Crack Detection Methods of Metal Plates Based on Time-Series Acoustic Images and Deep Learning Algorithm
تقترح هذه الورقة طريقة للكشف عن الشقوق في الصفائح المعدنية تقوم بتحويل الإشارات الصوتية متعددة القنوات إلى صور صوتية زمنية، وتستخدم نموذج محول (transformer) خفيف الوزن لتحقيق كشف عالي الدقة والكفاءة للشقوق ذات المواضع والأطوال المتفاوتة.
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
تُعد الصفائح المعدنية هي "خيول العمل" الصامتة في الهندسة الحديثة، فهي تشكل جلود الطائرات، وهياكل الجسور، وهياكل السفن. ومع مرور الوقت، تتحمل هذه الهياكل الإجهاد والاهتزاز والاصطدام، مما قد يؤدي إلى ظهور شقوق صغيرة. وإذا تُركت دون ملاحظة، يمكن أن تنمو هذه الشقوق، مما يؤدي إلى كوارث محققة. لعقود من الزمن، اعتمد المهندسون على طرق تتطلب لمس المعدن أو استخدام معدات ضخمة وباهظة الثمن للعثور على هذه العيوب. ومع ذلك، يشير نهج جديد إلى أن المعدن نفسه قد يكون قادرًا على إخبارنا بمكان انكساره، ببساطة من خلال الاستماع إلى الصوت الذي يصدره. فعندما تهتز صفيحة معدنية، فإنها تشع موجات صوتية في الهواء؛ ويتغير نمط هذا الصوت اعتمادًا على حالة المعدن، حيث يعطل الشق تدفق الطاقة، مما يخلق "بصمة صوتية" فريدة. ومن خلال التقاط أنماط الصوت هذه وتحليلها باستخدام برامج حاسوبية متقدمة، يصبح من الممكن تحديد موقع الضرر دون لمس السطح أبدًا.
لقد طور فريق من الباحثين في جامعة "هيفي" للتكنولوجيا طريقة للقيام بذلك بالضبط، وهي تحويل الصوت إلى خريطة مرئية يمكن للحاسوب قراءتها. فبدلاً من الاستماع إلى ميكروفون واحد، استخدموا مصفوفة مكونة من أربعة وعشرين ميكروفونًا مرتبة في شبكة لالتقاط الصوت من صفيحة معدنية مهتزة. سمح هذا الإعداد بتسجيل ليس فقط شدة الصوت، بل أيضًا كيفية تحرك الموجات الصوتية عبر السطح بمرور الوقت. قام الباحثون بتحويل هذه التسجيلات إلى سلسلة من الصور، فيما أسموه "الصور الصوتية المتسلسلة زمنيًا". تخيل فيلمًا تظهر فيه كل لقطة ضغط الصوت على الصفيحة في لحظة معينة، حيث تمثل الألوان شدة الصوت. ومن خلال تجميع عشرين لقطة من هذه اللقطات معًا، أنشأوا مجموعة بيانات ثلاثية الأبعاد تلتقط التوزيع المكاني للصوت وكيف يتطور بمرور الوقت. هذا التمثيل المرئي يجعل من الممكن رؤية المكان الذي يتشوه فيه المجال الصوتي بسبب وجود شق.
لاختبار هذه الفكرة، أجرى الفريق أولاً عمليات محاكاة حاسوبية دقيقة لصفائح معدنية بها شقوق بأطوال مختلفة وفي مواقع مختلفة. لقد أنتجوا الآلاف من هذه الصور الصوتية المتسلسلة زمنيًا، منشئين مجموعة بيانات تتضمن صفائح بلا شقوق، وصفائح بها شقوق صغيرة، وصفائح بها شقوق أكبر. ثم قاموا بتغذية هذه الصور في ثلاثة أنواع مختلفة من نماذج الذكاء الاصطناعي لمعرفة أي منها يمكنه تحديد الضرر بشكل أفضل. كان النموذج الأول عبارة عن شبكة تعلم عميق قياسية مصممة لمعالجة البيانات الشبيهة بالفيديو. أما النموذج الثاني، فهو نموذج أكثر تعقيدًا يُعرف باسم "ترانسفورمر" (Transformer)، وهو مشهور بقدرته على فهم العلاقات بين الأجزاء المختلفة من التسلسل. والنموذج الثالث كان نسخة مبسطة من "الترانسفورمر"، صُممت لتكون أصغر بكثير وأسرع مع الحفاظ على نفس مستوى الذكاء.
