اكتشاف الشذوذ باستخدام صور سليمة فقط: كيف يعمل

DeepVision anomaly heat map highlighting a defect

لدى معظم المصانع صور كثيرة للقطع السليمة وقليل جدًا من صور العيوب. ويحوّل اكتشاف الشذوذ ذلك إلى ميزة: يتعلّم النموذج شكل القطعة «السليمة» ويُنبّه إلى كل ما لا يطابقه، فيمكنكم بدء الفحص دون أن تجمعوا أولًا مئات الأمثلة لكل عيب وتصنّفوها.

مشكلة بيانات العيوب

يحتاج التعلّم العميق الخاضع للإشراف بصيغته التقليدية إلى أمثلة مصنّفة لكل نوع من العيوب: الخدوش والانبعاجات والأجزاء الناقصة والملصقات الخاطئة. وعلى الخط المُدار جيدًا تكون العيوب نادرة، فقد يستغرق جمع أمثلة كافية أسابيع أو أشهرًا. وبعض العيوب ربما لم يحدث بعد أصلًا، ما يعني أنه لا يمكن توقّع أن يكتشفها نموذج دُرِّب على العيوب المعروفة فقط.

كيف يعمل اكتشاف الشذوذ

  1. جمع الصور السليمة. التقطوا صورًا لقطع اجتازت فحوص الجودة، بالكاميرا والعدسة والإضاءة نفسها المستخدمة في الإنتاج.
  2. تعلّم المظهر الطبيعي. يبني النموذج تمثيلًا لشكل القطع السليمة، بما في ذلك تفاوتها الطبيعي.
  3. تقييم القطع الجديدة. تُقارَن كل صورة جديدة بهذا المظهر الطبيعي الذي تعلّمه النموذج، وتحصل المناطق المختلفة على درجة شذوذ عالية.
  4. تحديد العتبة. تُصنَّف القطع التي تتجاوز العتبة على أنها معيبة. وتُضبط العتبة على بيانات التحقق بحيث تُكتشف العيوب الحقيقية دون رفض القطع السليمة.
  5. تحديد الموضع. تُنتج معظم الطرق أيضًا خريطة حرارية تُظهر موضع الشذوذ على القطعة، ما يساعد المشغّلين على تأكيد قرار الرفض بسرعة.

أين ينجح

  • العيوب النادرة أو غير المتوقعة: التلوث أو الأضرار غير المعتادة أو أعطال العملية العارضة التي لم يفكّر أحد في جمع أمثلة لها.
  • الخطوط والمنتجات الجديدة: يمكن بدء الفحص بمجرد توفّر قطع سليمة.
  • الإنتاج متعدد الأصناف: يحصل كل صنف من المنتج على نموذجه الخاص لما هو «سليم»، مدرَّبًا على صور سليمة.
  • القطع المتجانسة: الملصقات والعبوات والقطع المشغولة آليًا والمكبوسة، حيث تتشابه الوحدات السليمة إلى حد كبير.

متى يلزم الحذر

  • التفاوت الطبيعي: تتفاوت عروق الخشب والمسبوكات والمنتجات الغذائية كثيرًا من وحدة إلى أخرى. ويجب أن تغطي مجموعة الصور السليمة هذا التفاوت، وإلا فستُصنَّف القطع الطبيعية على أنها معيبة.
  • تغيّرات التصوير: تحرّك الكاميرا أو خفوت الإضاءة أو تغيّر الخلفية يغيّر شكل «الطبيعي». حافظوا على ثبات إعداد التصوير، أو أعيدوا التدريب عند تغيّره.
  • تصنيف درجات العيوب: يقول اكتشاف الشذوذ «هذا مختلف»، لا «هذا خدش من الدرجة B». وإذا كنتم تحتاجون إلى فرز أنواع العيوب في فئات، فأضيفوا فوقه خطوة خاضعة للإشراف.
  • ضبط العتبة: العتبة الضيقة أكثر من اللازم تزيد حالات الرفض الخاطئ، والواسعة أكثر من اللازم تسمح بمرور العيوب الصغيرة. تحققوا منها على إنتاج فعلي قبل بدء التشغيل.

