Coal-Gangue Detection and Pose Estimation Method Based on DRD- YOLOv11n
تقترح هذه الورقة البحثية DRD-YOLOv11n، وهي طريقة خفيفة الوزن وعالية السرعة للكشف عن صخور الغال (coal-gangue) وتقدير الوضعية، تدمج DySample، ووحدة تعزيز متبقية، ورأس كشف ديناميكي يعتمد على DCNv3 لتحقيق 85.6% mAP ومعدل نجاح في الإمساك بنسبة 90% للفرز الروبوتي في البيئات الصناعية 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 أعماق الأرض، حيث الظلام دامس والهواء كثيف بالغبار، لطالما واجهت صناعة التعدين تحدياً جوهرياً: فصل الفحم الثمين عن الصخور عديمة القيمة التي تحيط به. هذه الصخور الخاملة، المعروفة باسم "الجانج" (gangue)، ليست مجرد مصدر للإزعاج البصري؛ بل هي مصدر للضرر البيئي الذي يمكن أن يسمم التربة والمياه أو حتى يشتعل تلقائياً. لعقود من الزمن، اعتمد الحل على الأيدي البشرية أو الآلات الثقيلة غير الفعالة، وكلاهما كان يعاني أمام الحجم الهائل للمواد والظروف الخطرة. واليوم، تتجه الصناعة نحو الروبوتات الذكية التي يمكنها رؤة وفرز هذه المواد تلقائياً. ومع ذلك، لكي يعمل الروبوت، يجب عليه أن يفعل أكثر من مجرد رصد صخرة؛ إذ يجب أن يفهم تماماً كيف تستقر تلك الصخرة، وما هو حجمها، وأين يمكن الإمساك بها بأمان دون الاصطدام بجيرانها. هذا هو التقاطع الصعب بين الرؤية الحاسوبية والروبوتات الفيزيائية، حيث يجب على الآلة أن تترجم صورة مسطحة إلى خطة عمل ثلاثية الأبعاد في الوقت الفعلي.
لقد طور باحثون في جامعة هيلونغجيانغ للعلوم والتكنولوجيا طريقة جديدة لحل هذه المشكلة، حيث ابتكروا نظاماً يسمح لروبوت الفرز بتحديد الفحم والجانج بدقة عالية مع حساب الزاوية الدقيقة المطلوبة لالتقاطهما في آن واحد. يركز نهجهم، المفصل في دراسة حديثة، على نوع محدد من نماذج الذكاء الاصطناعي يُعرف باسم YOLO، وهو مصمم للعثور على الأشياء في الصور بسرعة كبيرة. أدرك الباحثون أن النسخة القياسية من هذا النموذج، رغم سرعتها، لم تكن كافية للتعامل مع الواقع الفوضوي وغير المتوقع لمنجم الفحم؛ فالإضاءة غالباً ما تكون ضعيفة، والهواء مليء بالغبار، والصخور تأتي بكل شكل وحجم يمكن تخيله. ولإصلاح ذلك، أعادوا بناء "عيون" و"دماغ" النموذج لتكون أكثر حساسية للملمس وأفضل في فهم الهندسة. فقد استبدلوا الطريقة القياسية التي تقوم بها الحاسبات بتكبير التفاصيل بطريقة أكثر مرونة تتكيف مع شكل الجسم، وأضافوا مرشحاً خاصاً لتجاهل ضوضاء الخلفية الناتجة عن الغبار والظلال، وأعادوا هيكلة الجزء من النظام الذي يحدد موقع الجسم ليكون قادراً على الانحناء ليتناسب مع الأشكال غير المنتظمة.
والنتيجة لهذه التغييرات هي نظام يسمى DRD-YOLOv11n. وفي الاختبارات التي أجريت باستخدام مجموعة بيانات تضم أكثر من خمسة وعشرين ألف صورة مأخوذة من مناجم فحم حقيقية ومحاكاة مختبرية، أثبت هذا النظام الجديد فعالية عالية. فقد نجح في تحديد وتحديد مواقع الفحم والجانج في 85.6 بالمائة من الحالات، وهو تحسن طفيف ولكنه مهم مقارنة بأفضل النماذج السابقة. والأهم من ذلك، أنه فعل ذلك مع بقائه خفيف الوزن بشكل مذهل، حيث يبلغ وزنه 5.1 ميجابايت فقط، مما يسمح بتشغيله على حواسيب أصغر وأسرع. ويعالج النظام الصور بسرعة 114 إطاراً في الثانية، مما يعني أنه يمكنه مواكبة سير ناقل سريع الحركة دون تأخير. ووجد الباحثون أنه من خلال دمج هذه التحسينات المحددة، قللوا عدد الحسابات التي يحتاجها الحاسوب بنسبة 6 بالمائة، مما يثبت أن النظام ليس أذكى فحسب، بل أكثر كفاءة أيضاً.
