Automatic Defect Detection and Intelligent Grading System for University Ceramics Integrating Computer Vision

في عالم السيراميك، تُعد الرحلة من الطين الخام إلى طبق أو بلاطة لامعة ونهائية بمثابة رقصة دقيقة بين الحرارة والكيمياء. الخطوة الأخيرة، وهي الحرق، تحول المادة، لكنها تُدخل أيضًا عدوًا مستمرًا: العيوب السطحية. فالشقوق الصغيرة، أو فقاعات الهواء المحتبسة، أو التغيرات الطفيفة في اللون يمكن أن تفسد القطعة، محولةً إياها من تحفة فنية محتملة إلى حطام. لقرون، كانت الطريقة الوحيدة لاكتشاف هذه العيوب هي العين البشرية؛ حيث يقوم مفتش ماهر بمسح السطح بحثًا عن عيوب قد تكون بدقة شعرة أو صغر ثقب إبرة. ومع ذلك، فإن هذه الطريقة بطيئةة، ومجهدة، وعرضة للخطأ. إذ يتسلل الإرهاق، وتغفل العيون عن أدق التفاصيل، ويمكن أن يختلف تقدير ما يشكل "عيبًا" من شخص لآخر. وفي المختبرات الجامعية، حيث يصنع الطلاب والباحثون دفعات صغيرة من السيراميك الفريد أو الفني أو التجريبي، تتضاعف هذه التحديات؛ فالقطع غالبًا ما تكون فريدة من نوعها، ودورات الإنتاج ضئيلة، والحاجة إلى بيانات دقيقة وقابلة للتكرار لتوجيه التدريس والبحث مرتفعة.

هنا، يقدم تقاطع الحرفة القديمة والتكنولوجيا الحديثة مسارًا جديدًا. فقد طور باحثون في جامعة جينغدتشنين للسيراميك نظامًا يعمل كراصد يقظ للغاية ولا يمل لهذه القطع الخزفية. ومن خلال الجمع بين كاميرات متخصصة والذكاء الاصطناعي المتقدم، ابتكروا طريقة لرؤية ما تغفل عنه العين البشرية غالبًا، ولتقييم جودة كل قطعة باتساق رياضي. لم يكن الهدف استبدال الفنان، بل توفير أداة موثوقة يمكنها التعامل مع مهمة الفحص المتكررة وعالية المخاطر، مما يفرغ الخبراء البشريين للتركيز على الجوانب الإبداعية والتعليمية لعملهم. والنتيجة هي نظام يرى غير المرئي، ويحصي ما لا يمكن حصره، ويتخذ القرارات بسرعة ودقة تغير كيفية إجراء مراقبة الجودة في بيئة أكاديمية ذات إنتاج دفعات صغيرة.

تبدأ الرحلة بالكاميرا نفسها، والتي تواجه تحديًا فريدًا: الشيء الذي يجعل السيراميك جميلًا — وهو الطلاء الزجاجي اللامع — هو نفسه الذي يجعل فحصه صعبًا. فعندما يسقط الضوء على سطح لامع، فإنه يرتد في شكل وهج مبهر، مما يخفي غالبًا العيوب التي يحاول النظام العث la البحث عنها مثل الشقوق والفقاعات. ولحل هذه المشكلة، صمم الباحثون إعدادًا خاصًا للإضاءة؛ حيث استخدموا حلقة من الأضواء التي ترسل ضوءًا مستقطبًا، وهو نوع معين من الموجات الضوئية التي تهتز في اتجاه واحد. عندما يصطدم هذا الضوء بالطلاء الزجاجي الناعم واللامع، فإنه يرتد دون تغيير اتجاهه. ومع ذلك، عندما يصطدم بعيب مثل شق أو فقاعة، فإن الضوء يتشتت ويفقد اتجاهه. ومن خلال وضع مرشح (فلتر) أمام الكاميرا يحجب الوهج المبهر غير المتغير ولكنه يسمح للضوء المشتت الناتج عن العيوب بالمرور، ينشئ النظام صورة واضحة وعالية التباين حيث تبرز العيوب بوضحدة مقابل الخلفية. الأمر يشبه ارتداء نظارات شمسية تحجب وهج الشمس ولكنها تسم تتيح لك رؤية تفاصيل المناظر الطبيعية تحتها.