اكتشاف الشذوذ مقابل التصنيف الخاضع للإشراف

اكتشاف الشذوذالتصنيف الخاضع للإشراف
بيانات التدريبصور سليمة فقطأمثلة مصنّفة لكل فئة من فئات العيوب
اكتشاف عيوب لم تُرَ من قبلنعم، إذا بدت مختلفة عن القطع السليمةالعيوب المشابهة لما دُرِّب عليه فقط
الوقت حتى أول نموذجقصير: بمجرد توفّر صور سليمةأطول: يتوقف على جمع أمثلة العيوب
المُخرَجاتالقبول أو الرفض، ودرجة الشذوذ وموضعهفئة العيب ومستوى الثقة
الأنسب لـاكتشاف أي انحراف في القطع المتجانسةفرز أنواع العيوب المعروفة وتحديد درجاتها

تستخدم خطوط كثيرة الأسلوبين معًا: اكتشاف الشذوذ لالتقاط أي شيء غير طبيعي، ومصنِّفًا لأنواع العيوب التي يجب الإبلاغ عنها بشكل منفصل.

قائمة تحقق عملية قبل البدء

  • ثبّتوا موضع الكاميرا والعدسة والإضاءة أولًا. فالنموذج لا يتعلّم إلا ما تُظهره الصور بثبات.
  • اجمعوا صورًا سليمة عبر الورديات ودفعات الإنتاج ودفعات المواد الخام، حتى يكون التفاوت الطبيعي ممثَّلًا.
  • احتفظوا بمجموعة من العيوب المعروفة، ولو كانت صغيرة، للتحقق من العتبة.
  • شغّلوا النظام بالتوازي مع الفحص الحالي قبل السماح له برفض القطع.
  • خطّطوا لكيفية وصول إشارة الرفض إلى الخط، وعادةً ما يكون ذلك عبر وحدة PLC.

كيف يستخدم DeepVision اكتشاف الشذوذ

يقوم DeepVision على اكتشاف الشذوذ. فهو قادر على التدرّب على 200 صورة فقط لقطع سليمة دون أي تصنيف للعيوب، ويعمل على حاسوب طرفي بجوار الخط، ويرسل قرار القبول أو الرفض إلى وحدات PLC من Siemens أو Allen-Bradley أو Mitsubishi. وعلى خط تعبئة للسلع الاستهلاكية سريعة التداول، خفّض عيوب الملصقات من ⁦9,400⁩ إلى ⁦1,150⁩ لكل مليون، وبدأ تشغيله في اليوم 7. اطّلعوا على دراسة الحالة ومنهجية قياس الدقة لدينا والربط مع وحدات PLC.

الأسئلة الشائعة

كم عدد الصور السليمة التي يحتاجها اكتشاف الشذوذ؟

يتوقف ذلك على مدى تفاوت القطع السليمة. فالقطع المتجانسة تحتاج إلى صور أقل، والقطع ذات التفاوت الطبيعي تحتاج إلى صور أكثر. ويمكن أن يبدأ DeepVision بـ200 صورة سليمة فقط.

هل يستطيع اكتشاف الشذوذ العثور على عيوب لم يرها من قبل؟

نعم، ما دام العيب يجعل القطعة تبدو مختلفة عن القطع السليمة التي تعلّم منها. وهذه ميزته الرئيسية مقارنة بالنماذج الخاضعة للإشراف.

هل يحل محل تصنيف العيوب؟

ليس دائمًا. فهو يخبركم بأن القطعة غير طبيعية وبموضع الخلل فيها. وإذا كنتم تحتاجون إلى فرز العيوب في أنواع محددة الأسماء، فاجمعوا بينه وبين مصنِّف خاضع للإشراف.

What to read next

Scroll to Top

Request a Demo