نظام الفحص البصري بالذكاء الاصطناعي لحبل الرافعة العلوية
نظام الفحص البصري الذكي للحبل السلكي للرافعة العلوية: ممارسة هندسية في الكشف عن العيوب (الأسلاك المكسورة/الاهتراء/التآكل) بالاعتماد على التعلم العميق. يُعد الحبل السلكي أهم مكوّن حامل في الرافعة العلوية (الجسرية)، حيث ترتبط سلامته ارتباطًا مباشرًا بسلامة المعدات واستمرارية التشغيل.
يُعد الحبل السلكي أهم مكوّن حامل في الرافعة العلوية (الجسرية)، حيث ترتبط سلامته ارتباطًا مباشرًا بسلامة المعدات واستمرارية التشغيل. غير أن طرق التفتيش اليدوي التقليدية التي تعتمد على الفحص البصري وأدوات القياس المحمولة، تعاني من نقاط عمياء متعددة، وذاتية عالية في التقييم، وعدم قدرتها على تقديم إنذار فوري. ومع نضوج تقنيات التعلم العميق، أصبح نظام الفحص البصري الذكي للحبل السلكي القائم على رؤية الحاسوب (AI Vision) المدخل الرئيسي للتحول الرقمي في هذا القطاع. يستعرض هذا المقال، استنادًا إلى حالة هندسية فعلية تم تنفيذها في شركة كيلود للصناعات الثقيلة، البنية العامة للنظام، والخوارزميات الأساسية، والنشر الميداني، والممارسات الهندسية لهذا النظام.
البنية العامة للنظام
يعتمد نظام الفحص البصري الذكي للحبل السلكي على بنية من أربع طبقات، تشكل حلقة متكاملة تبدأ من جمع البيانات في القاعدة وتنتهي بالتكامل مع أنظمة الإدارة في القمة، مما يضمن دقة النتائج وفوريتها وإمكانية تتبعها.
1. طبقة الاستشعار (جمع الصور)
تمثل طبقة الاستشعار أساس النظام بأكمله، وتتكون من كاميرات صناعية عالية الدقة، ومصابيح إضاءة LED وامضة، وعدسات بصرية. ووفقًا لمقاطع الحبل السلكي المختلفة ومتطلبات الفحص، يتم اعتماد خطة نشر متعددة الكاميرات تعمل بشكل متزامن: كاميرا علوية تغطي منطقة التثبيت في الجزء العلوي من الحبل، وكاميرا جانبية لمراقبة منطقة الطول الحر في المنتصف، وكاميرا سفلية موجهة نحو نهاية الحبل السفلي ومنطقة بكرة الخطاف. تتميز كل كاميرا بمستشعر CMOS ذي غالق شامل (Global Shutter)، وتدعم معدل إطارات يصل إلى 200 إطارًا في الثانية، مما يمكنها من التقاط العيوب الدقيقة على سطح الحبل بوضوح أثناء تشغيل الرافعة. تعمل مصابيح الإضاءة LED بنمط التحكم في الوميض، حيث يمكن ضبط عرض النبضة حتى مستوى الميكروثانية، مما يعالج بفعالية مشاكل انعكاس الزيوت وعدم تجانس الإضاءة، ويضمن ثبات جودة الصورة.
2. طبقة الاستدلال (منصة الحوسبة الذكية)
تم نشر طبقة الاستدلال على أجهزة الحوسبة الطرفية NVIDIA Jetson، حيث يتم تشغيل نموذج الكشف عن الأجسام YOLOv8s المُحسَّن. يستخدم النموذج محرك استدلال TensorRT لتسريع الأداء، حيث يبلغ زمن الاستدلال للإطار الواحد أقل من 25 مللي ثانية، مما يلبي متطلبات الفحص الفوري عندما يتحرك الحبل السلكي بسرعة 0.5 م/ث. تتولى طبقة الاستدلال مهمة كشف الأجسام المعيبة في كل إطار، وإخراج إحداثيات الصناديق المحيطة (Bounding Boxes) وفئات العيوب (الأسلاك المكسورة، الاهتراء، التآكل) ودرجات الثقة، بالإضافة إلى أقنعة التجزئة (Segmentation Masks)، مع رفع النتائج الأولية والمتجهات المميزة بشكل متزامن إلى الطبقة التحليلية.
