نظام فحص بصري بالذكاء الاصطناعي للرافعات العلوية
يعتمد نظام الفحص البصري بالذكاء الاصطناعي للرافعات العلوية على إطار التعلم العميق YOLOv8، حيث تبلغ دقة كشف انكسار أسلاك الحبل mAP≥95.3%، ومعدل اكتشاف الشروخ في السكة ≥92%، وزمن الاستدلال للإطار الواحد ≤12ms (باستخدام Jetson Orin NX)، مما يحقق كفاءة أعلى بـ8 إلى 10 مرات مقارنة بالتفتيش اليدوي التقليدي.
يُعد كسر الحبل السلكي، وشروخ السكة، وتشوه الخطاف أخطر ثلاثة مخاطر تتعلق بسلامة الرافعات العلوية. يعتمد الفحص البصري اليدوي التقليدي على خبرة المفتشين، مما يؤدي إلى انخفاض تغطية الفحص وضعف اتساق المعايير، حيث يستغرق تفتيش الرافعة الواحدة من 2 إلى 4 ساعات. وفقًا للمتطلبات الكمية للفحص البصري للحبل السلكي في المعيار GB/T 5972-2016 "صيانة وفحص وإتلاف حبال الرفع للرافعات" ومعيار ISO 4309:2017، بالإضافة إلى لوائح دورات فحص المكونات الحرجة في معيار ISO 4301 / FEM 1.001 "مواصفة تصميم الرافعات"، أصبح اعتماد تقنية الفحص البصري بالذكاء الاصطناعي للتعرف التلقائي بالكامل والمستمر على عيوب الأسطح اتجاهًا حتميًا في الإدارة الذكية لآلات الرفع.
يتكون نظام الفحص البصري بالذكاء الاصطناعي للرافعات العلوية من ثلاثة أجزاء رئيسية: مصفوفة الكاميرات الصناعية، ووحدة الاستدلال الذكية الطرفية (حوسبة الحافة)، ومنصة الإدارة السحابية. يتم تركيب كاميرات صناعية عالية الدقة في المواقع الحرجة مثل ممر الحبل السلكي لآلية الرفع، وعلى طول سكة سير الجسر، وعنق الخطاف، لالتقاط بيانات الصور في الوقت الفعلي. يتم إجراء الاستدلال خلال أجزاء من الثانية عبر نماذج التعلم العميق المثبتة على أجهزة حوسبة الحافة، ثم تُزامن نتائج الكشف وتعليقات العيوب إلى منصة الإدارة، مما يحقق الانتقال من الصيانة التفاعلية إلى الإنذار المبكر الاستباقي.
بنية نموذج التعلم العميق والخوارزميات الأساسية
يعتمد النظام بنية متتالية مزدوجة النماذج تجمع بين YOLOv8 وSegFormer. يتولى نموذج YOLOv8 المهام المتعلقة بالتحديد السريع وتصنيف العيوب على مستوى الأهداف، بما في ذلك تحديد مواضع كسر أسلاك الحبل، ووضع علامات على مناطق انضغاط السكة، وكشف الشذوذ في فتحة الخطاف، حيث تصل دقة الكشف mAP@0.5 إلى 95.3%.
يتخصص نموذج التجزئة الدلالية SegFormer في مهام الكشف التي تتطلب دقة على مستوى البكسل، مثل الشروخ الدقيقة على الأسطح، ونسبة مساحة الصدأ، ودرجة الاهتراء، حيث يصل مؤشر mIoU إلى 82.7%. يتم دمج نتائج الاستدلال من النموذجين عبر وحدة دمج تصويت خفيفة الوزن للحكم الشامل، مما يقلل من معدل الكشف الخاطئ للنموذج الواحد من 6.8% إلى 1.9%.
لتلبية متطلبات الأداء اللحظي في البيئات الصناعية، يتم نشر النموذج على وحدة الحوسبة الطرفية NVIDIA Jetson Orin NX بعد تكميمه باستخدام TensorRT FP16، حيث يبلغ زمن الاستدلال للإطار الواحد أقل من 12ms، ويصل معدل معالجة دفق الفيديو إلى 83FPS، مما يغطي بالكامل احتياجات الكشف اللحظي أثناء تشغيل آليات الرافعة العلوية.
تم تدريب النموذج باستخدام مجموعة بيانات خاصة بالعيوب في الرافعات العلوية، تضم 82,000 صورة موضح عليها أربعة أنواع نموذجية من العيوب: كسر أسلاك الحبل، وشروخ السكة، وتشوه الخطاف، وقوس خط التغذية. تم تقسيم البيانات بنسبة 7:2:1 إلى مجموعات تدريب وتحقق واختبار.
