ADE-MDA-Net: an asymmetric dual-encoder network with multi-dilation attention for bearing surface defect segmentation
تقترح هذه الورقة شبكة ADE-MDA-Net، وهي شبكة مشفر مزدوج غير متماثلة تدمج وحدات دمج التجميع المزدوج SE، وانتباه العمق متعدد التمدد، ودمج الانتباه المكاني متعدد المقاييس، لتحقيق تقسيم دقيق وفعال حاسوبياً على مستوى البكسل لعيوب أسطح المحامل الصعبة.
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
في الآلات الخفية للصناعة الحديثة، من السكك الحديدية عالية السرعة التي تربط المدن إلى التوربينات التي تدور في مزارع الرياح، تعمل حلقات معدنية صغيرة تسمى المحامل (bearings) على إبقاء كل شيء في حالة دوران. هذه المكونات هي الأبطال المجهولون للحركة، لكنها أيضًا أول من تظهر عليه علامات التآكل. فمع مرور الوقت، يمكن أن تطور أسطح هذه المحامل خدوشًا أو حفرًا أو شقوقًا دقيقة. وإذا لم يتم ملاحظة هذه العيوب، فقد تنمو، مما يسبب الاحتكاك والاهتزاز، وفي النهاية، الفشل المفاجئ للآلة بأكملها. لعقود من الزمن، اعتمد فحص هذه العيوب على الأعين البشرية التي تمسح القطع تحت الأضواء الساطعة. وبينما تنجح هذه الطريقة، إلا أنها بطيئة ومرهقة وعرضة للخطأ عندما يستمر المفتش في التحديق في المهمة ذاتها لساعات. ولحل هذه المشكلة، لجأ المهندسون إلى الحواسيب، حيث قاموا بتعليمها رؤية ما قد تغفل عنه العين البشرية. هذا المجال، المعروف باسم الرؤية الحاسوبية، يستخدم الذكاء الاصطناعي لتحليل الصور وتحديد المشكلات. ومع ذلك، فإن التحدي يكمكم في أن هذه العيوب غالبًا ما تكون ضئيلة، ولها حواف ضبابية، وتختبئ وسط خلفيات معقدة وذات ملمس يشبه العيوب نفسها تمامًا. إن جعل الحاسوب يميز بين خدش مجهري وبين ظل أو حبيبة معدنية يتطلب مستوى من الدقة تعجز عنه البرمجيات القياسية غالبًا.
لقد طور فريق من الباحثين نهجًا جديدًا لهذه المشكلة، حيث أنشأوا نظامًا رقميًا متخصصًا مصممًا خصيًا للعثور على هذه العيوب الدقيقة ورسم خرائط لها على أسطح المحامل. وقد أطلقوا على ابتكارهم اسم ADE-MDA-Net، وهو اسم يعكس هيكله الفريد. فبدلاً من استخدام مسار واحد لتحليل الصورة، كما تفعل معظم الأنظمة التقليدية، يستخدم هذا الشبكة الجديدة مسارين مختلفين يعملان معًا، تمامًا مثل فريق يكون فيه أحد الأعضاء مركزًا على التفاصيل الدقيقة بينما ينظر الآخر إلى الصورة الأشمل. المسار الأول، أو المشفر الرئيسي، مصمم للاحتفاظ بالتفاصيل الحادة والمحددة للصورة، مما يضمن عدم ضياع حتى أصغر خدش أثناء عملية المعالجة. أما المسار الثاني، أو المشفر المساعد، فيأخذ نظرة أوسع، مستخدمًا تقنية تسم تتيح له رؤية الأنماط بأحجام مختلفة في آن واحد. هذا النهج المزدوج يسمح للنظام بفهم كل من الشكل الدقيق للعيب وعلاقته بالمنطقة المحيطة، وهو مزيج ضروري عندما تكون الحدود بين العيب والمعدن غير واضضحة.