3. الطبقة التحليلية (تصنيف العيوب وتقييمها)
تعمل الطبقة التحليلية على الخادم، وتستقبل نتائج الكشف المرفوعة من طبقة الاستدلال، وتقوم بتصنيف دقيق ثانوي لكل صندوق اكتشاف باستخدام نموذج متخصص لتصنيف العيوب. يعتمد هذا النموذج على الشبكة الأساسية EfficientNet-B4، ويمكنه التمييز بين 11 نوعًا فرعيًا من عيوب الحبل السلكي، بما في ذلك: الأسلاك المكسورة الموضعية، الأسلاك المكسورة المركزة، الاهتراء المنتظم، الاهتراء الموضعي، التآكل النقطي، التآكل المنتظم، التشوه الموجي، التشوه الفانوسي، انخفاض قطر الحبل، ضعف التشحيم، وترسب الأجسام الغريبة على السطح. تقوم الطبقة التحليلية أيضًا بدمج بيانات السلاسل الزمنية، لتتبع وتحليل نتائج الفحص المتعددة لنفس الموقع، وتقييم اتجاه تطور العيب ودرجة خطورته.
تُصنف نتائج التقييم الصادرة عن الطبقة التحليلية إلى أربع درجات حسب شدة العيب: طبيعي (الدرجة 0)، خفيف (الدرجة 1)، متوسط (الدرجة 2)، شديد (الدرجة 3). عندما تصل درجة العيب إلى المتوسط فما فوق، يقوم النظام تلقائيًا بتفعيل آلية الإنذار.
4. طبقة الإنذار (التكامل مع PHM والصيانة)
تتكامل طبقة الإنذار بشكل عميق مع منصة الصحة التنبؤية (PHM) ونظام إدارة الصيانة المحوسب (CMMS). عند اكتشاف عيب في الحبل السلكي يصل إلى عتبة الإنذار، يقوم النظام تلقائيًا بتنفيذ الإجراءات التالية: (1) عرض نافذة إنذار منبثقة فورية على لوحة معلومات PHM، مع تمييز موقع العيب ونوعه بشكل واضح؛ (2) إنشاء أمر عمل صيانة موحد تلقائيًا بناءً على درجة العيب وموقعه، وإرساله إلى نظام CMMS؛ (3) إشعار مسؤول الصيانة المعني عبر رسالة نصية قصيرة أو تطبيق مراسلة أو بريد إلكتروني؛ (4) تسجيل كامل سياق حدث الإنذار، بما في ذلك صورة العيب والطابع الزمني ورقم المعدات وظروف التشغيل، لتحليل التتبع لاحقًا. يبلغ متوسط وقت الاستجابة للعملية الكاملة بدءًا من اكتشاف العيب وحتى إنشاء أمر العمل أقل من 30 ثانية.
| المستوى | الوظيفةوحدة | المعدات الأساسية/الخوارزمية | الأساسيمؤشر |
|---|---|---|---|
| طبقة الاستشعار | التقاط الصور والمعالجة المسبقة | الغالق الشاملكاميرا صناعية,LEDالإضاءة التكميلية الوميضية | الدقة≥1920×1080،معدل الإطارات≥100fps |
| طبقة الاستدلال | الاستدلال اللحظي على الحافة | YOLOv8s + TensorRT,Jetson Orin NX | زمن استجابة الاستدلال≤25ms،الكشفتردد≥40FPS |
| طبقة التحليل | عيبالتصنيف وتقييم الاتجاهات | EfficientNet-B4,خوارزمية التتبع الزمني | دقة التصنيف≥95%،خطأ التنبؤ بالاتجاه≤10% |
| طبقة الإنذار | دفع الإنذار وتكامل الصيانة | PHMالمنصة,CMMSالواجهة,دفع الرسائل | الاستجابة للإنذار≤30s،معدل الإنذار الكاذب≤5% |
ثانيًا: أنواع عيوب حبل السلك وطرق الكشف بالذكاء الاصطناعي
أثناء الخدمة الطويلة لحبل السلك في الرافعة العلوية، يتعرض لتأثيرات مشتركة من الإجهاد التناوبي والاحتكاك والتآكل والبيئات المسببة للتآكل وحمل التعب، مما يؤدي إلى أنواع متعددة من الأضرار. وفقًا للمعيار ISO 4309 (المقابل لـ GB/T 5972-2016) الخاص بفحص وصيانة حبال الأسلاك في الرافعات، يجب إجراء الفحص الدوري للحبل السلكي وتسجيل جميع أنواع العيوب. يجب على نظام الفحص البصري القائم على الذكاء الاصطناعي أن يتعرف بدقة على أنواع العيوب الرئيسية التالية.