مقارنة الأداء الأساسي بين التفتيش اليدوي التقليدي والفحص البصري بالذكاء الاصطناعي
| وجه المقارنة | التفتيش اليدوي التقليدي | نظام الفحص البصري بالذكاء الاصطناعي |
|---|---|---|
| كفاءة التفتيش | 2-4 ساعات لكل رافعة | تغطية كاملة في الوقت الفعلي، زمن الاستدلال ≤12ms |
| دقة الكشف | تعتمد على الخبرة، معايير غير متسقة | دقة عالية mAP≥95.3%، معدل اكتشاف الشروخ ≥92% |
| طريقة العمل | فحص بصري يدوي دوري | مراقبة مستمرة تلقائية بالكامل، إنذار مبكر استباقي |
| نطاق التغطية | تغطية منخفضة، يصعب الوصول لبعض النقاط | تغطية شاملة للنقاط الحرجة (الحبل، السكة، الخطاف) |
| عنصر المقارنة | الفحص اليدوي التقليديتفتيش | AIنظام الفحص البصري |
|---|---|---|
| الكشفالطريقة | الفحص البصري+الفرجار+العدسة المكبرةيدويالفحص | 4Kكاميرا صناعيةالالتقاط التلقائي+AIالاستدلال اللحظي |
| للمعدة الواحدةتفتيشالوقت المستغرق | 2~4ساعة(يتطلب إيقاف التشغيل) | مراقبة لحظية عبر الإنترنت،بدون إيقاف التشغيل |
| حبل سلكيمعدل اكتشاف انقطاع الأسلاك | حوالي40%~60%(يتأثر بالإضاءة والخبرة) | ≥95.3%(YOLOv8+SegFormerالدمج) |
| شرخالحد الأدنىأبعاد الكشف | ≥0.3mm(بمساعدة العدسة المكبرة) | ≥0.1mm(4Kالصورة+تجاوزالدقةالتعزيز) |
| الكشفالتكرار | شهري/ربع سنويالفحص الدوري | توليد تلقائي يوميالكشفالتقرير |
| المرجعيةالمعيار | GB/T 5972-2016 متطلبات الفحص البصري | GB/T 28264 — نظام مراقبة وإدارة السلامة-2017 مراقبةبنية النظام |
معايير الأداء الرئيسية والمؤشرات الفنية
تشمل مؤشرات الأداء الأساسية لنظام الفحص البصري الذكي ثلاثة أبعاد رئيسية: دقة الكشف، وسرعة الاستدلال، والقدرة على التكيف البيئي. فيما يتعلق بدقة الكشف، يحقق النظام نتائج مميزة في أربع مهام كشف رئيسية: فقدان أسلاك الحبل السلكي، وشرخ السكة، وتشوه الخطاف، وقوس خط التغذية، حيث بلغت دقة الكشف mAP 95.3% و92.1% و97.6% و94.8% على التوالي.
أما بالنسبة لسرعة الاستدلال، فيبلغ زمن معالجة الإطار الواحد على الأجهزة الطرفية 12ms، مع دعم معالجة متوازية تصل إلى 6 قنوات فيديو. وفيما يتعلق بالتكيف البيئي، يعمل النظام بكفاءة في ظروف الإضاءة المنخفضة من 0 إلى 20 لوكس بفضل الإضاءة القريبة من الأشعة تحت الحمراء بطول موجي 850nm، كما أن درجة حماية الكاميرا IP67 تتيح العمل في نطاق درجات حرارة واسع من -20°C إلى 60°C.
مهام كشف العيوب المتعددة وبناء مجموعة البيانات
يغطي النظام العيوب السطحية النموذجية لأربعة مكونات رئيسية في الرافعة العلوية. يركز كشف عيوب الحبل السلكي على ثلاثة أنواع: فقدان الأسلاك، وتقليل القطر بسبب الاهتراء، ومساحة الصدأ، وذلك وفقًا لقواعد معيار القبول ISO 4309، حيث يقوم نموذج الذكاء الاصطناعي بإخراج تقدير درجة العيب مباشرة.
أما كشف عيوب السكة فيغطي ثلاثة أبعاد: شرخ سطح السكة، وعمق الانبعاج، والتآكل الجانبي لرأس السكة، وفقًا لمعيار القبول ISO 12488 لتفاوتات تركيب العجلات والسكك. ويركز كشف عيوب الخطاف على مؤشرين أساسيين: معدل تغير فتحة الخطاف وطول الشرخ السطحي. ويتولى كشف عيوب خط التغذية المراقبة عبر الإنترنت لاهتراء فرشاة الكربون وعلامات حروق القوس الكهربائي.
