منصة تدريب واختبار خوارزمية الرؤية الذكية للرافعات

أقامت شركة كيلود للصناعات الثقيلة منصة متكاملة لتدريب واختبار خوارزميات الرؤية الذكية للرافعات، وتمكنت من تجميع أكثر من 500 ألف صورة صناعية معلّمة للعيوب، مما يشكل أساسًا متينًا للتطوير المستمر لنظام المراقبة الأمنية البصرية للرافعات. تجمع هذه المنصة بين جمع البيانات، وإدارة التعليقات التوضيحية، وتدريب النماذج، وتقييم الأداء، والاختبار في الحلقة المغلقة، وتُعد الأولى من نوعها في صناعة الرافعات الصينية كبنية تحتية متخصصة لتدريب والتحقق من خوارزميات الرؤية الذكية.

موقع المنصة وخلفية إنشائها

يعتمد أداء خوارزميات الرؤية الذكية بشكل كبير على جودة وحجم بيانات التدريب. أدركت شركة كيلود للصناعات الثقيلة منذ بداية تطويرها لتقنيات الرؤية الذكية في عام 2023 أن نقص مجموعات البيانات المتخصصة في الصناعة هو العائق الرئيسي أمام تطبيق هذه التقنيات في مجال الرافعات. مجموعات البيانات العامة مثل COCO وImageNet ذات فعالية محدودة عند نقلها إلى البيئات الصناعية، حيث تؤدي الظروف المعقدة في المصانع مثل الغبار وتغيرات الإضاءة والانسدادات والاهتزازات إلى انخفاض كبير في دقة الكشف للنماذج العامة عند النشر الفعلي. لذلك، استثمرت الشركة أكثر من 3 ملايين يوان صيني (حوالي 1.6 مليون درهم إماراتي) في بناء منصة متخصصة لتدريب واختبار خوارزميات الرؤية الذكية، وبدأت منذ سبتمبر 2023 في جمع البيانات الميدانية وتنفيذ التعليقات التوضيحية اليدوية بشكل منهجي، واستغرق إنجاز المنصة وتجميع 500 ألف صورة معلّمة حوالي 22 شهرًا.

نظام جمع البيانات

تغطي عملية جمع البيانات أربع فئات من ظروف الإضاءة (النهار، الليل، الفجر، الغسق) وأربع فئات من الظروف الجوية (الصحو، الغائم، الممطر، الضبابي). تشمل معدات الجمع 8 كاميرات صناعية بدقة 5 ميجابكسل مثبتة أسفل العارضة الرئيسية للرافعة، وكاميرا مراقبة متنقلة واحدة موضوعة على جانب منطقة الرفع والنقل. تعتمد الكاميرات على مستشعرات ذات غالق شامل، بمعدل إطارات 25fps، وتدعم وضع النطاق الديناميكي الواسع HDR. تدعم منصة التعليقات التوضيحية أربعة أنواع من التعليقات: المربع المستطيل، والمضلع، والنقطة الرئيسية، والتجزئة الدلالية، لتلبية متطلبات التعليق لثلاث فئات من المهام: الكشف (اكتشاف الأهداف)، والتجزئة (تجزئة العيوب)، وتحديد المواقع (تحديد النقاط الرئيسية). تم تجهيز إدارة التعليقات بعملية فحص جودة من ثلاث مراحل: التعليق الأولي من قبل المعلّق، والمراجعة من قبل رئيس المجموعة، والفحص العشوائي من قبل مهندسي الخوارزميات، بنسبة عينات لا تقل عن 20%، ومتطلبات دقة التعليقات لا تقل عن 97%.

تكوين مجموعة البيانات

تنقسم الـ 500 ألف صورة معلّمة إلى خمس فئات رئيسية حسب مهام الكشف. مجموعة بيانات كشف اقتحام الأفراد: 250 ألف صورة، تشمل أربع فئات فرعية: أفراد مرئيون مع خوذة أمان، أفراد غير مرئيين مع خوذة أمان، أفراد بدون خوذة أمان، وأفراد يقتربون من منطقة العمل من الخارج، وتغطي أربعة أوضاع (المشي، القرفصاء، الانحناء، التشغيل)، وثلاث فئات مسافة: بعيدة (ارتفاع البكسل أقل من 50 بكسل)، متوسطة (50-150 بكسل)، وقريبة (أكثر من 150 بكسل). مجموعة بيانات كشف الحمولة: 120 ألف صورة، تشمل فئات: لفائف الصلب (أفقية ورأسية)، ألواح فولاذية (مسطحة ومائلة)، مكونات المعدات (صناديق وهياكل)، ومواد سائبة (أكوام وأشكال غير منتظمة)، وتغطي الخصائص البصرية للحمولات تحت أنواع مختلفة من موزعات الرفع (حبل سلكي، رباط رفع، مغناطيس رفع) وأشكال تحميل مختلفة. مجموعة بيانات كشف عيوب خط اللحام: 80 ألف صورة، تشمل خمس فئات من العيوب: الشرخ، عدم الاختراق، المسامية، شوائب الخبث، والتقوس، ومصادر البيانات تشمل عينات قياسية ملتقطة في المختبر وصور لحامات من مواقع المصانع، وقد تم التحقق من صحة كل صورة من خلال التحليل المعدني. مجموعة بيانات فحص الحبل السلكي: 30 ألف صورة، تشمل خمس فئات من الحالات الشاذة: كسر السلك، الاهتراء، التآكل، التشوه، وانخفاض قطر الحبل. مجموعة بيانات كشف شذوذ السكة: 20 ألف صورة، تشمل ثلاث فئات: انحراف السكة، شرخ السكة، والأجسام الغريبة على السكة.