بمجرد أن تلتقط الكاميرا هذه الصورة الواضحة، يجب على الكمبيوتر تنظيفها. فقد تكون الصور مشوشة قليلاً أو مشوهة بسبب اهتزاز حزام النقل أو حركة الهواء في منطقة الفرن. يستخدم النظام مرشحًا رقميًا متطورًا لتنعيم الضجيج العشوائي دون طمس الحواف الحادة للعيوب. ثم يحلل الصورة بطريقة تفصل الأنماط المنتظمة والمتكررة لنسيج الطلاء عن الأنماط غير المنتظمة والفوضوية للعيوب. وهذا يسمح للكمبيوتر بتجاهل الحبيبات الطبيعية للسيراميك والتركيز تمامًا على العيوب. والنتيجة هي صورة نقية ومعززة جاهزة للمرحلة التالية: الذكاء الاصطناعي.

قلب النظام هو نموذج التعلم العميق، وهو نوع من البرامج الحاسوبية المدربة على التعرف على الأنماط. اختار الباحثون بنية قوية تُعرف باسم YOLO، والتي تعني "أنت تنظر مرة واحدة فقط" (You Only Look Once)، لأنها تستطيع اكتشاف الأجسام في الصورة بشكل فوري تقريبًا. ومع ذلك، واجهت النسخ القياسية من هذا النموذج صعوبات مع التحديات الخاصة بالسيراميك، مثل الحجم الصغير لبعض الفقاعات أو الأشكال المعقدة للشقوق. ولإصلاح ذلك، أضاف الفريق آلية انتباه خاصة تساعد الكمبيوتر على التركيز على الأجزاء الأكثر أهمية في الصورة، تمامًا كما يركز الإنسان بصره على نقطة معينة. كما قاموا بتحسين الطريقة التي ينظر بها النموذج إلى الصورة بمقاييس مختلفة، مما يضمن قدرته على رصد ثقب صغير بدقة تماثل رصده لشق طويل ومتعرج.

يتمثل أحد العوائق الكبيرة في تدريب مثل هذا النظام في نقص البيانات. ففي المختبر الجامعي، قد ينتجون بضع عشرات من القطع فقط في المرة الواحدة، والعيوب نادرة. وهذا يعني وجود أمثلة قليلة جدًا للشقوق أو الفقاعات ليتعلم منها الكمبيوتر. وللتغلب على ذلك، استخدم الباحثون أداة ذكاء اصطناعي توليدي لإنشاء آلاف الصور الاصطناعية الواقعية للعيوب. هذه ليست رسومات عشوائية، بل هي محاكاة عالية الدقة للشقوق والفقاعات تبدو وتتصرف مثل الحقيقية منها، مما يسد الفجوات في بيانات التدريب. وقد سمح ذلك للنظام بالتعلم من مكتبة واسعة من الأمثلة، رغم أن المختبر الفعلي لم ينتج سوى عدد قليل من القطع المعيبة الحقيقية.

بمجرد أن يحدد النظام وجود عيب، يجب عليه تحديد مدى خطورته. وهنا يأتي مفهوم "التصنيف". فبدلاً من مجرد قول "تم العثور على عيب"، يحسب النظام درجة الشدة بناءً على حجم وشكل وموقع الخلل. فالشق الطويل والنحيف يُعامل بشكل مختلف عن الفقاعة الصغيرة المستديرة. يستخدم النظام عتبة ديناميكية، مما يعني أنه يعدل معاييره بناءً على دفعة السيراميك المحددة التي يتم فحصها. فإذا تغيرت المواد الخام أو تغيرت ظروف الحرق قليلاً، يعيد النظام معايرة تعريفه لما هو مقبول، مما يضمن بقاء التصنيف عادلاً ومتسقًا بغض النظر عن التغييرات الخارجية. وقد أثبت هذا النهج الديناميكي أنه أكثر دقة بكثير من استخدام قاعدة ثابتة وغير متغيرة، والتي تؤدي غالبًا إلى أخطاء عندما تختلف الظروف.