تعتمد منهجية بناء مجموعة البيانات على استراتيجية تجمع بين الالتقاط الميداني في المصانع الحقيقية وتعزيز البيانات الاصطناعية. تم نشر أجهزة التقاط مؤقتة في ثلاثة أنواع من مواقع العملاء النموذجية: مصانع الصلب، والموانئ، ومحطات الطاقة، للحصول على 42,000 صورة خام. كما تم توليد 40,000 عينة معززة متعددة الإضاءة والزوايا باستخدام شبكات الخصومة التوليدية GAN، مما يعالج بفعالية مشكلة التوزيع طويل الذيل للعيوب النادرة في البيئات الصناعية. يتم استخدام تنسيق التقسيم المضلع لتوضيح البيانات، حيث يستغرق توضيح كل صورة بمتوسط 15 دقيقة، ويتم مراجعة الجودة بشكل مزدوج من قبل مهندسي فحص الرافعات ومتخصصي توضيح الذكاء الاصطناعي لضمان الدقة.
النشر الطرفي وتحسين الأداء
تكوين القدرة الحاسوبية — تعتمد منصة الاستدلال الطرفية على وحدة NVIDIA Jetson Orin NX 16GB، التي توفر قدرة حاسوبية تصل إلى 100 TOPS بدقة FP16، مما يلبي متطلبات المعالجة الفورية لعدة قنوات فيديو.
تحسين الاستدلال — يتم تحسين النموذج من خلال محرك TensorRT لدمج العمليات وتحسين الذاكرة لكل من YOLOv8 وSegFormer، مما يقلل زمن الاستدلال من 267ms الأصلي إلى 12ms، أي بنسبة ضغط تبلغ 22.3 مرة.
آلية تحمل الأخطاء — يدعم النظام وضع التراجع ONNX Runtime، حيث يتحول تلقائيًا إلى محرك ONNX في السيناريوهات القصوى التي لا يتوفر فيها TensorRT، مما يضمن عدم انقطاع وظيفة الكشف.
أثناء النشر الميداني، يتم مزامنة الكاميرات مع حركة آليات الرافعة عبر مشفر، حيث تُثبت مجموعة كاميرات الحبل السلكي على العارضة العرضية أعلى آلية الرفع، ومجموعة كاميرات السكة على جانبي منصة العربة، ومجموعة كاميرات الخطاف في وضع الرؤية العلوية أسفل كابينة المشغل. تتصل جميع الكاميرات عبر كابلات إيثرنت صناعية بصندوق حوسبة الحافة الواقي الأقرب، وبعد تجميع البيانات يتم رفعها إلى منصة الإدارة السحابية عبر شبكة 4G/5G أو الشبكة السلكية. وفقًا لمتطلبات واجهة البيانات في GB/T 28264 — نظام مراقبة وإدارة السلامة لآلات الرفع، توفر المنصة واجهة REST API قياسية للتكامل مع أنظمة MES وEAM.
مواقع تركيب نظام الفحص البصري الذكي ومعاملات الكشف المرتبطة بها
| مواقع التركيب | نوع الكاميرا | الكشفالهدف | الحد الأدنىعيبأبعاد الكشف |
|---|---|---|---|
| آلية الرفععارضة عرضية | 4Kكاميرا خطية | حبل سلكيانقطاع الأسلاك/اهتراء/صدأ | 0.1mmانقطاع الأسلاك |
| العربةجانبا المنصة | 4Kكاميرا مصفوفية | سكةشرخ/الانبعاج/التآكل غير المنتظم | 0.2mmشرخ |
| كابينة المشغلأسفل | كاميرا ستيريو ثنائية | فتحة الخطافشهري/تشوه/شرخ | 0.05mmدرجة الفتح |
| خط التغذيةعلى طول الخط | كاميرا التصوير الحراري بالأشعة تحت الحمراء | فرشاة كربونيةالقوس الكهربائي/ضعف التلامس | 10°Cحد ارتفاع درجة الحرارة |
مزايا النظام والجدوى الاقتصادية
تكمن القيمة الجوهرية لنظام الفحص البصري الذكي في تحويل أعطال الكسر المفاجئة غير المتوقعة إلى تحذيرات تدريجية قابلة للإدارة. يستطيع النظام إصدار تحذير مبكر لاستبدال الحبل السلكي عندما يصل عدد الأسلاك المكسورة إلى 80% من معيار الاستبدال المحدد في GB/T 5972-2016، مما يتيح اكتشاف العيوب المبكرة قبل 7 إلى 30 يومًا مقارنة بالفحص الشهري التقليدي.
على سبيل المثال، في مصنع صلب يبلغ إنتاجه السنوي مليون طن، تتراوح خسائر التوقف الناتجة عن كسر الحبل السلكي الواحد بين 300,000 و800,000 درهم إماراتي. يمكن لنظام الفحص الذكي خفض معدل حوادث كسر الحبال بأكثر من 85%، وتفادي ما متوسطه 2 إلى 3 أعطال كبيرة سنويًا.