تدريب النموذج والتطوير المستمر

تم تجهيز منصة التدريب ببيئتين تدريبيتين مستقلتين. بيئة التدريب عبر الإنترنت تعتمد على 4 وحدات معالجة رسومية NVIDIA RTX 4090، وتدعم إطارَي PyTorch وTensorFlow، مع إدارة الحاويات عبر Docker لتحقيق نشر سريع لمهام التدريب وعزل الموارد. بيئة التدريب دون اتصال مجهزة بوحدتي NVIDIA A100 80GB GPU لتسريع تدريب النماذج الكبيرة ومجموعات البيانات الضخمة. تتضمن المنصة خط إنتاج تدريب آليًا يدعم إدارة الإصدارات للبيانات، والبحث في المعاملات الفائقة، وتدريب النماذج، ومقارنة التقييم، وتسجيل النماذج في العملية الكاملة. يعتمد تدريب النموذج على بنية YOLOv8، مع زيادة البيانات بنمط Mosaic، وحساب الإطارات التكيفي، ودالة خسارة CIoU. بعد جولات متعددة من التدريب التكراري على 500 ألف صورة، ارتفع مؤشر mAP لكشف اقتحام الأفراد من 67.3% في البداية إلى 92.3%، وبلغ mAP لكشف الحمولة 89.1%، وmAP لكشف عيوب خط اللحام 91.5%.

مرافق الاختبار والتحقق

بالإضافة إلى وظائف التدريب، تم تجهيز المنصة بمرافق اختبار في الحلقة المغلقة. تتكون معدات الاختبار من رافعة علوية تجريبية بسعة 5 أطنان، ونظام محاكاة بيئية قابل للبرمجة، ونظام لجمع وتحليل البيانات. تم تركيب الرافعة التجريبية في ورشة اختبار داخلية، بمدى 12 مترًا، وارتفاع رفع 6 أمتار، وتدعم وضعي التشغيل اليدوي والآلي. يدعم نظام المحاكاة البيئية القابلة للبرمجة التحكم في معاملات مثل الإضاءة (قابلة للتعديل من 0 إلى 50000 لوكس)، ودرجة الحرارة والرطوبة (درجة الحرارة من -10 درجة مئوية إلى 50 درجة مئوية، والرطوبة من 20% إلى 90% رطوبة نسبية)، وتركيز الغبار (قابل للتعديل من 0 إلى 10 ملغ/م³). يمكن لنظام جمع وتحليل البيانات تسجيل مخرجات الرؤية الذكية وبيانات موضع المشفر والمعاملات البيئية بشكل متزامن، وإنشاء تقرير تقييم شامل لكل إطار. يتيح الاختبار في الحلقة المغلقة التحقق من أداء خوارزميات الرؤية الذكية في ظل ظروف التشغيل القاسية المختلفة في بيئة معملية خاضعة للرقابة، مما يوفر أساسًا معمليًا موثوقًا لتقييم استقرار الخوارزميات قبل النشر على الرافعات الرئيسية.

أمن البيانات والخصوصية

قد تتضمن مجموعات البيانات الصناعية المرئية معلومات حول تخطيط خطوط الإنتاج وتكوينات المعدات في مصانع العملاء، لذا تُعد إدارة أمن البيانات جانبًا أساسيًا في بناء المنصة. يتم تخزين جميع البيانات الأولية المجمعة على مصفوفة تخزين NAS محلية في مقر الشركة، بسعة إجمالية تبلغ 200 تيرابايت، مع تكوين RAID6 للتكرار. يتم تطبيق إدارة وصول متدرجة الصلاحيات للبيانات، مقسمة إلى ثلاثة مستويات: الوصول إلى البيانات الأولية، والوصول إلى بيانات التعليقات التوضيحية، والوصول إلى بيانات النماذج، مع تسجيل جميع عمليات الوصول في سجل التدقيق. عند التعاون مع فرق التعليقات الخارجية، يتم اعتماد استراتيجية إخفاء هوية البيانات والتعليق على أجزاء مجزأة، حيث يحتوي كل جزء على مشهد واحد فقط دون أي ميزات يمكن من خلالها التعرف على المصنع، وبعد اكتمال التعليقات، يقوم موظفو الشركة الداخليون بدمج البيانات والتحقق من جودتها. يخضع تبادل البيانات مع المختبر المشترك لجامعة تشنغتشو لاتفاقية استخدام البيانات الموقعة بين الطرفين، ويقتصر على أغراض التحليل الأكاديمي فقط، ويُحظر استخدام البيانات في أي مشاريع تجارية أخرى داخل المختبر.

خطة التطوير المستقبلي

تخطط شركة كيلود للصناعات الثقيلة لتوسيع حجم البيانات المعلّمة إلى مليون صورة بحلول عام 2027، مع التركيز على إضافة بيانات الحالات الطرفية في الظروف الجوية السيئة والإضاءة المنخفضة، لمعالجة مشكلة التوزيع طويل الذيل للنماذج في ظروف التشغيل القاسية. كما ستبدأ في بناء مجموعات بيانات السلاسل الزمنية، لتجميع إطارات متتالية معلّمة لتدريب نماذج التعرف على السلوك بالفيديو والتنبؤ بالمسارات، بحيث تحتوي كل سلسلة زمنية معلّمة على تسلسل كشف متواصل لا يقل عن 300 إطار. ستقوم المنصة أيضًا بفتح جزء من مجموعات البيانات المجهولة الهوية للتعاون البحثي الأكاديمي، للمساهمة في إنشاء معايير قياسية لتقييم خوارزميات الرؤية الذكية في مجال الرافعات.

الأسئلة الشائعة (FAQ)