1. عيوب كسر الأسلاك
يُعد كسر الأسلاك من أكثر عيوب حبل السلك شيوعًا وخطورة. ويُقسم حسب نمط التوزيع إلى نوعين: الكسر الموضعي والكسر المتركز. يشير الكسر الموضعي إلى توزع الأسلاك المكسورة في مواقع مختلفة على طول الحبل، وينتج عادةً عن الحمل الزائد الموضعي أو إجهاد الأسلاك، وتكون الكسور في مراحلها المبكرة دقيقة جدًا ويصعب اكتشافها بالعين المجردة. أما الكسر المتركز فيعني كسر عدة أسلاك في نفس المقطع العرضي تقريبًا، وينتج غالبًا عن أضرار ميكانيكية أو حمل زائد شديد، وتكون أسطح الكسر خشنة ومتعرجة. يعمل نظام الكشف بالذكاء الاصطناعي على تحسين وحدة استخراج الميزات C2f في نموذج YOLOv8s، من خلال إدخال الالتفاف المشوه (DCNv4) وآلية الانتباه الإحداثي (Coordinate Attention)، مما يمكّن النموذج من التركيز على الاختلافات الدقيقة في نسيج مناطق الكسر. وفي الشبكة الهرمية للميزات، يدمج النموذج بين الميزات عالية الدقة من الطبقات الضحلة والميزات الدلالية من الطبقات العميقة، مما يضمن عدم فقدان أهداف الكسر صغيرة الحجم أثناء اختزال الميزات.
2. عيوب الاهتراء
ينقسم الاهتراء إلى نوعين: الاهتراء المنتظم والاهتراء الموضعي. يتمثل الاهتراء المنتظم في انخفاض قطر الحبل بالكامل بشكل متساوٍ مع تسطّح الأسلاك السطحية، وينتج عادةً عن الاحتكاك المستمر مع البكرات والأسطوانات. أما الاهتراء الموضعي فيتمثل في انخفاض واضح في قطر جزء معين من الحبل أو ظهور أخاديد مسطحة على السطح، وينتج غالبًا عن الاحتكاك بين الحبال نفسها أو التداخل مع العناصر الهيكلية. عند اكتشاف عيوب الاهتراء، يستخدم نموذج الذكاء الاصطناعي بشكل متكامل خصائص التدرج على محيط الحبل السلكي وخصائص نسيج السطح. يضيف النموذج فرعًا إضافيًا لانحدار القطر في رأس الكشف (Head)، يقوم بتقدير قطر الحبل مباشرة داخل كل منطقة كشف، ومقارنته بالبيانات التاريخية للقياس الكمي لمقدار الاهتراء، مع التحكم في خطأ القياس ضمن 0.3 مم.
3. عيوب التآكل
تبرز عيوب التآكل بشكل خاص في حبال أسلاك الرافعات العلوية العاملة في بيئات التعدين والصناعات الكيماوية والموانئ حيث الرطوبة العالية والتآكل الشديد. تظهر عيوب التآكل في مراحلها المبكرة على شكل بقع صدأ نقطية على السطح، ومع تفاقم التآكل تتطور إلى تقشّر وحفر، وفي الحالات الشديدة ينخفض المقطع الفعال للأسلاك بشكل ملحوظ. تظهر عيوب التآكل في الصور كمناطق غير طبيعية اللون (بني محمر، أسود داكن) مع ملمس سطحي غير منتظم. يعتمد نموذج الكشف بالذكاء الاصطناعي استراتيجية دمج متعددة الأطياف، حيث يدمج صور RGB مع صور الأشعة تحت الحمراء القريبة على مستوى الميزات، مستفيدًا من خاصية الانعكاس العالي لمنتجات الصدأ في نطاق الأشعة تحت الحمراء القريبة لتعزيز تباين الكشف عن مناطق التآكل. أظهرت التجارب أن استراتيجية الدمج متعدد الأطياف حسّنت معدل استرجاع اكتشاف عيوب التآكل بنسبة 12.7%.
4. عيوب التشوه
تشمل عيوب تشوه حبل السلك تشوه الموجة وتشوه الفانوس. يشير تشوه الموجة إلى انحناء محور الحبل بشكل متموج، وينتج عادةً عن التفريغ المفاجئ أو انعقاد الحبل، مما يسرّع كسر الأسلاك بسبب الإجهاد أثناء التشغيل اللاحق. يتمثل تشوه الفانوس في زيادة موضعية في قطر الحبل مع تفرق الحبال بشكل يشبه الفانوس، وهو مظهر خارجي لكسر الأسلاك الداخلية أو فشل قلب الحبل. الخصائص البصرية لتشوه الحبل واضحة نسبيًا، لكن نطاق التغيرات الشكلية واسع، مما يتطلب قدرة تعميم عالية من النموذج. لتعزيز متانة اكتشاف التشوه، يطبّق النظام في مرحلة التدريب تحسينات تحويل أفيني واسعة النطاق على عينات التشوه، بما في ذلك الدوران العشوائي (من -45° إلى 45°)، والتحجيم العشوائي (من 0.5 إلى 1.5 مرة)، ومحاكاة التشوه المرن، مما يمنح النموذج قدرة تكيف جيدة مع جميع أشكال التشوه.
