كشف عيوب الرافعة العلوية LXD/DXT: دليل المقارنة والضبط

العقبة الأكبر في كشف عيوب مكونات الرافعة العلوية ليست تصميم النموذج، بل البيانات المصنّفة — فالتقاط 5,000 صورة غير مصنّفة يستغرق يومًا أو يومين فقط، بينما يستغرق تصنيف بيانات مماثلة من 2 إلى 3 أسابيع. يعمل التعلّم المقارن (Contrastive Learning) على بناء مهام تدريب ذاتي للإشراف عبر إنشاء "أزواج موجبة-أزواج سالبة" من البيانات غير المصنّفة، لتعلّم تمثيلات بصرية عامة، ثم يكفي ضبط دقيق على 100 إلى 500 صورة مصنّفة للنشر. تستعرض هذه المقالة طريقتين رئيسيتين للتعلّم المقارن: SimCLR (2020, Google) وMoCo v2 (2020, FAIR)، وتتحقق من فعالية التدريب الذاتي المقارن مع ضبط دقيق قليل العينات على مجموعة بيانات عيوب مكونات الرافعة العلوية، ومقارنتها بالتدريب المسبق على ImageNet والتدريب من الصفر. بيئة التجربة: PyTorch 2.1.0 + NVIDIA A10(48GB) + 4×RTX 4090 (لدفعات SimCLR الكبيرة).

مبدأ التعلّم المقارن لكشف العيوب

الفكرة الجوهرية للتعلّم المقارن هي: "يجب أن تكون النسخ المعززة المختلفة لنفس الصورة متقاربة في فضاء الميزات، بينما يجب أن تكون الصور المختلفة متباعدة". على سبيل المثال مع SimCLR: ① يتم تطبيق تحسينين عشوائيين للبيانات على كل صورة في الدفعة (قص عشوائي وتحجيم 0.08~1.0 + اهتزاز ألوان + ضبابية غاوسية + تحويل إلى تدرج رمادي)، للحصول على 2N عرضًا معززًا؛ ② يتم استخدام مشفر ResNet-18 لاستخراج متجهات الميزات (128 بُعدًا)؛ ③ يتم حساب خسارة NT-Xent (الانتروبيا المتقاطعة بالحرارة المعيارية): L=-log(exp(sim(z_i,z_j)/τ)/Σexp(sim(z_i,z_k)/τ))، حيث sim() هي تشابه جيب التمام، وτ=0.5 هو معامل الحرارة (كلما صغر τ، كان التمييز بين العينات السالبة أكثر صرامة). تحسين MoCo v2: استخدام مشفر الزخم (momentum=0.999) وقائمة انتظار (Queue=4,096) بدلاً من الدفعة الكبيرة في SimCLR، للتخفيف من مشكلة عدم كفاية الدفعات.

بيانات التجربة ومنهجية التقييم

مجموعة البيانات: صور عيوب سطح 5 مكونات للرافعة العلوية (انقطاع الحبل السلكي/اهتراء سطح سير العجلة/شرخ السكة/تشوه الخطاف/تشقق بطانة الفرامل + الفئة السليمة، بإجمالي 6 فئات)، بمجموع 1,875 صورة مصنّفة (للضبط الدقيق والتقييم)، بالإضافة إلى 5,000 صورة غير مصنّفة للتدريب التمهيدي المقارن. كل فئة متوازنة بحوالي 312 صورة. تم إجراء تجارب ضبط دقيق على 4 مستويات حسب حجم العينة: 50/100/300/500 صورة/فئة. مؤشرات التقييم: دقة Top-1، درجة F1 (المتوسط الكلي). النموذج الأساسي: ResNet-18 (عند الضبط الدقيق للنموذج الكامل lr=0.0001، عند تجميد طبقة FC lr=0.001).

الخلاصة الأساسية: ①في سيناريو 50 عينة مُعلَّمة، يتفوق التعلّم المقارن (F1=68.5~70.1%) بشكل ملحوظ على ImageNet (64.8%) والتعلّم من الصفر (41.8%)؛ ②التعلّم المقارن مع 100 عينة مُعلَّمة (F1=89.2~90.3%) يعادل تقريبًا ImageNet مع 300 عينة (F1=91.1%)، أي كفاءة تعليم أعلى بثلاث مرات؛ ③مع 500 عينة مُعلَّمة، تتقلص الفجوة بين الطرق الثلاث (93.0~93.8%)، وعند الوصول إلى 1,500 عينة كاملة، تتقارب النتائج تقريبًا (94.0~94.3%)؛ ④يتفوق MoCo v2 على SimCLR بشكل طفيف في جميع أحجام البيانات المُعلَّمة (+0.6~1.8%)، وذلك بفضل استقرار المشفر الزخمي.

