قاعدة المعرفة
المراقبة وOEE9 دقيقة قراءة

كيف يعلّم فريقك الكاميرا ما تبحث عنه دون جمع بيانات؟

DBR77 Team · تاريخ النشر

يستطيع فريقك أن يعلّم الكاميرا بأن يصف لها بالكلمات ما تبحث عنه، وكيف تبدو النتيجة الجيدة والنتيجة السيئة. في DBR77 IIoT، يكتب المهندس ما تبحث عنه الكاميرا، مثل «البراغي على الفلنجة A»، ثم النتيجة المطلوبة: «10 من 10 مركّبة ومؤمّنة بالسلك»، ثم النتيجة غير المطلوبة: «برغي مفقود أو غير صحيح». وحين تُصنَّف بضع قطع على أنها OK أو NOK، يصبح لدى النظام مرجع من خطك أنت. بعد ذلك يكون لكل مشهد ثلاث نتائج: نتيجة مطلوبة، ونتيجة غير مطلوبة، وانحراف لم يصفه أحد بعد، يسمّيه المهندس مرة واحدة. لا حاجة إلى جمع بيانات، ولا إلى مشروع تدريب، لكن يجب اختبار كل فحص على صور من خطك قبل تشغيله.

هذا المقال جزء من سلسلتنا عن الكاميرات في الإنتاج. وتتناول الأجزاء الأخرى مقارنة كل برغي بالمرجع، والتحقق من تنفيذ كل خطوة بالترتيب الصحيح.

كيف يعلّم فريقك الكاميرا ما تبحث عنه دون جمع بيانات؟

لماذا تحتاج الرؤية الآلية التقليدية إلى مجموعة بيانات

تُدرَّب معظم أنظمة الرؤية على قائمة ثابتة من الفئات. ويقول مؤلفو CLIP، وهو نموذج يربط الصور بالنصوص، إن هذا النهج يحدّ من قابليتها للتعميم وسهولة استخدامها، لأن كل مفهوم بصري جديد يحتاج إلى بيانات موسومة إضافية. فكل قطعة أو أداة أو عيب جديد يعني صورًا أخرى يجب جمعها ووسمها.

وفي فحوص الجودة يصعب الحصول على هذه الصور. وقد نبّه مؤلفو MVTec AD، وهي مجموعة بيانات معيارية شائعة في الفحص الصناعي، إلى أن العمليات الصناعية تُضبط بحيث تُخرج أقل عدد ممكن من القطع المعيبة. والخط الجيد قليل العيوب، لذلك يستغرق جمع أمثلة كافية لكل عيب وقتًا.

وعمليًا، كثيرًا ما يقتصر مشروع الرؤية الآلية على الفحص الأعلى عائدًا، وتبقى بقية الفحوص على الورق.

كيف يعلّم فريقك الكاميرا ما تبحث عنه دون جمع بيانات؟ — DBR77 IIoTكيف يعلّم فريقك الكاميرا ما تبحث عنه دون جمع بيانات؟ — DBR77 IIoT

كيف يعمل الوصف بالكلمات

أما نماذج الرصد الأحدث فتنطلق من وصف نصي، لا من قائمة ثابتة. ومنها Grounding DINO، وهو نموذج بحثي يرصد أي جسم بناءً على ما يُدخله الإنسان، مثل أسماء الفئات أو العبارات التي تصف الجسم. ويُسمّى ذلك الرصد بمفردات مفتوحة (open-vocabulary detection).

ويطبّق Vision AI في DBR77 IIoT هذا المبدأ في خطوتين:

  1. التعليم. يصف المهندس المشهد: ما الذي يبحث عنه النظام، وكيف تبدو النتيجة المطلوبة، وكيف تبدو النتيجة غير المطلوبة. وفي الفروق الدقيقة، يصنّف الفريق بضع قطع على أنها OK أو NOK، ثم يفحص النظام الجودة وفق هذا المرجع.
  2. المراقبة. يقارن النظام كل صورة بما تعلّمه، ويعطي واحدة من ثلاث نتائج نشرحها أدناه.

