كيف تكتشف الرؤية الحاسوبية عيوب الطلاء التي يغفل عنها المفتشون البشريون
أخبرني مدير جودة في منشأة طلاء قطع غيار السيارات أن أفضل مفتش لديه يكتشف حوالي 87% من عيوب الطلاء خلال وردية عمل مدتها 8 ساعات. وبحلول الساعة السادسة، ينخفض هذا الرقم إلى حوالي 72%. أما نظام الرؤية بالذكاء الاصطناعي الذي تم تركيبه بجانب محطة الفحص فيكتشف 96.2% باستمرار، ساعة بعد ساعة، ووردية بعد وردية. لكنه أيضاً يُصنّف حوالي 4% من القطع السليمة على أنها معيبة، وهو ما لا يفعله المفتشون البشريون تقريباً أبداً.
إن المفاضلة بين الحساسية والنوعية هي التوتر المحوري في فحص الطلاء الآلي، والأرقام تتغير مع تحسن التقنية.
ما تراه الكاميرات
يستخدم كشف عيوب الطلاء مزيجاً من تقنيات الإضاءة وأنواع الكاميرات التي تكون غير عملية بالنسبة للمفتش البشري. يستخدم النظام النموذجي الإضاءة المهيكلة (خطوط أو أنماط مُسقطة على السطح) لاكتشاف عيوب التضاريس مثل قشر البرتقال والحفر والشوائب. وتكشف الإضاءة المنتشرة عن تباينات اللون واللمعان. أما الإضاءة المرآوية (الشبيهة بالمرآة) فتكشف عن شذوذات نسيج السطح التي تبعثر الضوء المنعكس بشكل مختلف عن السطح الأملس.
الكاميرات نفسها عادةً ما تكون كاميرات مسح خطي تعمل بدقة 8,000 إلى 16,000 بكسل لكل خط، حيث تتحرك القطعة أمام الكاميرا على سير ناقل. عند سرعة سير تبلغ 5 أمتار في الدقيقة ومعدل خطوط يبلغ 10,000 خط في الثانية، يلتقط النظام تفاصيل السطح بدقة تبلغ حوالي 8 ميكرومتر لكل بكسل. وهذا أدق بحوالي 10 مرات مما يمكن للعين البشرية تمييزه على مسافة فحص مريحة تبلغ 18 بوصة.
يضيف قياس الألوان بُعداً آخر. تقيس الكاميرات الطيفية أو أجهزة قياس الألوان المدمجة قيم L*a*b* اللونية في نقاط متعددة عبر سطح القطعة. يمكن تتبع انحراف اللون بمقدار ضئيل يصل إلى 0.3 وحدة Delta-E (بالكاد يمكن إدراكه بالعين البشرية في مقارنة جنباً إلى جنب وغير مرئي تماماً على قطعة منفردة) والإشارة إليه قبل أن يصل إلى مستويات مرئية للعميل.
تصنيف العيوب
تندرج عيوب الطلاء ضمن عدة فئات، لكل منها بصمات بصرية مميزة. يظهر قشر البرتقال (سطح ذو ملمس يشبه قشر الحمضيات) كتموج دوري في انعكاس الإضاءة المهيكلة. وتظهر عيون السمكة (حفر دائرية صغيرة ناتجة عن تلوث السطح) كبقع داكنة محاطة بحلقات مضيئة في الإضاءة المرآوية. وتُظهر السيلان والترهل تبايناً في السماكة يمكن اكتشافه من خلال تغيرات اللمعان. أما شوائب الأوساخ فتُنشئ نتوءات صغيرة بارزة مرئية في بيانات التضاريس.
عادةً ما يكون نموذج الذكاء الاصطناعي شبكة عصبية التفافية مُدرّبة على عشرات الآلاف من الصور المُصنّفة لكل نوع من العيوب، تم جمعها من خط الطلاء المحدد الذي سيراقبه. يُسرّع التعلم بالنقل من نماذج مُدرّبة مسبقاً مثل ResNet أو EfficientNet عملية التدريب الأولي، لكن الضبط الدقيق على بيانات من بيئة الإنتاج الفعلية أمر ضروري لأن كل خط طلاء له نسيج خلفية مميز خاص به.