ولجعل هذين المسارين يعملان بفعالية، أضاف الباحثون عدة أدوات ذكية إلى النظام. تساعد إحدى الأدوات الشبكة على تحديد الأجز المهمة من الصورة والأجزاء التي ليست سوى ضوضاء في الخلفية، مما يعلم الحاسوب فعليًا تجاهل ملمس المعدن والتركيز فقط على العيوب. وتساعد أداة أخرى النظام على فهم حجم العيب، سواء كان نقطة ضئيلة أو خدشًا طويلاً ونحيفًا، من خلال النظر إلى الصورة عبر "عدسات" مختلفة تلتقط المعلومات بمقاييس متنوعة. أما الأداة الثالثة فتعمل كجسر، حيث تجمع المعلومات من المسار التفصيلي والمسار الواسع لإنشاء صورة واحدة واضحة لمواقع العيوب. وقد اختبر الباحثون هذا النظام على مجموعة كبيرة من الصور، بما في ذلك مجموعة جديدة من صور المحامل التي أنشؤوها بأنفسهم ومجموعة عامة من الصور التي تظهر عيوبًا على شرائح معدنية. وأظهرت النتائج أن هذا الأسلوب الجديد كان أفضل بكثير في اكتشاف العيوب من الأنظمة السابقة؛ فقد نجح في تحديد موقع وشكل العيوب بدقة عالية، حتى عندما كانت العيات صغيرة جدًا أو ذات حواف ضعيفة يصعب رؤيتها.
كما بحثت الدراسة في مدى سرعة وكفاءة النظام، وهو أمر حيوي للاستخدام في المصانع الواقعية حيث تكتسب السرعة أهمية كبرى. استطاعت الشبكة الجديدة معالجة الصور بسرعة، حيث تعاملت مع حوالي مائتي صورة في الثانية، مع استخدام قدر متوسط من الطاقة الحوسبية. وهذا التوازن بين السرعة والدقة يعد ميزة رئيسية، إذ يعني إمكانية استخدام النظام في خط إنتاج مزدحم دون إبطاء العمل. وعند مقارنتها بالأساليب المتقدمة الأخرى المتاحة حاليًا، أنتج هذا النهج الجديد باستمرار خرائط أكثر اكتمالًا ودقة للعيوب. لقد كان متميزًا بشكل خاص في الحفاظ على استمرارية الخدوش الطويلة والنحيفة، وفي العث Und على عيوب متعددة صغيرة كانت الأنظمة الأخرى تفقدها أو تقسمها أحيانًا. وقد أكد الباحثون أن كل جزء من تصميمهم الجديد ساهم في هذا النجاح، مما أظهر أن الجمع بين المسارين والأدوات المتخصصة كان هو المفتاح لهذا التحسن.
في نهاية المطاف، يمثل هذا العمل خطوة عملية نحو الأمام في مجال مراقبة الجودة الصناعية. فمن خلال توفير وسيلة لاكتشاف العيوب السطحية على المحامل تلقائيًا وبدقة، يمكن للنظام أن يساعد المصنعين على رصد المشكلات في وقت مبكر، وتقليل الهدر، ومنع أعطال المعدات. ويرى الباحثون أنه على الرغم من أن نظامهم الحالي فعال للغاية، إلا أنه لا تزال هناك مساحة لجعله أخف وأسرع للاستخدام على نطاق أوسع. كما يرون إمكانية تطبيق استراتيجية المسار المزدوج هذه على أنواع أخرى من الأسطح الصناعية حيث يكون اكتشاف العيوب الصغيرة وغير المنتظمة أمرًا بالغ الأهمية. وتثبت هذه النتائج أنه من خلال محاكة الطريقة التي يعمل بها نوعا الانتباه البصري معًا، يمكن تدريب الحواسيب على رؤية التفاصيل غير المرئية التي تحافظ على عمل آلاتنا بأمان وكفاءة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.