مقارنة معمّقة بين SimCLR وMoCo v2

توصية النشر الصناعي: إذا كانت ذاكرة GPU كافية (≥24GB، يمكن ضبط Batch≥256) وكنت تسعى إلى تكرار سريع، فاختر SimCLR (تدريب أسرع، كود أبسط). أما إذا كانت ذاكرة GPU محدودة (≤16GB) أو كنت تسعى إلى أقصى دقة، فاختر MoCo v2. في تطبيقات الرافعة العلوية، نوصي باستخدام MoCo v2 — لأن الحد الأقصى لحجم الدفعة على Jetson AGX Orin (64GB) يبلغ حوالي 128، وخاصية ملاءمة الدفعات الصغيرة في MoCo v2 تجعله الخيار الأمثل.

تجربة مقارنة استراتيجيات تحسين البيانات

يُعد تحسين البيانات عاملًا حاسمًا في نجاح التعلم المقارن. في هذه التجربة، وباستخدام إعداد MoCo v2 مع 100 عينة مُعلَّمة، قمنا بتعطيل كل مكوّن تحسين على حدة للتحقق من مساهمته:

يُعد القص العشوائي أهم تحسين في التعلم المقارن، إذ يُجبر النموذج على تعلم أنماط النسيج المحلية للهدف بدلاً من الاعتماد على التخطيط العام للصورة (في المشاهد الصناعية، عادةً ما تشغل العيوب 5% إلى 20% فقط من الصورة). يأتي اهتزاز الألوان في المرتبة الثانية، لأن التغيرات اللونية في صور الأجزاء الصناعية محدودة (غالباً ما تكون رمادية أو معدنية)، لكن الاهتزاز يزيد من المتانة تجاه تغيرات الإضاءة. أما التمويه الغاوسي فيعمل على تصفية الضوضاء عالية التردد، مما يعزز القدرة على التعميم على أسطح النسيج.

التنفيذ الهندسي — الكود الأساسي لـ MoCo v2

# MoCo v2 تحديث المشفر الزخمي (PyTorchرمز زائف) class MoCo(nn.Module): def __init__(self, base_encoder=resnet18, dim=128, K=4096, m=0.999, T=0.2): super().__init__() self.K = K # طول قائمة الانتظار self.m = m # معامل الزخم self.T = T # معامل الحرارة self.encoder_q = base_encoder() # مشفر الاستعلام(تدريب) self.encoder_k = base_encoder() # مشفر المفتاح(تحديث الزخم) for p in self.encoder_k.parameters(): p.requires_grad = False # تجميد المشفر الزخمي # قائمة انتظار: تخزينKميزات العينات السلبية self.register_buffer("queue", torch.randn(dim, K)) self.queue = F.normalize(self.queue, dim=0) self.register_buffer("queue_ptr", torch.zeros(1, dtype=torch.long)) @torch.no_grad() def _momentum_update(self): # تحديث الزخم: θ_k = m*θ_k + (1-m)*θ_q for p_q, p_k in zip(self.encoder_q.parameters(), self.encoder_k.parameters()): p_k.data = self.m * p_k.data + (1 - self.m) * p_q.data def forward(self, im_q, im_k): q = self.encoder_q(im_q) # ميزة الاستعلام NxC q = F.normalize(q, dim=1) with torch.no_grad(): self._momentum_update() k = self.encoder_k(im_k) # ميزة المفتاح NxC k = F.normalize(k, dim=1) # خسارة التباين: l_posزوج العينات الإيجابي + l_negزوج العينات السلبي l_pos = torch.einsum("nc,nc->n", q, k).unsqueeze(-1) # Nx1 l_neg = torch.einsum("nc,ck->nk", q, self.queue.clone().detach()) # NxK logits = torch.cat([l_pos, l_neg], dim=1) / self.T # Nx(1+K) labels = torch.zeros(logits.shape[0], dtype=torch.long) return F.cross_entropy(logits, labels)

الأسئلة الشائعة حول التعلم المقارن