Intelligent Robotic Vision Systems for Automated Surface Defect Inspection in Advanced Manufacturing
تقترح هذه الدراسة إطار عمل للفحص الروبوتي الذكي للتصنيع المتقدم يدمج بين الرؤية الآلية ونموذج التعلم العميق YOLOv8n لأتمتة الكشف عن عيوب الأسطح، محققةً نسبة 76.3% في مقياس mAP@50 على مجموعة بيانات NEU-DET، مع تسليط الضوء على الحاجة إلى مزيد من التحقق من الأداء الروبوتي الفيزيائي والبيانات الخاصة بالعملاء.
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. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم التصنيع الحديث عالي المخاطر، حيث يمكن لخلل مجهري واحد أن يهدد سلامة طائرة أو موثوقية جهاز طبي، تبدو الرحلة للبحث عن الجودة المثالية رحلة لا تهدأ. لعقود من الزمن، وقعت هذه المهمة على عاتق العيون البشرية، المدربة على رصد أدق التعرجات على الأسطح المعدنية. ومع ذلك، فإن الرؤية البشرية، مهما بلغت مهارتها، تظل عرضة للإرهاق، والتشتت، وعدم الاتساق الطبيعي للعقل المتعب. ولحل هذه المعضلة، توجه المهندسون نحو الآلات، فقاموا ببناء أنظمة تجمع بين الحركة الثابتة والمتكررة للروبوتات الصناعية وبين النظرة الحادة التي لا تغفل للكاميرات. هذه الأنظمة لا تكتفي بالنظر فحسب؛ بل هي تفكر أيضاً. فمن خلال استخدام برامج حاسوبية متقدمة تتعلم من آلاف الأمثلة، يمكنها تحديد الخدوش والبعجات والشقوق بسرعة واتساق لا يمكن للبشر مضاهاتهما. والهدف ليس مجرد العثور على عيب، بل فهم مكانه بدقة، ونوعه، وما إذا كان ينبغي إرسال القطعة للمضي قدماً، أو إعادتها للإصلاح، أو التخلص منها.
لقد قطع فريق من الباحثين من جامعة ولاية مينيسوتا مانكاتو وجامعة مينيسوتا خطوة كبيرة نحو جعل هذه الرؤية حقيقة واقعة. فقد صمموا إطار عمل كاملاً لنظام تفتيش روبوتي ذكي، وهو عبارة عن سير عمل موحد حيث يقوم ذراع روبوتي بوضع قطعة ما، وتقوم كاميرا بالتقاط صورتها، ثم يقوم برنامج حاسوبي ذكي بتحليل السطح فوراً بحثاً عن أي ضرر. وبينما تشمل الرؤية الكاملة تحريك الروبوت واتخاذ قرارات الجودة النهائية، فقد ركز الباحثون في عملهم التجريبي على "دماغ" العملية: وهو البرنامج الذي يرى العيوب بالفعل. وقد اختبروا هذا البرنامج على مجموعة قياسية من الصور التي تعرض ستة أنواع مختلفة من عيوب الأسطح الفولاذية الشائعة، والتي تتراوح من الخدوش الطويلة والنحيفة إلى شبكة من الشقوق الصغيرة المعروفة باسم "التشرخ" (crazing). وأظهرت النتائج أن النظام قادر للغاية، لا سيما في العثور على الخدوش، لكنها كشفت أيضاً أن بعض أنواع الأضرار لا تزال صعبة الرصد، مما يسلط الض الضوء على العمل الذي لا يزال ينتظر في الأمام قبل أن يتمكن مثل هذا النظام من إدارة أرض المصنع بالكامل بمفرده.
بنى الباحثون نظامهم حول نوع محدد من نماذج الذكاء الاصطناعي يُعرف باسم YOLOv8n، وهي أداة مصممة لإيجاد وتسمية الأشياء في الصور بشكل فوري تقريباً. وفي تجربتهم، غدوا النموذج بـ 180 صورة تحتوي على 412 عيباً متميزاً، وطلبوا منه تحديد نوع الخلل ورسم مربع حوله. أدى النظام أداءً مبهراً من حيث السرعة، حيث حلل كل صورة في أقل من خمسة من ألف من الثانية. وعندما تعلق الأمر بالدقة، وجد النموذج حوالي 73 بالمئة من جميع العيوب الموجودة، وحدد نوع الخلل بشكل صحيح في حوالي 72 بالمئة من تخميناته. هذا التوازن أمر بالغ الأهمية؛ فالعثور على كل عيب بمفرده لا فائدة منه إذا كان النظام سيصنف أيضاً القطع السليمة على أنها معيبة، تماماً كما أن تجاهل بعض العيوب هو أمر خطير إذا سمح بمرور القطع التالفة. وقد أثبت النظام براعة استثنائية في رصد الخدوش، حيث أمسك بكل واحدة منها تقريباً، كما قدم أداءً جيداً جداً في نوع من العيوب يسمى "الرقع" (patches).
ومع ذلك، أوضحت التجربة حدود التكنولوجيا الحالية. فقد عانى النظام أكثر من غيره مع عيب يسمى "التشرخ" (crazing)، والذي يظهر كنمط دقيق يشبه الشبكة من الشقوق. لقد فات النموذج أكثر من نصف هذه الحالات، مما يشير إلى أن التعقيد البصري لمثل هذه الخطوط الدقيقة والمترابطة لا يزال يشكل عقبة حتى أمام الرؤية الحاسوبية المتقدمة. هذه النتيجة حيوية لأنها تظهر أن النظام يمكن أن يحقق درجة إجمالية عالية بينما لا يزال يفشل في مهام محددة وحرجة. وقد حرص الباحثون على التمييز بين ما قاموا بقياسه وما اقترحوه؛ فقد أثبتوا أن مكون الرؤية الحاسوبية يعمل بشكل جيد وسريع، لكنهم لم يختبروا قدرة الذراع الروبوتية الفيزيائية على تحريك القطع بشكل متكرر أو قدرة النظام على الحكم على شدة العيب في مصنع حقيقي. كما أنهم لم يقارنوا نظامهم مباشرة بالمفتشين البشريين في اختبار جنباً إلى جنب، لذا لا يمكنهم بعد ادعاء أن آلتهم أسرع أو أكثر دقة من فريق بشري.
تخلص الدراسة إلى أنه بينما تعد القاعدة البرمجية قوية وجاهزة للتكامل، فإن الرحلة نحو خلية تفتيش ذاتية القيادة بالكامل لم تنتهِ بعد. ويوصي الباحثون بأن يركز العمل المستقبلي على جمع الصور مباشرة من الإعداد الروبوتي لمراعاة المتغيرات الواقعية مثل تغيرات الإضاءة وحركة الروبوت. كما يقترحون أن النظام يحتاج إلى تعلم كيفية الحكم على مدى خطورة العيب، والانتقال من مجرد الكشف البسيط إلى اتخاذ القرار النهائي بشأن ما إذا كانت القطعة جيدة أم سيئة. وفي الوقت الحالي، يقف هذا العمل كدليل واضح على أن الرؤية الروبوتية الذكية هي مسار قابل للتطبيق، مما يوفر طريقة سريعة ومتسقة وقائمة على البيانات لحماية جودة المنتجات التي نعتمد عليها، حتى مع استمرار نضوج التكنولوجيا للتعامل مع أكثر العيوب استعصاءً ودقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.