για την υλοποίηση του συστήματος ταξινόμησης με λεπτομέρειες σχετικά με τα δεδομένα, τις διάφορες τεχνικές επεξεργασίας εικόνας και τις μεθόδους βελτιστοποίησης που χρησιμοποιήθηκαν, αναλύεται ο κώδικας σε γλώσσα Python και σχολιάζονται οι εντολές που χρησιμοποιήθηκαν μία προς μία.
Στο πέμπτο και τελευταίο κεφάλαιο παρατίθενται τα συμπεράσματα που εξάγονται με βάση τα αποτελέσματα αυτά καθώς και μία πρόβλεψη για την εξέλιξη των νευρωνικών δικτύων.