تحدث العملية برمتها في جزء من الثانية. تم اختبار النظام على حزام ناقل يتحرك بسرعة حوالي 30 قطعة في الدقيقة، وهي سرعة يمكن للجامعة إدارتها ولكنها ستكون مستحيلة على المفتش البشري للحفاظ على دقة عالية طوال نوبة عمل طويلة. اختبر الباحثون النظام على 360 قطعة مختلفة، بما في ذلك البلاطات المسطحة، وأدوات المائدة، وحتى الأعمال الفنية ذات النقوش البارزة. وكانت النتائج مذهلة؛ حيث اكتشف النظام العيوب بدقة تقترب من 90 بالمائة، متفوقًا بكثير على أداء المفتشين البشريين الذين غفلوا عن حوالي 12 بالمائة من العيوب المرئية. كما خفض النظام الآلي معدل اكتشاف العيوب المفقودة إلى أقل من 3 بالمائة فقط. علاوة على ذلك، استطاع تصنيف نوع العيب وتحديد درجته بدقة تزيد عن 91 بالمائة، وهو ما يطابق إجماع ثلاثة خبراء بشريين مستقلين.

أثبت النظام أيضًا قيمته في العالم الحقيقي للمختبر؛ حيث تم دمجه في سير عمل لا يكتفي بفحص القطع فحسب، بل يرسل أيضًا البيانات إلى كمبيوتر مركزي. واستُخدمت هذه البيانات لإنشاء تقارير توضح بالضبط أين حدثت العيوب وكم مرة. ومن خلال تحليل هذه البيانات، تمكن الباحثون من رصد نمط خفي: حيث تبين أن السرعة التي يسخن بها الفرن مرتبطة مباشرة بعدد الفقاعات التي تظهر في المنتج النهائي. سمحت هذه الرؤية بتعديل عملية الحرق، مما قلل من عدد الفقاعات بنسبة تقرب من الثلث في الدفعات اللاحقة. إن هذه الحلقة المغلقة من الفحص وتحسين العمليات هي القوة الحقيقية للنظام؛ فهو لا يكتفي بإيجاد القطع السيئة، بل يساعد في منع صنعها من الأساس.

هناك، بالطبع، حدود لما يمكن لنظام الرؤية ثنائي الأبعاد هذا القيام به. فعندما تكون قطعة السيراميك ذات شكل ثلاثي الأبعاد معقد يحتوي على أخاديد عميقة أو بروزات، يواجه النظام أحيانًا صعوبة. فالظلال التي تلقيها الأجزاء البارزة قد تبدو كالشقوق للكاميرا، مما يؤدي إلى انخفاض طفيف في الدقة لهذه القطع الفنية. ويقر الباحثون بذلك، ويقترحون أن الإصدارات المستقبلية يمكن أن تستخدم تقنية المسح ثلاثي الأبعاد لرؤية ما وراء الزوايا والظلال، لسد الفجوة حتى في الأشكال الأكثر تعقيدًا. ومع ذلك، يمثل النظام حاليًا قفزة كبيرة للأمام للسيراميك الجامعي؛ فهو يوفر وسيلة للتعامل مع الدفعات الصغيرة والمتنوعة وعالية الجودة التي تميز الإنتاج الأكاديمي والفني بمستوى من الدقة والسرعة لم يكن ممكناً في السابق.

في النهاية، يتعلق هذا العمل بأكثر من مجرد اكتشاف الشقوق. إنه يتعلق بالحفاظ على نزاهة الحرفة مع احتضان أدوات المستقبل. فمن خلال أتمتة مهمة الفحص المملة والعرضة للخطأ، يتيح النظام للخبراء البشريين في المختبر الجامعي التركيز على ما يجيدونه بشدة: التدريس، والإبداع، ودفع حدود الممكن باستخدام الطين والنار. التكنولوجيا لا تستبدل الفنان، بل تدعمه، لضمان أن يكون المنتج النهائي مثاليًا بقدر مثالية الرؤية التي أوجدته. ويقف هذا النظام كشهادة على قوة الجمع بين البصريات المتخصصة، والذكاء الاصطناعي المتقدم، والفهم العميق للمادة لحل مشكلة راودت الخزافين لقرون.