YOLOv11-AHFE:Adaptive High-Frequency Signal Enhancement Mechanism for Surface detection

معضلة المحقق: رؤية ما لا يُرى

تخيل أنك محقق تحاول العثور على خدش صغير للغاية على باب سيارة معدني لامع ومغطى بالزيت. بالنسبة للعين المجردة، أو حتى لكاميرا عادية، قد يبدو هذا الخدش مجرد خدعة بصرية ناتجة عن انعكاس الضوء أو مجرد بقعة شحم. هذا هو الصراع اليومي لـ "الرؤية الحاسوبية" (Computer Vision)، وهو فرع من فروع الذكاء الاصطناعي حيث نعلم الحواسيب كيف ترى وتفهم العالم. لسنوات، كانت أفضل الأدوات التحقيقية (الخوارزميات) بارعة في رصد الأشياء الكبيرة والواضحة، لكنها غالبًا ما تغفل عن التفاصيل الدقيقة والمراوغة لأنها مشغولة جدًا بالنظر إلى "الصورة الكبيرة". فهي تميل إلى التخلص من التفاصيل الدقيقة عالية التردد — مثل الحواف الحادة لشق ما أو ملمس خدش ما — فقط لجعل مهمتها أسرع.

تتعمق هذه الورقة البحثية في زاوية محددة من هذا العالم: اكتشاف العيوب على الأسطح المعدنية في المصانع. يعمل المؤلفون على تطوير أداة تحقيق سريعة جدًا وشائعة تسمى YOLO (والتي تعني "أنت تنظر مرة واحدة فقط" - You Only Look Once). تخيل YOLO كحارس أمن يمسح الحشود في جزء من الثانية للعثور على المشاكل؛ إنه سريع للغاية وماهر في رصد الأشား، ولكن عندما يتعلق الأمر برصد خدش صغير وغير منتظم على قطعة من الفولاذ، فإنه أحيانًا يخطئ الهدف لأنه سريع جدًا بحيث لا يلاحظ الإشارات الضعيفة وعالية التردد التي تحدد تلك العيوب الصغيرة. السؤال الكبير الذي يطرحونه هو: كيف يمكننا جعل هذا الحارس فائق السرعة ينتبه للتفاصيل الدقيقة وعالية النبرة دون إبطاء حركته؟

الحل: منح المحقق "آذانًا خارقة"

يقترح المؤلفان، ناثان دو ويانفانغ مينج، ترقية ذكية لنظام YOLO القياسي، أطلقوا عليها اسم YOLOv11-AHFE. فكرتهم الأساسية هي منع الكمبيوتر من مجرد "التخلص من" التفاصيل الدقيقة أثناء تصغير الرؤية للنظر في الصورة بأكملها. وبدلاً من ذلك، قدموا آلية خاصة تسمى تعزيز إشارة التردد العالي التكيفي (Adaptive High-Frequency Signal Enhancement).

لفهم كيفية عمل ذلك، تخيل أنك تستمع إلى أغنية؛ النغمات المنخفضة هي "الباص" (الأجزاء الثقيلة والضخمة من الصورة)، والنغمات العالية هي أصوات الصنوج والكمان الحادة (الخدوش والحواف الصغيرة). غالبًا ما تقوم الرؤية الحاسوبية القياسية بكتم النغمات العالية لإبقاء الموسيقى بسيطة. ومع ذلك، تستخدم هذه الطة الجديدة خدعة رياضية تسمى تحويل المويجات (Wavelet Transform) لفصل الموسيقى إلى مسارات مختلفة؛ فهي تحافظ على مسار "الباص" آمنًا، لكنها تنشئ مسارًا خاصًا "عالي التردد" تقوم بتعزيزه وتقويته.

إليكم كيف بنوا محققهم الجديد:

1. استراتيجية المسارين (The Dual-Stream Strategy): بدلاً من وجود مسار واحد فقط لمرور الصورة، أنشأوا نظامًا "ثنائي المسارات". مسار واحد ينظر إلى الصورة بشكل طبيعي لفهم الشكل العام (الميزات الدلالية/Semantic features). أما المسار الآخر فيستخدم وحدة Wavelet-Conv لتفكيك الصورة إلى أربعة أجزاء: نسخة ضبابية (LL)، نسخة ذات حواف رأسية (LH)، نسخة ذات حواف أفقية (HL)، ونسخة ذات حواف قطرية (HH). هذا يشبه امتلاك محقق ثانٍ يبحث فقط عن الحواف والملمس. ثم يقومون بدمج هذين المسارين، بحيث يعتمد القرار النهائي على كل من "الصورة الكبيرة" و"التفاصيل الدقيقة".