رسم متحرك: أوصاف مكتوبة مثل مفتاح عزم أو موضع برغي فارغ، ويظهر حول كل شيء موصوف إطار على طاولة العمل

مثال توضيحي مبني على عرض DBR77 Vision AI التقديمي: يظهر حول كل شيء إطار بمجرد وصفه بالكلمات.

في هذا المثال التوضيحي، تنظر الكاميرا إلى طاولة عمل. يكتب المهندس «مفتاح عزم»، و«صينية فيها براغٍ احتياطية»، و«فلنجة، موضع برغي فارغ»، و«ورقة تعليمات العمل»، و«يد الفني بالقفاز». ويظهر حول كل شيء إطار بمجرد وصفه، ويُعلَّم الموضع الفارغ باللون الأحمر.

ويستطيع المهندسون والفنيون إضافة فحوص جديدة أثناء التشغيل. فإذا دخلت الخط قطعة أو أداة جديدة، وصفوها، فتبدأ الكاميرا بالبحث عنها.

ثلاث نتائج لكل مشهد

لكل فحص ثلاث نتائج ممكنة، والفريق هو من يقرر ما يحدث في كل منها:

  1. النتيجة المطلوبة. يعدّها النظام ويسجّلها، ويستطيع أن يطلق الخطوة التالية بعد عدد محدد من النتائج. مثال ذلك: البرغي 7 مركّب ومؤكَّد، وبعد 10 من 10 يطلق النظام الإجراء الذي حدده الفريق، كأن يرسل رسالة بأن الفلنجة A اكتملت.
  2. النتيجة غير المطلوبة. يحذّر النظام، ويسجّل الحدث، ويرسل إشعارًا إلى شخص. فإذا كان البرغي في الموضع 4 من نوع غير صحيح، يتلقى الفني صورة عليها المنطقة مُعلَّمة. ولا يوقف النظام الآلات، فالقرار فيما يحدث بعد ذلك بيد شخص.
  3. انحراف لم يُصنَّف بعد. يظهر شيء لم يصفه أحد، مثل جسم غريب على الفلنجة. فيسمّيه المهندس مرة واحدة، ويصبح فئة جديدة لها إجراءاتها. وفي المرة التالية يتعرّف عليه النظام ويتعامل معه تلقائيًا، وتنضم الفئة الجديدة إلى ما تعلّمه في الخطوة 1.
النتيجة ما يحدث
النتيجة المطلوبة العدّ، والتسجيل، وإطلاق إجراء بعد عدد محدد من النتائج
النتيجة غير المطلوبة التحذير، والتسجيل، وإرسال إشعار إلى شخص يقرر ما يحدث بعد ذلك
انحراف لم يُصنَّف بعد يسمّيه المهندس مرة واحدة، وفي المرة التالية يتعامل معه النظام تلقائيًا

والنتيجة الثالثة هي ما يُبقي النظام مواكبًا لما يجري على الخط. وتصف الأبحاث فكرة مشابهة تُسمّى الرصد في العالم المفتوح (open-world detection): يَسِم نموذج الرصد الأجسام التي لم يتعلّمها بأنها «مجهولة»، ثم يسمّي خبيرٌ ما يهمّ من بين كل الأجسام المجهولة. وفي أرض المصنع، هذا الخبير هو مهندسك.

صِف فحصًا واحدًا من خطك

أرسل إلينا بضع صور ومقطع فيديو قصيرًا أو اثنين لإحدى المحطات، تلتقطها وفق سياسة التصوير المعتمدة لديك، واكتب لنا ما يجب البحث عنه. سنريك ما يرصده النظام وما يفوته.

احجز مكالمة

أين يبلغ الوصف بالكلمات حدوده

يكون الوصف النصي في أفضل حالاته حين يبدو الجسم كما تصفه الكلمات. وتشير الأبحاث إلى نقطتي ضعف.

