Dalam beberapa tahun kebelakangan ini, terdapat lonjakan dalam penyelidikan yang fokus pada pengintegrasian teknologi maju ke dalam proses pemeriksaan pengeluaran, terutamanya dalam pengesanan cacat. Ringkasan ini mengkaji perkembangan utama dalam bidang ini, termasuk sistem pemeriksaan yang didayakan oleh IoT dan aplikasi Blockchain dalam pengeluaran. Beberapa kajian telah berjaya melaksanakan teknik pembelajaran mesin, khususnya dengan menggunakan algoritma YOLO-v3 yang diubah suai untuk pengesanan cacat secara masa nyata pada permukaan jalur keluli, mencapai kadar ketepatan dan pengingatan yang mengagumkan. Satu lagi kajian menggunakan Jaringan Neural Konvolusi (CNN) untuk memeriksa jalur keluli yang dipanaskan membantu dalam pengenalan automatik cacat permukaan, manakala model gabungan CNN-SVM membolehkan pengklasifikasian cacat papan litar bercetak. Teknik pembelajaran mesin ini mempunyai implikasi yang signifikan untuk meningkatkan kawalan kualiti dengan mengenal pasti dan memperbaiki cacat dalam barang yang dihasilkan. Penggunaan sistem IoT dalam pemeriksaan pengeluaran juga semakin berkembang kerana kemampuannya untuk pemantauan dan pengumpulan data secara masa nyata. Kerangka IoT yang dicadangkan telah menunjukkan peningkatan dalam kadar pengesanan cacat dan pengurangan kos kawalan kualiti, menggabungkan teknologi seperti pengkomputeran tepi dan perkhidmatan awan. Selain itu, teknologi Blockchain sedang dimanfaatkan untuk meningkatkan ketelusan rantaian bekalan dan integriti data, terutama dalam konteks pengeluaran pintar, di mana ia menyimpan dan berkongsi data pemeriksaan dengan selamat. Dengan menggabungkan teknologi ini, para penyelidik telah mula menerokai sinergi antara IoT dan Blockchain untuk meningkatkan lagi proses pengeluaran. Seni bina Blockchain yang unik telah dibangunkan untuk aplikasi IoT industri, bertujuan untuk meningkatkan kebolehjejak rantaian bekalan dan pemeriksaan kualiti sambil menangani kebimbangan keselamatan dan kebolehpercayaan. Dalam aspek keberkesanan tenaga, kemajuan terkini menyoroti cabaran yang dihadapi oleh permintaan sumber dari blockchain, khususnya dalam mekanisme konsensus. Pelaksanaan rangkaian adversarial generatif dalam penstriman video untuk Internet Perkara Multimedia (IoMT) dan protokol konsensus ringan untuk blockchain konsorsium menunjukkan usaha untuk meningkatkan prestasi dan mengurangkan penggunaan sumber. Selain itu, kajian yang memeriksa keberkesanan kaedah pembelajaran mendalam untuk mengesan manipulasi multimedia dan mengintegrasikan algoritma pengoptimuman dalam persekitaran IoT menunjukkan kemajuan berterusan dalam meningkatkan kebolehpercayaan dan kecekapan sistem. Kajian ini mempersembahkan penyelesaian IoT-Blockchain yang inovatif untuk pengesanan cacat dalam pengecoran pelaburan, menggunakan model pembelajaran mendalam berasaskan ResNet untuk pengenalan cacat yang tepat dan pengukuran dimensi, bersama dengan Blockchain untuk penyimpanan data yang selamat. Pengintegrasian teknologi ini mempromosikan pemprosesan masa nyata, kebolehjejak, dan pematuhan kepada standard kualiti merentas pelbagai sektor, termasuk automotif dan pembinaan. Pengumpulan dan Pemprosesan Data Peranti IoT yang dilengkapi dengan kamera beresolusi tinggi menangkap pengecoran pelaburan, meningkatkan kejelasan imej melalui langkah pra-pemprosesan seperti pengurangan bunyi dan pelarasan geometri.

Pengambilan ciri dilakukan oleh model ResNet, mengenal pasti cacat berdasarkan corak tekstur, kontur, dan variasi warna. Sistem ini membezakan pengecoran yang cacat melalui pengklasifikasian yang teliti, meningkatkan usaha kawalan kualiti. Data disimpan di dalam Blockchain, memastikan ia kekal tidak boleh diubah dan boleh dijejak sambil membenarkan penyimpanan dan akses yang dipermudahkan. Setiap transaksi disahkan melalui mekanisme konsensus, menyumbang kepada integriti data sepanjang kitaran hidup pemeriksaan. Peranti Pemeriksaan dan Model Pembelajaran Dalam Peranti untuk memeriksa pengecoran pelaburan menggabungkan komponen perkakasan yang tepat untuk pengesanan cacat dan pengukuran dimensi yang berkesan. Seni bina ResNet mengurangkan isu yang wujud pada rangkaian neural mendalam dengan menggunakan blok residual yang memudahkan aliran gradien, memudahkan latihan model yang luas. Latihan model ResNet melibatkan teknik seperti pengoptimuman Adam, dropout untuk pengurangan pengesanan berlebihan, dan pengayaan data untuk meningkatkan ketahanan set data. Model ini telah diuji dengan ketat, mencapai skor F1 yang tinggi dan skor kegunaan sistem sambil menunjukkan ketepatan yang mengagumkan dalam mengenal pasti cacat dan mengukur dimensi. Integrasi Blockchain dan Prestasi Keseluruhan Kontrak pintar mengautomasikan ketelusan dan keselamatan dalam sistem, mengesahkan dan merekodkan data cacat di dalam Blockchain secara masa nyata. Penilaian prestasi menunjukkan peningkatan signifikan dalam skor F1 dan metrik lain berbanding dengan kaedah konvensional, menekankan keberkesanan integrasi IoT-Blockchain. Hasil pemprosesan masa nyata menunjukkan bahawa sistem dapat menganalisis pengecoran dalam hanya 2. 3 saat, menunjukkan throughput yang tinggi sesuai untuk pengeluaran berskala besar. Selain itu, keberkesanan pengiraan ditingkatkan melalui pelaksanaan pengkomputeran tepi, sambil keupayaan pengendalian data Blockchain memastikan rekod pemeriksaan yang selamat dan tidak boleh diubah. Walaupun sistem IoT-Blockchain menunjukkan kelebihan yang ketara, cabaran berkaitan dengan skala, konteks pengawalseliaan, keberkesanan tenaga, dan integrasi lancar dengan sistem sedia ada masih wujud. Peningkatan masa depan akan memberi tumpuan untuk mengoptimumkan penggunaan tenaga, meningkatkan skalabiliti dalam persekitaran berkapasiti tinggi, dan memastikan keselamatan data yang kukuh merentasi pelbagai industri. Kesimpulannya, pengintegrasian teknologi IoT dan Blockchain menandakan perkembangan transformatif dalam pemeriksaan pengeluaran, meningkatkan pengesanan cacat dan jaminan kualiti. Dengan meningkatkan ketelusan operasi dan kecekapan proses, ia membuka jalan untuk kemajuan selaras dengan prinsip Industri 4. 0, menekankan kepentingan penyelesaian pengeluaran yang selamat, pintar, dan mampan.