| عيبالفئة | النوع الفرعي | الخصائص البصرية | الكشفالتحديات | استراتيجيات التحسين |
|---|---|---|---|---|
| انقطاع الأسلاك | انقطاع الأسلاك الموضعي,انقطاع الأسلاك المتركز | سطوع مقطع الانقطاع وانعكاسه الأبيض,السلك الفولاذيكسرالسطح الطرفي | صغر حجم مقطع الانقطاع(0.5-2mm)،تداخل خلفي قوي | يمكنتشوهالالتفاف+آلية الانتباه |
| اهتراء | منتظماهتراء,موضعياهتراء | انخفاض قطر الحبل,تسطح السطح,فقدان اللمعان المعدني | يتطلب قياسًا كميًااهتراءيتطلب قياسًا كميًا،تأثير إضاءة كبير | فرع انحدار القطر+المحيطخصائص التدرج |
| تآكل | التآكل النقطيتآكل,منتظمتآكل | بقع صدأ بنية محمرة,تقشر صفائحي,تعرجات السطح | خصائص اللون قابلة للخلط مع الزيوت | دمج الخصائص متعددة الأطياف |
| تشوه | تموجتشوه,انتفاخ برميليتشوه | انحناء المحور,زيادة موضعية في القطر,حبلتفكك | نطاق واسع لتغير الشكل،ندرة العينات | التحويل الأفيني+المرونةتشوهالتعزيز |
ثالثًا: تصميم نظام التقاط الصور
يُعد نظام التقاط الصور بمثابة "العين" لنظام الفحص البصري بالذكاء الاصطناعي، حيث تؤثر جودة تصميمه بشكل مباشر على أداء نموذج الكشف اللاحق. تعمل بيئة تشغيل الحبل السلكي للرافعة العلوية في ظروف معقدة تتضمن تداخلات متعددة مثل الإضاءة القوية والزيوت والاهتزاز والغبار، مما يفرض متطلبات عالية للغاية على نظام التقاط الصور. تم تصميم هذا النظام بشكل منهجي من ثلاثة أبعاد: خطة توزيع الكاميرات، والاختيار البصري، واستراتيجية الإضاءة التكميلية.
1. خطة التوزيع المنسق لثلاث كاميرات
استنادًا إلى الخصائص الهندسية وحركة الحبل السلكي للرافعة العلوية، يعتمد النظام خطة تصوير منسقة بثلاث كاميرات لتحقيق تغطية كاملة لطول الحبل دون أي مناطق عمياء:
منطقة التصوير: البكرة الأولى عند مخرج الحبل من الأسطوانة
المستشعر: خطي CMOS (8192×1، تردد خطي 80kHz)
مطابقة سرعة الحبل: التقاط متساوي المسافات متزامن مع المشفر
تركيز الكشف: الأسلاك المكسورة والاهتراء والتآكل، مع فحص انتظام لف الحبل
الميزة: مسار ثابت، مناسب للتصوير المستمر عالي الدقة
منطقة التصوير: منطقة الحبل الحر في الجزء الأوسط من الحبل السلكي
المستشعر: CMOS بشريحة عامة (1920×1080، 200fps)
العدسة: زاوية رؤية واسعة لاستيعاب التأرجح الجانبي
تركيز الكشف: توزيع الاهتراء على كامل الطول، التشوه الموجي، حالة التشحيم
الميزة: شريحة عامة بدون تشوه حركة، تغطية واسعة للمجال
منطقة التصوير: الجزء السفلي من الحبل السلكي + منطقة بكرة الخطاف
المستشعر: CMOS بشريحة عامة (1920×1080، 200fps)
الحماية: تصميم مصغر + نفخ تلقائي لمنع تراكم الزيوت
تركيز الكشف: الأسلاك المكسورة/الاهتراء في منطقة الانحناء (منطقة عالية الخطورة)
الميزة: تركيز على منطقة العيوب عالية الانتشار، دون إعاقة حركة الخطاف
2. اختيار الكاميرا والمعاملات البصرية
يراعي اختيار الكاميرا بشكل شامل المعاملات الأساسية مثل الدقة ومعدل الإطارات ونوع الغالق والحساسية للضوء ودرجة الحماية. تعتمد كاميرا التصوير العلوي مستشعر CMOS خطي بدقة 8192×1 بكسل، بتردد خطي يصل إلى 80kHz، مع مزامنة عبر المشفر لتحقيق التقاط متساوي المسافات مطابق لسرعة الحبل. أما كاميرا التصوير الجانبي والسفلي فتعتمدان مستشعر CMOS بشريحة عامة بدقة 2 مليون بكسل (1920×1080)، بمعدل إطارات أقصى 200fps. تضمن تقنية الشريحة العامة عدم حدوث تشوه في الصورة أو ضبابية حركة نتيجة تأثير الغالق الدوار عند تحرك الحبل السلكي بسرعة عالية. جميع الكاميرات مزودة بغلاف صناعي بدرجة حماية IP67، مع سخان مدمج ووظيفة إزالة الضباب، لتعمل في بيئة عمل بدرجات حرارة تتراوح بين -20 درجة مئوية و60 درجة مئوية.