الأولى هي المجالات الجديدة. فقد وجد اختبار معياري شمل 100 مجموعة بيانات من ميادين كثيرة أن نماذج الرصد التي لم تُدرَّب على بيانات المجال تفقد جزءًا كبيرًا من أدائها في المجالات الجديدة. وأرض المصنع، بقطعها وإضاءتها وزوايا تصويرها، قد تكون مجالًا من هذا النوع.

والثانية هي التفاصيل الدقيقة. فقد بيّنت دراسة أُجريت عام 2023 على نماذج الرصد بمفردات مفتوحة أنها تجد صعوبة في التقاط التفاصيل الدقيقة للأجسام والتمييز بينها، مثل اللون والنقش والمادة. وتذهب ورقة أولية (preprint) من عام 2025 أبعد من ذلك. فقد اختبر مؤلفوها نماذج أساسية (foundation models) حديثة بأوصاف نصية على صور صناعية حقيقية من الإنتاج الكمّي، وكتبوا أن جميع النماذج أخفقت على بيانات الإنتاج الحقيقية، مع أن أداءها جيد على مجموعات الاختبار العامة.

لهذا ليس الوصف بالكلمات سوى الخطوة الأولى. والاختبار على صورك يبيّن أين يكفي الوصف. وللفروق الدقيقة، مثل سلك تأمين مركّب أو مفقود، مرجع OK/NOK، ويكشف الاختبار إن كان كافيًا. أما النتيجة الثالثة فتنبّه إلى الانحرافات التي تلاحظها الكاميرا ولم يصفها أحد.

مَن يضع القواعد ويحدد الاستجابة

لا فائدة من الفحص إذا لم يتصرف أحد بناءً على نتيجته. والإنتاج الرشيق (Lean) يعدّ ذلك منذ زمن مهمة العاملين في أرض المصنع: فلوحة الأندون (andon) تُطلق إشارة كلما وقع خلل، ويستجيب قائد الفريق. ومع Vision AI، الذين يعرفون المحطة هم من يضعون الفحوص ويقررون الاستجابة لها.

اتفق مع فريقك على بضعة أمور قبل تشغيل أول فحص:

  • مَن يحق له إضافة الفحوص. مثل مهندس العمليات وكبير فنيي الوردية.
  • كيف تُسمّى الفئات الجديدة. بأسماء قصيرة يفهمها كل من يعمل على الخط، وتُدوَّن في مكان واحد.
  • مَن يراجع النتيجة الثالثة. تُراجَع الانحرافات التي لم تُصنَّف بعد كل وردية أو كل أسبوع، حتى لا تتراكم.
  • مَن يتلقى كل إشعار. فكثرة الإنذارات تعلّم الناس تجاهلها، كما يبيّن مقالنا عن أسباب فشل تنبيهات IIoT في أرض المصنع.

كيف تختبر ذلك في محطة واحدة

يمر الاختبار بالمراحل نفسها التي يمر بها أي فحص في Vision AI: عرض توضيحي ونظرة على محطتك، ثم اختبار على بضع صور ومقاطع فيديو قصيرة بموجب اتفاقية عدم إفصاح (NDA)، ثم إثبات المفهوم في محطة واحدة، ثم التعميم، ولا ننتقل إليه إلا إذا أقنعتك النتائج.

  • الكاميرا. يمكن استخدام أي كاميرا IP قياسية. وتُحلَّل كل صورة في نحو 25 ملّي ثانية على حاسوب داخل منشأتك.
  • التعريفات. يصف المهندس بالكلمات ما يجب البحث عنه، وما يُعدّ نتيجة جيدة وما يُعدّ نتيجة سيئة، ويستطيع الفريق إضافة فحوص جديدة أثناء التشغيل. لا حاجة إلى جمع بيانات، ولا إلى مشروع تدريب.
  • الاستجابة. أنت من يقرر ماذا يحدث: العدّ أو التسجيل أو التحذير أو إرسال إشعار إلى شخص، من دون برمجة. ولا يوقف النظام الآلات، فالقرار بيد شخص.
  • التكلفة. تتكون من جهاز الحافة، وشريحة الذكاء الاصطناعي، والكاميرات، وترخيص برمجيات شهري لكل جهاز. ويستطيع الجهاز الواحد تحليل صور من كاميرا واحدة إلى 40 كاميرا بالتوازي.