2. معزز التردد العالي (The High-Frequency Booster): أثناء معالجة الصورة، تفقد طبيعيًا بعض تلك التفاصيل الدقيقة والحادة. ولإصلاح ذلك، أضاف المؤلفون وحدة High-Freq-Enhance في عمق الشبكة. فكر في هذا كـ "فريق إنقاذ" يعود إلى الصورة المعالجة، ويجد الأجزاء التي أصبحت ضبابية، ويستخدم آلية انتباه خاصة لجعلها أكثر حدة مرة أخرى. تسأل هذه الوحدة: "أي أجزاء من هذه الصورة تحتاج إلى مزيد من التفاصيل؟" ثم تقوم بتعزيزها تحديدًا.

3. مرشح التركيز (CBAM): أخيرًا، أضافوا وحدة CBAM (وحدة الانتباه للكتل الالتفافية) في النهاية. تعمل هذه الوحدة مثل "كشاف الضوء"؛ فبمجرد أن يجمع النظام كل المعلومات، تقرر وحدة CBAM أي أجزاء من الصورة مهمة حقًا (العيب) وأي أجزاء هي مجرد ضوضاء خلفية (مثل بقع الزيت أو الظلال)، مما يوجه النظام لتجاهل الضوضاء والتركيز تمامًا على المشكلة.

ما وجدوه

اختبر المؤلفون نظامهم الجديد YOLOv11-AHFE مقابل نظام YOLOv11 القياسي باستخدام مجموعة بيانات تسمى GC10-DET، والتي تحتوي على صور لعشرة أنواع مختلفة من العيوب المعدنية، من "ثقوب التثقيب" إلى "طي الخصر". تعد هذه المجموعة صعبة لأن بعض العيوب تكون ضخمة، بينما البعض الآخر صغير جدًا، كما أن الخلفية غالبًا ما تكون فوضوية ومنخفضة التباين.

أظهرت النتائج أن طريقتهم الجديدة كانت بالفعل أفضل في رصد المشاكل:

• الدقة: حقق YOLOv11 القياسي درجة 0.607 (mAP50)، وهي مقياسة لمدى نجاحه في العثور على العيوب بشكل صحيح. وقد طور YOLOv11-AHFE الجديد هذه النتيجة إلى 0.672.
• الأداء العام: عند النظر إلى مقياس أكثر صرامة للدقة (mAP50-95)، سجل النموذج القياسي 0.309، بينما قفز النموذج الجديد إلى 0.352.

تشير الورقة البحثية إلى أن هذه التحسينات ملحوظة بشكل خاص للعيوب الصعبة مثل "خطوط اللحام"، و"الشوائب"، و"حفر الدرفلة"، و"الثنيات". وتظهر المقارنات البصرية في دراستهم أن النموذج الجديد فاته عدد أقل من العيوب وكان أقل عرضة للارتباك بسبب الخلفية الفوضوية.

الخلاصة

يخلص المؤلفون إلى أنه من خلال دمج أدوات المويجات (wavelet-based tools)، نجحوا في إنشاء نظام يحتفظ بسرعة نظام YOLO الأصلي ولكنه أفضل بكثير في رؤية التفاصيل "عالية التردد" التي تهم السلامة الصناعية. ويقترحون أن هذا النهج يعد خطوة واعدة للأمام في عمليات التفتيش الواقعية في المصانع، حيث يمكن أن يؤدي تفويت شق صغير إلى مشاكل كبيرة. ورغم أنهم لم يدّعوا حل جميع مشاكل العالم، إلا أن تجاربهم على مجموعة بيانات GC10-DET تقدم دليلًا قويًا على أن منح الكمبيوتر "آذانًا خارقة" للإشارات عالية التردد يجعله محققًا أكثر دقة وذكاءً.