در فرآیند تولید کابل‌های شبکه، اطمینان از صحت ترتیب رنگ رشته‌سیم‌ها در داخل کانکتور استاندارد نقش بسیار مهمی در عملکرد نهایی کابل دارد، چرا که هرگونه جابه‌جایی یا اشتباه در رنگ‌بندی می‌تواند منجر به تولید محصول معیوب و تحمیل هزینه‌های قابل توجه شود. روش‌های سنتی بازرسی که مبتنی بر مشاهده چشمی از طریق میکروسکوپ دیجیتال هستند، معمولاً زمان‌بر، خسته‌کننده و مستعد خطاهای انسانی هستند. در این پژوهش، یک سامانه هوشمند بر پایه مدل شناسایی اشیای نسخه دوازدهم یولو به منظور تشخیص موقعیت و ترتیب رنگ صحیح رشته‌سیم‌ها در کابل‌های پچ‌کورد توسعه داده شده است. مجموعه داده مورد استفاده شامل دو هزار و پانصد تصویر تهیه‌شده از نمای میکروسکوپی کانکتورهای شبکه بود که به نسبت هفتاد درصد برای آموزش، پانزده درصد برای اعتبارسنجی و پانزده درصد برای آزمون تقسیم شدند. مدل پیشنهادی با بهره‌گیری از ساختار تک‌مرحله‌ای و مکانیزم توجه در مرحله یادگیری، موفق به شناسایی دقیق سیم‌ها با دقت حدود نود و هشت درصد گردید. همچنین میانگین دقت کلی ، دقت طبقه‌بندی و نرخ بازیابی به ترتیب در حدود نود و پنج درصد، نود و نه درصد و نود و هشت درصد به دست آمدند. نتایج نشان می‌دهد که این سامانه می‌تواند به صورت بلادرنگ، قابل اعتماد و بدون نیاز به مداخله انسانی، درستی ترتیب رنگ سیم‌ها را در خط تولید بررسی کرده و موجب کاهش خطاهای انسانی و افزایش بهره‌وری در فرآیند تولید گردد.

کلیدواژه‌ها: بازرسی خودکار تشخیص ترتیب رنگ سیم یادگیری عمیق بینایی ماشین یولو کابل شبکه کنترل کیفیت تولید