فيما يتعلق بتكاليف التشغيل والصيانة، يمكن للنظام أن يحل محل 50% إلى 70% من أعمال الفحص اليدوي الدوري، ويعيد توجيه موارد المفتشين المؤهلين من الفحص الروتيني إلى المراجعة والتحليل والفحص العميق، مما يعزز كفاءة استخدام الموارد البشرية.
تبلغ تكلفة التشغيل على مدار دورة حياة النظام الكاملة (بما في ذلك صيانة الكاميرات، وتحديث النماذج، واستئجار القدرة الحاسوبية) حوالي 60,000 إلى 100,000 درهم إماراتي سنويًا لكل رافعة علوية، بينما يمكن لخسائر الحادث الكبير الواحد أن تغطي تكاليف تشغيل النظام لمدة 3 إلى 5 سنوات. كما تغذي بيانات تشغيل النظام تحسين النماذج بشكل مستمر، مما يشكل حلقة مغلقة من التحسين المستدام القائم على البيانات.
الأسئلة الشائعة حول الفحص البصري للرافعات
س: هل يمكن للفحص البصري الذكي أن يحل محل الفحص اليدوي للحبال السلكية بشكل كامل؟
ج: لا يمكن أن يحل محله بشكل كامل. يمكن للفحص البصري الذكي أن يحل محل الفحص البصري الروتيني اليومي وجزءًا من الفحوصات الشهرية، ولكن وفقًا لأحكام GB/T 5972-2016، لا يزال الفحص السنوي الشامل وتحديد مدى صلاحية الحبل السلكي للاستخدام من اختصاص المفتشين المؤهلين. يمكن للنظام إطالة الفترات بين الفحوصات اليدوية بشكل كبير، بحيث يتم إنجاز الفحص الشهري تلقائيًا بواسطة النظام، ولا يحتاج المفتشون سوى مراجعة الصور غير الطبيعية التي يرسلها النظام.
س: كيف يحافظ النظام على دقة الكشف في البيئات القاسية مثل الغبار والأوساخ الزيتية؟
ج: يعتمد النظام ثلاث آليات لمقاومة التداخل: عدسات الكاميرا مزودة بنظام نفخ هواء عالي الضغط لمنع تراكم الغبار، وتشمل بيانات التدريب عينات محاكاة للتغطية بالزيوت وتلوث العدسات (تشكل 12% من إجمالي مجموعة التدريب)، ويتمتع النموذج بقدرة تكيفية على إزالة التشويش. في الاختبارات الميدانية داخل ورش الصب المعدني، لا يتجاوز انخفاض دقة الكشف 3 نقاط مئوية في بيئة بتركيز غبار يبلغ 5mg/m³.
س: كيف يتكيف النموذج مع احتياجات الفحص المختلفة للرافعات العلوية من مختلف الشركات المصنعة والطرازات؟
ج: يعتمد النظام استراتيجية التعلم بالنقل، حيث يحتاج النموذج الأساسي المدرب مسبقًا إلى جمع 500 إلى 1000 صورة ميدانية فقط في موقع العميل الجديد لإتمام عملية الضبط الدقيق، وتستغرق فترة الضبط من 5 إلى 7 أيام عمل. تم نشر أكثر من 120 نظام فحص بصري ذكي على مستوى الدولة، مما وفر مكتبة نماذج غنية بخبرات التكيف عبر مختلف السيناريوهات.
س: كيف يتم ربط بيانات النظام مع نظام مراقبة وإدارة السلامة الحالي للرافعة العلوية؟
ج: يدعم النظام بروتوكول REST API القياسي وبروتوكول MQTT، حيث يتم إرسال نتائج الفحص وصور العيوب بشكل فوري إلى المنصات الخارجية بتنسيق JSON. وفقًا لمواصفة واجهة بيانات المراقبة في GB/T 28264-2017، يوفر النظام بيانات رباعية العناصر تشمل درجة العيب، والإحداثيات، والطابع الزمني، ورابط الصورة الأصلية، مما يتيح التكامل السلس مع نظام مراقبة وإدارة السلامة للرافعة العلوية ومنصة EAM الخاصة بالمؤسسة.
——كيلود للصناعات الثقيلة متخصصة في مجال الفحص الذكي للرافعات العلوية، وقد نفذت أكثر من 120 نظام فحص بصري ذكي، تغطي المكونات الأربعة الرئيسية: الحبل السلكي، والسكة، والخطاف، وخط التغذية. لمزيد من المعلومات حول تطبيق معيار GB/T 5972-2016 لصيانة وفحص واستبدال الحبال السلكية للرافعات، ومعيار ISO 4301 / FEM 1.001 لتصميم الرافعات في حلول الفحص الذكي، لا تتردد في التواصل مع الفريق الفني لشركة كيلود للصناعات الثقيلة.