ومع ذلك، فإن العثور على الصخرة ليس سوى نصف المعركة؛ فنصف المعركة الآخر هو معرفة كيفية الإمساك بها. قد يحاول ذراع روبوت قياسي التقاط قطعة طويلة ونحيفة من الجانج من مركزها، ولكن إذا كانت القطعة مائلة، فقد تخطئ مخلب الروبوت الهدف تماماً أو تنزلق عنه. حل الباحثون ذلك بإضافة وحدة تقدير الوضعية (pose estimation module)، وهي عملية تحسب زاوية الدوران الدقيقة لكل قطعة صخر ترى. فبدلاً من مجرد رسم صندوق حول الصخرة، يقوم النظام بوضع مستطيل ضيق حولها لتحديد اتجاهها الرئيسي. ولضمان عدم اهتزاز أو ارتعاش الروبوت عند رؤية صخرة، يقوم النظام بتنعيم حسابات هذه الزوايا بمرور الوقت، مما يوفر تعليمات ثابتة وموثوقة لذراع الروبوت. وهذا يسمح للمخلب الميكانيكي بالدوران والمحاذاة بشكل مثالي مع الصخرة، بغض النظر عن كيفية استقرارها على السير.
جاء الاختبار الحقيقي لهذا النظام عندما قام الباحثون بمحاكاة الظروف الفوضوية لمنجم حقيقي، حيث تتراكم الصخور غالباً فوق بعضها البعض. في هذه السيناريوهات المزدحمة، قد يحاول الروبوت الذي يمد يده ببساطة نحو أقرب جسم أن يصطدم بجار له، مما يؤدي إلى إتلاف المعدات أو إسقاط الحمولة. يتضمن النظام الجديد آلية سلامة تعمل كمنطقة استبعاد ديناميكية؛ فقبل أن يتحرك الروبوت، يحسب الكمبيوتر مساحة آمنة حول الصخرة المستهدفة بناءً على حجمها وزاويتها، ثم يتحقق مما إذا كان أي من الصخور الأخرى يتداخل في هذه المساحة. وإذا كان التصادم مرجحاً، يتجاهل النظام ببساطة تلك الصخرة ويمضي قدماً، منتظراً فرصة أكثر وضوحاً. وقد منعت عملية صنع القرار الاستباقية هذه أي تصادمات في اختباراتهم، حتى عندما كانت الصخور متراكمة بكثافة. وعندما اختبر الباحثون قدرة الروبوت على التقاط قطع طويلة وغير منتظمة من الجانج، ارتفعت نسبة النجاح من 60 بالمائة إلى 90 بالمائة بمجرد إضافة نظام حساب الزوايا الجديد.
يمثل هذا العمل خطوة كبيرة للأمام في جعل روبوتات الفرز الصناعية عملية وآمنة. فمن خلال الموازنة بين السرعة والدقة والقدرة على فهم التوجه الفيزيائي للأجسام، أنشأ الباحثون نظاماً يمكنه التعامل مع الواقع الفوضوي لمنجم الفحم. وتشير النتائج إلى أنه مع الجمع الصحيح بين الذكاء البصري والاستدلال الهندسي، يمكن الوثوق بالآلات للقيام بمهام فيزيائية معقدة في بيئات خطرة، مما يقلل من حاجة العمال البشر لمواجهة الظروف الخطرة مع ضمان عدم إهدار الموارد القيمة. وتؤكد الدراسة أن هذه التحسينات ليست مجرد نظريات؛ فهي تعمل في البيئة المحاكية للمختبر وتوفر أساساً قوياً لنشر هذه الروبوتات في الميدان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.