3. الإضاءة النبضية LED ومقاومة التداخل
عادةً ما يتراكم زيت التشحيم والشحم على سطح الحبل السلكي للرافعة العلوية، مما يسبب انعكاسًا مرآويًا قويًا تحت الإضاءة العادية ويؤثر بشدة على جودة الصورة. يعتمد النظام على إضاءة نابضة بتقنية LED، حيث يتم ضبط عرض نبضة الضوء في نطاق 10-50 ميكروثانية، مع مزامنة دقيقة مع توقيت تعريض الكاميرا. يوفر الوضع النبضي إضاءة عالية السطوع في فترة زمنية قصيرة جدًا، مما يحول بقع الانعكاس إلى نقاط مضيئة صغيرة بدلاً من بقع واسعة، مع تقليل تأثير الإضاءة المحيطة بشكل كبير. تُصمَّم وحدات الإضاءة بشكل حلقي حول محور العدسة لتوزيع الضوء بالتساوي على كامل محيط سطح الحبل السلكي. وفيما يتعلق بدرجة حرارة اللون، يُستخدم ضوء أبيض نقي بمدى 5000K-6000K، بما يتوافق مع ذروة استجابة الطيف لمستشعر الكاميرا الصناعية، لتحقيق أقصى كفاءة للتحويل الكهروضوئي.
| رقم الكاميرا | موقع التركيب | مستشعرالنوع الفرعي | الدقة | معدل الإطارات/تردد الخط | الكشفالقطاع |
|---|---|---|---|---|---|
| Camera 1 | العربةتصوير علوي من المنصة | خطي المصفوفةCMOS | 8192×1 | 80kHz | الحبل العلوي(أسطوانةإلى الأولبكرة) |
| Camera 2 | العربة الطرفيةتصوير جانبي | مصفوفة مساحية بغالق شاملCMOS | 1920×1080 | 200fps | منطقة الحبل الحر الوسطى |
| Camera 3 | خطافتصوير سفلي علوي | مصفوفة مساحية بغالق شاملCMOS | 1920×1080 | 200fps | الحبل السفلي+بكرة الخطاف |
رابعًا: تدريب النموذج ومجموعة البيانات
تُعدّ مجموعة البيانات عالية الجودة واستراتيجية التدريب العلمية حجر الأساس لأداء نموذج الكشف بالذكاء الاصطناعي. يعتمد هذا النظام سير عمل متكاملًا في مراحل جمع البيانات، ووضع العلامات، والتدريب، مما يضمن تحقيق النموذج لدقة كشف عالية وقدرة تعميم قوية.
1. بناء مجموعة البيانات
تم جمع أكثر من 10,000 صورة للحبل السلكي في مواقع التشغيل الفعلية، وتشمل أربع فئات من العيوب: الأسلاك المقطوعة، والاهتراء، والتآكل، والتشوه، بالإضافة إلى عينات من الحبل السلكي السليم. جميع الصور ملتقطة في ظروف تشغيل حقيقية للرافعة العلوية، وتشمل ظروف إضاءة مختلفة (غائم، مشمس، إضاءة ليلية)، وحالات تشغيل مختلفة (ثابت، سرعة منخفضة، سرعة مقننة)، وظروف حمولة مختلفة (بدون حمولة، نصف حمولة، حمولة كاملة). لزيادة تنوع العينات، تتضمن مجموعة البيانات أيضًا بيانات ميدانية من 5 مصانع فولاذية وموانئ مختلفة، وتغطي أقطارًا مختلفة (من 16 مم إلى 48 مم) وتراكيب برم مختلفة (6×19، 6×37، 8×19 وغيرها) من الحبال السلكية.