أظهرت النتائج أنه بينما استطاع النموذج القياسي العثور على الشقوق في معظم الأوقات، إلا أنه واجه صعوبة في الدقة، حيث حدد الضرر بشكل صحيح في 95 بالمائة فقط من حالات الاختبار. ومع ذلك، حقق نموذج "الترانسفورمر" الأكبر دقة مثالية، حيث حدد كل شق في المحاكاة بدقة تامة. لكن الاكتشاف الأكثر أهمية جاء من النسخة الخفيفة من "الترانسفرمر"؛ فبالرغم من امتلاكها عددًا أقل بكثير من المكونات الداخلية وتطلبها طاقة حوسبة أقل بكثير، حقق هذا النموذج الأصغر أيضًا دقة بنسبة 100 بالمائة. وقد أثبت أن النظام لا يحتاج إلى حاسوب ضخم ومستهلك للموارد ليعمل؛ إذ كان تصميم أبسط وأكثر كفاءة كافيًا لرصد التشوهات الدقيقة الناتجة عن الشق. وقد أكد الباحثون ذلك من خلال تصور كيفية "رؤية" النماذج للبيانات، حيث أظهرت أن النموذج الخفيف يمكنه بوضوح فصل الأنماط الصوتية للصفيحة المشقوقة عن تلك الخاصة بالصفيحة السليمة.
ولضمان نجاح هذه الطريقة في العالم الحقيقي، وليس في الحاسوب فحسب، قام الفريق ببناء تجربة فيزيائية. استخدموا صفيحة فولاذية تبلغ أبعادها 450 مليمترًا في 450 مليمترًا، وصنعوا شقوقًا فعلية فيها باستخدام قاطع الليزر. وضعوا الصفيحة على إطار وجعلوها تهتز، مستخدمين مصفوفة الميكروفونات الخاصة بهم لالتقاط الصوت. وكما حدث في عمليات المحاكاة، قاموا بتحويل البيانات الصوتية إلى صور صوتية متسلسلة زمنيًا وغذوا بها نموذجهم الخفيف. نجح النظام في تحديد الشقوق بأطوال مختلفة وفي مواقع مختلفة على الصفيحة بدقة 100 بالمائة. تمكن النموذج من التمييز بين شق بالقرب من الحافة وآخر في المنتصف، وكذلك التمييز بين شق طوله 10 مليمترات وآخر طوله 20 مليمترًا. وقد أثبت هذا أن الطريقة قوية بما يكفي للتعامل مع الاختلافات في الصوت والهيكل في العالم الحقيقي.
تخلص الدراسة إلى أن الاستماع إلى صفيحة معدنية وتحويل ذلك الصوت إلى صورة متحركة هو وسيلة فعالة للغاية للعثور على الشقوق. وجد الباحثون أن المجال الصوتي يتغير بطريقة يمكن التنبؤ بها عند وجود شق، وهذه التغييرات متميزة بما يكفي لكي يتعرف عليها الحاسوب. وبينما أُجريت الاختبارات الحالية في بيئة هادئة ومنضبطة، فإن نجاح النموذج الخفيف يشير إلى إمكانية تطويع هذه التكنولوجيا للاستخدام في البيئات الصناعية الصاخبة. إن القدرة على اكتشاف الضرر بهذه الدقة باستخدام طريقة بسيطة وغير تلامسية تقدم مسارًا واعدًا نحو صيانة أكثر أمانًا وكفاءة للهياكل المعدنية الحرجة. ويؤكد هذا العمل أن الصوت الذي يصدره الهيكل هو مؤشر موثوق لصحة حالته، ومع الأدوات الصحيحة، يمكننا تعلم قراءة تلك اللغة بوضوح تام.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.