ويتناول مقالنا عن الكاميرات كحساسات متى تكون الكاميرا الحساس الأنسب لمهمة ما، ومتى لا تكون.

أين يقع هذا في DBR77 IIoT

Vision AI هو طبقة الكاميرات في DBR77 IIoT، وتسري عليه المبادئ نفسها التي تسري على النظام كله:

  • أجهزتنا تقرأ البيانات فقط. لا ترسل أي أوامر إلى آلاتك ولا تغيّر نظام التحكم.
  • تُحلَّل الصور في الموقع، ولا يُسجَّل الفيديو.
  • يعمل Vision AI على DBR77 Vector، نظام الذكاء الاصطناعي الصناعي الخاص بنا، ويمكن تشغيله على خوادمك. لا تُستخدم بياناتك في تدريب أي نموذج من دون موافقة خطية، وتحمل DBR77 شهادة ISO/IEC 27001:2022.
  • تصل أحداث Vision AI إلى IRIS، إلى جانب بيانات الآلات.

الأسئلة الشائعة

هل نحتاج إلى جمع صور أولًا؟

ليس لتدريب النظام. أما للاختبار فنطلب بضع صور ومقطع فيديو قصيرًا أو اثنين للمحطة، وفي الفروق الدقيقة يصنّف الفريق بضع قطع على أنها OK أو NOK لتكون مرجعًا.

مَن يستطيع إضافة فحص جديد؟

المهندسون والفنيون، أثناء التشغيل. يصفون بالكلمات ما تبحث عنه الكاميرا، والنتيجة الجيدة والنتيجة السيئة، ويحددون الاستجابة من دون برمجة.

ماذا يحدث حين ترى الكاميرا شيئًا لم يصفه أحد؟

يُبلَّغ عنه بوصفه انحرافًا لم يُصنَّف بعد. فيسمّيه المهندس مرة واحدة، ويقرر ما يجب أن يحدث، وفي المرة التالية يتعامل معه النظام تلقائيًا.

هل يصلح ذلك لكل قطعة؟

ليس تلقائيًا. فالوصف النصي أضعف في التفاصيل الدقيقة وفي القطع غير المألوفة، لذلك يُختبر كل فحص أولًا على صور من خطك، ويُستعان بمرجع OK/NOK في الفروق التي لا تنقلها الكلمات.

هل يستطيع الفحص إيقاف الخط؟

لا. يستطيع الفحص أن يعدّ أو يسجّل أو يحذّر أو يرسل إشعارًا إلى شخص. ولا يوقف النظام الآلات، فالقرار بيد شخص.

الخلاصة

اختر محطة واحدة ما زال الفحص فيها يُجرى بالعين أو على الورق، واكتب بكلمات بسيطة ما يجب أن تبحث عنه الكاميرا، وكيف تبدو النتيجة الجيدة، وكيف تبدو النتيجة السيئة. اجمع بضع قطع سليمة (OK) ومعيبة (NOK)، وحدد من يتلقى الإشعار حين يحدث خلل. ثم اتفق على من سيسمّي الانحرافات التي لم يصفها أحد. بذلك يكون لديك أساس لاختبار أول على صور ومقاطع فيديو قصيرة من المحطة.

شاركنا فحصًا واحدًا في العرض التوضيحي

أحضر وصفًا مكتوبًا لفحص واحد من خطك. سنريك كيف يُدخَل في النظام، وما النتائج التي يعطيها على مثال مشابه، وما يتطلبه ذلك في مصنعك.

احجز مكالمة

المصادر

قاعدة المعرفةاحجز عرضًا تجريبيًا