2. وضع العلامات على البيانات
تم استخدام تنسيق مجموعة بيانات COCO لوضع العلامات، حيث يقابل كل صورة ملف علامات بتنسيق JSON. تتضمن محتويات العلامات: تصنيف فئة العيب، وإحداثيات الصندوق المحيط متعدد الأضلاع، وقناع تجزئة العيب. يتم تنفيذ أعمال وضع العلامات بواسطة مهندسي جودة مدربين تدريبًا متخصصًا، ويقوم خبراء كبار بمراجعة متقاطعة بعد كل علامة لضمان دقة لا تقل عن 98%. بالنسبة للعينات المتنازع عليها (مثل الحالات الحدودية بين الاهتراء الطفيف والملمس السطحي الطبيعي)، يتم تحديد معيار العلامات من خلال المناقشة الجماعية والمقارنة المادية. تحتوي مجموعة البيانات النهائية على 11 فئة هدف، وتوزيع عدد العينات لكل فئة كما يلي: أسلاك مقطوعة موضعية 1,200 صورة، أسلاك مقطوعة مركزة 800 صورة، اهتراء منتظم 1,500 صورة، اهتراء موضعي 1,000 صورة، تآكل تنقري 1,200 صورة، تآكل منتظم 800 صورة، تشوه موجي 400 صورة، تشوه فانوسي 300 صورة، انخفاض قطر الحبل 600 صورة، تشحيم غير كافٍ 900 صورة، عينات سليمة 1,300 صورة.
3. تعزيز البيانات
لتحسين قدرة التعميم والمتانة للنموذج، يطبق النظام استراتيجيات تعزيز بيانات شاملة أثناء التدريب: (1) التحويل الهندسي: دوران عشوائي (من -30° إلى 30°)، وقلب أفقي، وقلب عمودي، وقص عشوائي، وتغيير الحجم (من 0.5 إلى 1.5 مرة)؛ (2) تحويل الألوان: ضبط السطوع (±20%)، وضبط التباين (±15%)، وضبط التشبع (±10%)، وإزاحة درجة اللون (±5°)؛ (3) إدخال الضوضاء: ضوضاء غاوسية (σ=5-15)، وضوضاء الملح والفلفل (كثافة 0.01-0.03)؛ (4) محاكاة التمويه: تمويه غاوسي (حجم النواة 3-7)، وتمويه الحركة (محاكاة ضبابية حركة الحبل السلكي)؛ (5) محاكاة الانسداد: المسح العشوائي (Random Erasing) وCutOut، لمحاكاة سيناريوهات انسداد الشحوم. من خلال استراتيجيات التعزيز المذكورة أعلاه، تم توسيع حجم عينات التدريب المكافئ إلى أكثر من 20 ضعف البيانات الأصلية، مما يحسن بشكل ملحوظ أداء الكشف في الظروف التشغيلية المعقدة.
4. إعدادات وعملية التدريب
يعتمد تدريب النموذج على بنية YOLOv8s، ويتم تغيير حجم صور الإدخال بشكل موحد إلى 640×640 بكسل. إعدادات المعاملات الفائقة للتدريب كما يلي: يستخدم المحسن SGD with momentum (الزخم 0.937)، ومعدل التعلم الأولي 0.01، مع استراتيجية جدولة معدل التعلم بالتبريد الجيبي (cosine annealing)؛ معامل تناقص الأوزان 0.0005؛ حجم الدفعة (batch size) 32؛ عدد دورات التدريب (epoch) 300 دورة؛ يتم استخدام استراتيجية التسخين المسبق، حيث يزداد معدل التعلم خطيًا من 0.001 إلى معدل التعلم الأولي خلال أول 3 دورات. أثناء التدريب، يتم استخدام آلية التوقف المبكر (Early Stopping)، حيث يتوقف التدريب تلقائيًا عندما لا يتحسن متوسط الدقة (mAP) على مجموعة التحقق لمدة 30 دورة متتالية. اكتمل تقارب النموذج بعد تدريب استغرق حوالي 24 ساعة على بطاقة رسوميات NVIDIA RTX 4090 واحدة، وانخفضت خسارة التدريب النهائية إلى أقل من 1.2، ووصل متوسط الدقة (mAP) على مجموعة التحقق إلى المؤشر التصميمي.
خامسًا: أداء الكشف وتكامل الصيانة
بعد النشر والتحسين المستمر، حقق نظام الكشف البصري عبر الذكاء الاصطناعي للحبل السلكي للرافعة العلوية معايير التطبيق الهندسي في جميع مؤشرات الأداء. في الوقت نفسه، تم دمج النظام بعمق مع نظام إدارة الصيانة التشغيلية للمعدات، مما شكل حلقة عمل متكاملة من "الكشف - التقييم - الإنذار - الصيانة".
