← أحدث الأبحاث
💻 computer science

DeepCork: A Two-Stage Deep Learning Framework for Automated Defect Inspection of Natural Cork Stoppers

يُعد DeepCork إطار عمل للتعلم العميق يتكون من مرحلتين، حيث يجمع بين مصنف ثنائي يعتمد على ResNet152 وكاشف يعتمد على YOLO لتحقيق فحص عالي الدقة وفي الوقت الفعلي لعيوب سدادات الفلين الطبيعي، مع موازنة دقة التحديد، وقيود زمن الاستجابة، وعدم اليقين التنبؤي في التصنيع الصناعي بشكل فعال.

المؤلفون الأصليون: Marcos de Souza Oliveira, Jorge Carlos Santos Cardoso, Hugo Dinis Pereirinha da Silva Amaro, Esmaail Albarazi, Armin Gharibi, João Perdiz, Tiago Ventura, Vanessa Fernandes Ferreira, António Silva Ferr
نُشر 2026-09-10
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Marcos de Souza Oliveira, Jorge Carlos Santos Cardoso, Hugo Dinis Pereirinha da Silva Amaro, Esmaail Albarazi, Armin Gharibi, João Perdiz, Tiago Ventura, Vanessa Fernandes Ferreira, António Silva Ferreira, André Perrotta, Licinio Roque

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تعتمد زجاجات النبيذ على سدادة بسيطة لكنها متطورة: سدادة مصنوعة من لحاء شجرة بلوط الفلين. هذه المادة فريدة من نوعها، حيث توفر توازناً مثالياً بين الخفة والمرونة والقدرة على منع دخول الهواء مع السماح للنبيذ بالتنفس. ومع ذلك، نادراً ما تكون الطبيعة مثالية؛ فلحاء الشجر هو نسيج حي له تاريخه الخاص، مليء بالمسام والأنماط الطبيعية التي يمكن بسهولة الخلط بينها وبين التلف. وعندما يقوم المصنعون بقطع هذا اللحاء إلى أسطوانات لصنع السدادات، فإنهم يخاطرون بإنشاء شقوق خفية أو ترك آثار لإصابات حشرية. قد تبدو هذه العيوب وكأنها سمات طبيعية غير ضارة، لكنها يمكن أن تفسد الختم، مما يسمح للأكسجين بإفساد النبيذ في الداخل. لقرون، قام البشر بفحص هذه السدادات بالعين المجردة، وهي عملية بطيئة ومرهقة حيث قد يغفل عامل متعب عن شق صغير أو يرفض خطأً قطعة سليمة. واليوم، تحتاج المصانع إلى آلات يمكنها الرؤية مثل البشر، ولكن بسرعة أكبر ودون تعب، ومع ذلك، فإن عدم الانتظام الطبيعي للفلين يجعل هذه المهمة صعبة على الحواسيب.

لقد طور باحثون في جامعة كويمبرا وشركاؤهم في صناعة الفلين نظاماً جديداً يسمى "DeepCork" لحل هذه المشكلة. وبدلاً من محاولة إجبار برنامج حاسوبي واحد على القيام بكل شيء في آن واحد، بنوا خط فحص مكون من خطوتين يحاكي سير عمل بشري دقيق. تعمل الخطوة الأولى كحارس بوابة سريع؛ تخيل عاملاً يمسح بسرعة حزاماً ناقلاً يحتوي على آلاف السدادات، فيستبعد فوراً تلك التي تبدو مثالية تماماً ويضع جانباً فقط تلك التي قد تشوبها عيوب. يقوم الحاسوب بذلك باستخدام أداة تحليل صور متخصصة مدربة على تمييز الفرق بين الفلين السليم والمتضرر. ينظر النظام إلى الجزء العلوي المسطح والجانب الأسطواني لكل سدادة، ويقرر بيقين شبه تام ما إذا كان المنتج آمناً أم مشبوهاً. وإذا لم يكن الحاسوب متأكداً تماماً من أن السدادة مثالية، فإنه يرسلها إلى المرحلة الثانية.

المرحلة الثانية هي حيث يتم العمل التفصيلي. السدادات التي اجتازت الفحص الأول ولكنها لا تزال تثير علامة استفهام، يتم فحصها بواسطة نظام أكثر تعقيداً مصمم لتحديد مكان المشكلة ونوعها بالضبط. يبحث هذا النظام عن أنواع محددة من التلف، مثل الشقوق الداخلية التي لا تكسر السطح، أو الشقوق الخارجية التي تمزق الحواف، أو الثقوب التي تركتها الحشرات. يقوم النظام برسم مربع حول العيب، ويحدد ما إذا كان شقاً أو علامة حشرة، ويقرر ما إذا كان يجب التخلص من السدادة. هذا النهج المكون من جزأين أمر بالغ الأهمية لأن نظاماً واحداً يحاول القيام بالوظيفتين معاً غالباً ما يرتبك بسبب ملمس الفلين الطبيعي، فيخطئ بين مسام غير ضارة وشق خطير. ومن خلال فصل المهام، يقوم النظام أولاً بتصفية القطع الجيدة بثقة عالية، ثم يستخدم كامل قوته لتحليل القطع القليلة التي قد تكون تالفة فقط.

اختبر الفريق هذا النظام على مجموعة ضخمة تضم أكثر من 18,000 صورة حقيقية تم التقاطها من أرض المصنع. ووجدوا أن الطريقة المكونة من مرحلتين نجحت بشكل ملحوظ. بالنسبة للجزء العلوي المسطح من السدادة، كان النظام بلا عيوب تقريباً، حيث حدد المواقع بدقة للعيوب في كل حالة تقريباً. أما الجسم الأسطواني، وهو الأصعب في الفحص بسبب شكله المنحني وتغير الظلال، فقد أثبت أنه أكثر تحدياً، ومع ذلك حقق النظام مستوى عالياً جداً من الدقة. واكتشف الباحثون أيضاً أن نماذج الحاسوب الأحدث والأكثر تعقيداً لم تكن بالضرورة أفضل من النماذح الأقدم والأكثر استقراراً. في الواقع، وفر إصدار محدد من برنامج الكشف المعروف باسم YOLOv8، عند اقترانه بالمرشح الأولي، أفضل توازن بين السرعة والدقة. العملية برمتها سريعة بما يكفي لمواكبة خط إنتاج عالي السرعة، حيث تستغرق أقل من ثمانية مللي ثانية لفحص سدادة واحدة معيبة، بينما يتم تمرير السدادات السليمة بسرعة أكبر حتى.

يوضح هذا العمل أن مراقبة الجودة الآلية للمواد الطبيعية لا تتطلب ذكاءً اصطناعياً واحداً فائق القدرة، بل إن تسلسلاً مصمماً بعناية من خطوات أبسط يمكن أن يحقق نتائج متفوقة. لقد نجح النظام في تقليل مخاطر الإنذارات الكاذبة، حيث تُرفض قطعة مثالية بالخطأ، والسهو الكاذب، حيث تمر قطعة تالفة دون اكتشافها. وبينما يشير الباحثون إلى أن الجانب المنحني للفلين يظل الجزء الأكثر صعوبة في الفحص المثالي، وأن بيانات التدريب الخاصة بهم اعتمدت بشكل كبير على متغيرات مولدة حاسوبياً لسد الفجوات، فإن النتائج تمثل خطوة كبيرة للأمام. لقد أنشأوا أساساً شفافاً وموثوقاً لمستقبل إنتاج الفلين، مما يضمن أن يكون الختم الطبيعي الذي يحمي نبيذنا موثوقاً بقدر موثوقية المادة نفسها.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →