Steel-CGA: Channel-Spatial-Semantic Attention and Grouped Dilated Fusion for Real-Time Steel Surface Defect Detection

في المصانع الضخمة ذات الطنين المستمر، والتي تنتج الفولاذ اللازم لبناء جسورنا وسياراتنا وناطحات السحاب، تعد جودة المعدن مسأًلة تتعلق بالسلامة والاقتصاد. فوجود شق صغير أو خدش مخفي على لوح من الفولاذ يمكن أن يضعف هيكلاً أو يتلف منتجاً، مما يؤدي إلى إخفاقات مكلفة. لعقود من الزمن، قام المفتشون البشر بمسح هذه الأسطح، لكن هذا العمل كان بطيئاً ومرهقاً وعرضة للخطأ البشري. وفي السنوات الأخيرة، تدخلت الحواسيب للمساعدة، باستخدام الذكاء الاصطنا-عي لـ "رؤية" هذه العيوب. لقد تم تدريب هذه الأنظمة الرقمية على آلاف الصور، لتتعلم التمييز بين العيب الحقيقي وبين الظل أو البقعة غير الضارة. ومع ذلك، فإن جعل هذه الأنظمة سريعة بما يكفي لمواكبة خط إنتاج سريع، وفي الوقت نفسه ذكية بما يكفي لرصد أدق وأبهت الشقوق، لا يزال يمثل لغزاً صعباً. ولا يقتصر التحدي على إيجاد العيب فحسب، بل في القيام بذلك دون فقدان التفاصيل الدقيقة للصورة أثناء معالجة الكمبيوتر للبيانات، وكل ذلك مع تجاهل الأنسجة المربكة للمعدن نفسه.

لقد تصدى فريق من الباحثين من جامعة شاندونغ للعلوم السياسية والشباب لهذه المشكلة بنظام رؤية حاسوبية جديد أطلقوا عليه اسم Steel-CGA. كان هدفهم هو بناء كاشف يكون سريعاً للغاية ودقيقاً للغاية، وقادراً على العمل في الوقت الفعلي على المعدات الصناعية. بدأوا بإطار كشف قوي وحديث يُعرف باسم YOLO26s، وهو مصمم بالفعل ليكون فعالاً، لكنهم وجدوا أنه لا يزال يعاني من ثلاث مشكلات محددة شائعة في فحص الفولاذ: الخلفية المعقدة والمشوشة لأرضية المصنع، وصعوبة رصد العيوب الصغيرة جداً التي تضيع أثناء المعالجة، وفقدان التفاصيل الدقيقة عندما يتم تصغير الصورة لجعل الحسابات أسرع. ولحل هذه المشكلة، لم يقم الباحثون ببساطة بإضافة المزيد من قوة الحوسبة؛ بل أعادوا تصميم ثلاثة أجزاء محددة من "دماغ" النظام لتعمل معاً بشكل أكثر ذكاءً.

يعالج التحسين الرئيسي الأول الخلفية المربكة. فأسطح الفولاذ نادراً ما تكون ملساء تماماً؛ إذ غالباً ما تحتوي على أنسجة دوارة، أو بقع مائية، أو طبقات أكسيد تبدو مشابهة جداً للعيوب الفعلية. قدم الباحثون وحدة جديدة تعمل بمثابة مرشح متطور، حيث تعلم النظام الانتباه إلى ثلاثة أنواع مختلفة من الأدلة في وقت واحد: شدة لون مناطق معينة، وشكل وموقع السمات، والمعنى العام للمشهد. ومن خلال الجمع بين هذه الأدلة، يتعلم النظام تجاهل الضوضاء المشتتة لأرضية المصنع والتركيز بحدة على العيوب الفعلية. وهذا يسمح له بالتوقف عن إطلاق الإنذارات الكاذبة عندما يرى بقعة غير ضارة، وهي مشكلة شائعة في الأنظمة القديمة.

ويستهدف الابتكار الثاني العيوب الصغيرة التي يسهل تفويتها. فالشقوق المجهرية والخدوش الدقيقة لا تشغل سوى بكسلات قليلة في الصورة الرقمية، وعندما يقوم الكمبيوتر بتصغير الصورة لمعالجتها بسرعة، غالباً ما تتلاشى هذه التفاصيل الصغيرة. أنشأ الفريق طريقة دمج جديدة توسع "مجال رؤية" النظام دون طمس الصورة. تخيل النظر إلى مشهد من خلال نافذة يمكنها التكبير والتصغير في آن واحد، لتلتقط كلاً من السياق الواسع للمصنع والتفاصيل الدقيقة لخدش واحد. تسمح هذه الوحدة الجديدة للكمبيوتر بفهم العلاقة بين أجزاء الصورة المختلفة، مما يضمن التعرف حتى على أصغر العيوب وعدم غسلها بواسطة نسيج المعدن المحيط.

يركز التغيير الثالث على كيفية تعامل النظام مع الصورة أثناء معالجتها. لكي تعمل الأنظمة بسرعة، يجب عليها غالباً تقليل حجم الصورة، وهي خطوة تسمى "أخذ العينات المنخفضة" (downsampling). الطرق التقليدية لتصغير الصورة تشبه رمي نصف قطع الأحجية لجعلها تناسب صندوقاً أصغر؛ والنتيجة هي السرعة، ولكنك تفقد الصورة. استبدل الباحثون هذه الخطوة القياسية بمنهجية ذكية وتكيفية. فبدلاً من مجرد التخلص من المعلومات، يقوم هذا النهج الجديد بإعادة تنظيم بيانات الصورة بعناية، مع الحفاظ على التفاصيل الأكثر أهمية سليمة، مع تقليل الحجم بما يكفي للحفاظ على سرعة عمل النظام العالية. وهذا يضمن عدم تضحية النظام بالدقة من أجل السرعة.

عندما اختبر الباحثون نظام Steel-CGA الجديد على مجموعتين رئيسيتين من البيانات العامة المستخدمة في كشف عيوب الفولاذ، كانت النتائج كبيرة. في مجموعة البيانات الأولى، التي تحتوي على صور لستة أنواع شائعة من عيوب الفولاذ، حقق النظام دقة كشف بلغت 76.6 بالمائة. وكان هذا تحسناً واضحاً عن النظام القياسي الذي استند إليه، والذي سجل 73.1 بالمائة. وفي مجموعة بيانات ثانية أكثر تعقيداً تحتوي على عشرة أنواع مختلفة من العيوب، وصل النظام الجديد إلى دقة 62.0 بالمائة، متفوقاً مرة أخرى على النموذج الأساسي بفارق ملحوظ. وربما كان الأمر الأكثر أهمية من الدقة هو الكفاءة؛ فقد تطلب النظام الجديد موارد حوسبة أقل بنسبة 26 بالمائة وكان أسرع بنسبة 23 بالمائًة من النموذج الأصلي، حيث وصل إلى سرعة 134 إطاراً في الثانية. وهذه السرعة حاسمة في البيئات الصناعية، حيث يجب على النظام تحليل الصور أثناء تحركها بسرعة على سير ناقل.

نظر الباحثون أيضاً عن كثب في كيفية أداء النظام لأنواع محددة من العيوب. ووجدوا أن النظام الجديد كان جيداً بشكل خاص في رصد العيوب الصغيرة وغير المنتظمة التي غالباً ما كانت النماذج السابقة تفقدها أو تخلط بينها وبين ضوضاء الخلفية. وفي الاختبارات البصرية، كانت "الخرائط الحرارية" للنظام - والتي توضح أين ينظر الكمبيوتر - أكثر تركيزاً على العيوب الفعلية، بينما كان انتباه الأنظمة القديمة غالباً مشتتاً عبر الصورة بأكملها. وبينما أظهر النظام انخفاضاً طفيفاً جداً في الأداء في نوع واحد محدد من العيوب ذات الأنسجة العشوائية للغاية، إلا أن المكاسب الإجمالية في السرعة والدقة عبر المجالات كانت كبيرة. وأشار الفريق إلى أن عملهم ليس حلاً نهائياً لكل السيناريوهات الممكنة، حيث أن مجموعات البيانات التي استخدموها لا تزال صغيرة نسبياً مقارنة بالتنوع الهائل للظروف الصناعية في العالم الحقيقي. كما أقروا بأن اختباراتهم أجريت على صور ثابتة، وسيتعين على العمل المستقبلي معالجة كيفية تعامل النظام مع التغيرات الشديدة في الإضاءة والضوضاء في خط إنتاج حي. ومع ذلك، فإن الدراسة تثبت مساراً ناجحاً نحو الأمام، مما يثبت أنه من خلال صقل كيفية رؤية الكمبيوتر للصورة ومعالجتها بعناقة، من الممكن إنشاء أداة تكون أسرع وأكثر ذكاءً، مما يقدم خطوة عملية نحو إنتاج فولاذ أكثر أماناً وجودة أعلى.