1. مؤشرات أداء الكشف
يوضح الجدول التالي مؤشرات أداء الكشف للنظام على مجموعة الاختبار الخاصة به (2,000 صورة، مستقلة عن مجموعة التدريب ومجموعة التحقق). تم قياس جميع المؤشرات فعليًا على جهاز الحوسبة الطرفية Jetson Orin NX، ويستقر معدل الإطارات للاستدلال عند أكثر من 40 إطارًا في الثانية، مما يلبي متطلبات الكشف في الوقت الفعلي عند تشغيل الحبل السلكي للرافعة العلوية بسرعة 0.5 م/ث.
| عيبالفئة | mAP@0.5 | mAP@0.5:0.95 | الدقة | الاستدعاء | F1-Score |
|---|---|---|---|---|---|
| انقطاع الأسلاكالكشف | 0.93 | 0.72 | 0.91 | 0.88 | 0.89 |
| فحص التآكل | 0.89 | 0.65 | 0.87 | 0.83 | 0.85 |
| تآكلالكشف | 0.85 | 0.59 | 0.84 | 0.80 | 0.82 |
| تشوهالكشف | 0.82 | 0.56 | 0.80 | 0.76 | 0.78 |
| الإجماليالكشف | ≥0.93 | ≥0.70 | ≥0.85 | ≥0.82 | ≥0.84 |
2. التكامل مع نظام الصيانة CMMS
يتصل النظام بنظام الصيانة المحوسب (CMMS) في المؤسسة عبر واجهة برمجة تطبيقات قياسية من نوع RESTful API. عند رصد نظام الكشف بالذكاء الاصطناعي لعيب في الحبل السلكي يبلغ مستوى الإنذار المحدد مسبقًا، يتم تنفيذ مسار التكامل التالي تلقائيًا: (1) استرجاع البيانات الأساسية للمعدات وسجل الصيانة ومخزون قطع الغيار من نظام CMMS؛ (2) بناءً على نوع العيب ودرجة خطورته، تتم مطابقة توصيات الصيانة ومعايير الاستبعاد تلقائيًا وفقًا للمعيار GB/T 5972-2016؛ (3) إنشاء أمر عمل صيانة موحد يتضمن رقم المعدات وموقع العيب (محددًا بإزاحة طول الحبل) وصورة العيب ودرجة الخطورة والإجراء المقترح وعلامة الأولوية؛ (4) دفع أمر العمل إلى نظام CMMS وإسناده تلقائيًا إلى التخصص وفرقة الصيانة المعنية؛ (5) بعد إنجاز أمر العمل، يقوم موظفو الصيانة بتسجيل نتيجة المعالجة، ويقوم النظام بالتقاط صورة جديدة للحبل السلكي بعد المعالجة وإدراجها في دورة التعلم المستمر للنموذج. لا يتجاوز متوسط الوقت المستغرق من الكشف إلى إصدار أمر العمل 30 ثانية، مما يحقق إدارة مغلقة الحلقة من اكتشاف المشكلة إلى حلها.
3. الامتثال للمعايير الوطنية
تعتمد معايير الكشف وسياسات الحكم بالاستبعاد في النظام على المعايير الوطنية التالية: يحدد المعيار GB/T 5972-2016 "الرافعات - الحبال السلكية - الصيانة والفحص والاستبعاد" طرق الفحص اليومي وتردده ومعايير الاستبعاد، وهو الأساس الأساسي لحكم الكشف في هذا النظام؛ ويوفر المعيار ISO 4301 / FEM 1.001 "قواعد تصميم الرافعات" متطلبات عامل الأمان لاختيار وتصميم الحبل السلكي؛ ويضع المعيار TSG Q7016-2016 "قواعد الإشراف على فحص تركيب وإصلاح وتحديث آلات الرفع" متطلبات واضحة للامتثال في فحص واختبار آلات الرفع. يتضمن النظام محرك قواعد رقمية مدمجًا لكل هذه المعايير، ويطابق بنود المعايير تلقائيًا عند الحكم على نتائج الكشف، مما يضمن أن تكون توصيات الصيانة ومستويات الإنذار متوافقة تمامًا مع اللوائح.
الأسئلة الشائعة
س: هل يمكن للكشف البصري بالذكاء الاصطناعي أن يحل محل التفتيش اليدوي تمامًا؟
ج: يمكن للكشف البصري بالذكاء الاصطناعي أن يكون مكملاً قويًا للتفتيش اليدوي، لكنه لا يمكن أن يحل محله تمامًا في المرحلة الحالية. وفقًا لمتطلبات المعيار GB/T 5972-2016، يجب أن يتم الفحص الدوري للحبل السلكي بواسطة مفتشين متخصصين مدربين. يمكن لنظام الرؤية بالذكاء الاصطناعي توفير مراقبة متواصلة على مدار الساعة طوال أيام الأسبوع، ويحقق معدل اكتشاف يتجاوز 90% للعيوب النموذجية مثل الأسلاك المكسورة والاهتراء والتآكل، ولكن بالنسبة للعيوب التي لا يمكن تحديدها من خلال الصور السطحية مثل الأسلاك المكسورة الداخلية أو حالة القلب، لا يزال من الضروري الاعتماد على الفحص الكهرومغناطيسي (EMT) أو الفحص اليدوي باللمس. نمط التشغيل والصيانة الموصى به هو "المراقبة عبر الإنترنت بالذكاء الاصطناعي + إعادة الفحص اليدوي الدوري"، حيث يتولى نظام الذكاء الاصطناعي الفحص اليومي عالي التردد والشامل، ويتولى الفحص اليدوي إعادة الفحص الدوري العميق وتأكيد الحالات غير الطبيعية.
س: ما مدى تأثير الشحوم وتغيرات الإضاءة على دقة الكشف؟
ج: تعتبر الشحوم وتغيرات الإضاءة من أكبر التحديات الهندسية التي تواجه الكشف البصري بالذكاء الاصطناعي للحبال السلكية. يعالج هذا النظام هذه المشكلة من خلال ثلاثة إجراءات فعالة للحد من التداخل البيئي: أولاً، استخدام تقنية إضاءة LED نابضة عالية التردد توفر إضاءة قوية ومضبوطة في نطاق زمني بالنانو ثانية، مما يقلل من التأثير النسبي للإضاءة المحيطة؛ ثانيًا، تتضمن بيانات التدريب عددًا كبيرًا من العينات السلبية التي تغطي الشحوم وظروف الإضاءة المختلفة، مما يعزز متانة النموذج ضد التداخل؛ ثالثًا، يتم إدخال خوارزميات معادلة الرسم البياني التكيفي وتصحيح الإضاءة Retinex في مرحلة معالجة الصور الأولية. في الاختبارات الميدانية الفعلية، عندما تكون مساحة التغطية بالشحوم أقل من 30% من سطح الحبل، لا يتجاوز انخفاض دقة الكشف نقطتين مئويتين؛ وعندما تكون التغطية بالشحوم شديدة (أكثر من 50%)، يقوم النظام تلقائيًا بوضع علامة "تقييم مقيد" على تلك الصور، مما يستدعي إعادة الفحص اليدوي.
س: هل تلبي دقة الكشف في النظام متطلبات المعايير الوطنية؟
ج: تم تصميم دقة الكشف في النظام لتتوافق تمامًا مع متطلبات المعايير الوطنية. يحدد المعيار GB/T 5972-2016 معايير استبعاد الحبل السلكي، والتي تشمل: وصول عدد الأسلاك المكسورة في طول جدل واحد إلى 10% من إجمالي عدد الأسلاك، أو انخفاض القطر بسبب الاهتراء أو التآكل إلى 7% من القطر الاسمي، أو ظهور تشوه على شكل فانوس أو بروز القلب. يحقق هذا النظام معدل كشف للأسلاك المكسورة mAP≥0.93، وخطأ قياس قطر الحبل ≤0.3mm، وخطأ كشف مساحة التآكل ≤5%. كما يتضمن النظام محرك فحص امتثال مدمج للمعيارين ISO 4301 / FEM 1.001 وTSG Q7016-2016، ويقوم بإخراج رقم البند المحدد من المعيار المعتمد عند إصدار حكم الاستبعاد تلقائيًا. يخضع النظام بانتظام للمعايرة من قبل جهة اعتماد قياسية خارجية لضمان إمكانية تتبع نتائج القياس.
س: كيف يضمن النظام الاستقرار وقابلية الصيانة على المدى الطويل؟
ج: يضمن النظام التشغيل المستقر على المدى الطويل من خلال ثلاثة مستويات: العتاد والبرمجيات والبيانات. على مستوى العتاد، تم تصميم جميع المعدات الميدانية بتصميم حماية صناعي (درجة الحماية IP67، نطاق درجة حرارة تشغيل واسع، حوامل مقاومة للاهتزاز)، والمكونات الرئيسية مزودة بتكوين تكرار. على مستوى البرمجيات، يتضمن النظام وحدة تشخيص ذاتية تتحقق بانتظام من جودة صورة الكاميرا (وضوح البؤرة، التعرض، اتساق معدل الإطارات)، وحالة تشغيل محرك الاستدلال، وجودة الاتصال بالشبكة، ويصدر إنذارًا تلقائيًا عند حدوث خلل ويحاول الاستعادة الذاتية. على مستوى البيانات، صمم النظام آلية تعلم مستمر، حيث يقوم أسبوعيًا بتصفية نتائج الكشف عالية الثقة تلقائيًا، وبعد مراجعتها يدويًا، يتم إدراجها في مجموعة بيانات التدريب التزايدي، ويتم إجراء تحديث دقيق للنموذج كل ثلاثة أشهر، مما يمكن النموذج من التكيف مع التغيرات في أنماط اهتراء الحبل السلكي وظهور عيوب جديدة. يوفر النظام أيضًا منصة إدارة التشغيل والصيانة عن بعد، تدعم الترقية عن بعد للبرامج الثابتة والنماذج، مما يقلل من تكاليف الصيانة الميدانية.