تتفاوت دقة التصنيف حسب نوع العيب. يتم اكتشاف العيوب الكبيرة مثل السيلان والترهل بدقة تتجاوز 99%. أما قشر البرتقال الدقيق وتباينات الألوان الطفيفة فهي أصعب، وعادةً ما يتراوح معدل اكتشافها بين 90% و95%. والعيوب الأكثر تحدياً هي فقاعات المذيب الدقيقة (ثقوب صغيرة جداً ناتجة عن مذيب محتبس) وعيوب توجيه الجزيئات المعدنية في الطلاءات المعدنية، حيث لم تستوِ رقائق الألمنيوم بشكل مسطح أثناء التطبيق.
السرعة والإنتاجية
تتمثل إحدى المزايا الرئيسية للفحص الآلي في أنه يعمل بسرعة الخط دون الحاجة إلى إبطاء خط الإنتاج. يمكن فحص خط تصنيع ينتج واجهات مصدات السيارات بمعدل 12 قطعة في الدقيقة بتغطية كاملة 100%، وهو أمر لا يستطيع المفتش البشري تحقيقه لأن مساحة السطح لكل قطعة (حوالي 6 أقدام مربعة) وزمن الدورة (5 ثوانٍ لكل قطعة) لا يسمحان بفحص بصري شامل لكل سطح.
عادةً ما يقوم المفتشون البشريون في ورش الطلاء بفحص عينات، حيث يفحصون كل قطعة خامسة أو عاشرة بدقة ويلقون نظرة بصرية سريعة على القطع الأخرى. يعني هذا النهج القائم على أخذ العينات أن القطع المعيبة تمر بين نقاط الفحص، خاصةً عند ظهور مشكلة منهجية (مثل انسداد رأس الرذاذ أو انحراف درجة الحرارة في الفرن).
يفحص نظام الذكاء الاصطناعي 100% من القطع ويمكنه اكتشاف بداية المشكلات المنهجية من أول قطعة متأثرة، مما يتيح استجابة أسرع لمشاكل العملية.
الإنذارات الكاذبة: التحدي المستمر
يعني معدل الإنذارات الكاذبة البالغ 4% المذكور سابقاً أنه في خط ينتج 600 قطعة لكل وردية، يتم تصنيف حوالي 24 قطعة سليمة لكل وردية لإعادة الفحص البشري. يُنشئ هذا مناولة إضافية، واحتمال تلف من نقل القطع مرة أخرى عبر منطقة الفحص، وشعور عام لدى المشغلين بأن النظام يُطلق إنذارات كاذبة.
يُعد تقليل الإنذارات الكاذبة دون تقليل الحساسية مجالاً نشطاً للتطوير. أظهر التصنيف متعدد المراحل (تمريرة أولى سريعة لاكتشاف العيوب المحتملة، ثم نموذج مرحلة ثانية أكثر تفصيلاً للتأكيد أو الرفض) نتائج واعدة، حيث خفض الإنذارات الكاذبة إلى أقل من 2% في بعض التطبيقات. ونهج آخر هو استخدام درجة ثقة الذكاء الاصطناعي لتصنيف التنبيهات، مع رفض القطع تلقائياً فوق عتبة ثقة عالية وتوجيه الحالات الحدية للمراجعة البشرية.
الحساب الاقتصادي مهم هنا. إذا تم توجيه الإنذارات الكاذبة إلى مراجع بشري واستغرقت المراجعة 20 ثانية لكل قطعة، فإن تكلفة العمالة للتعامل مع 24 إنذاراً كاذباً لكل وردية تكون ضئيلة. لكن إذا تطلبت الإنذارات الكاذبة سحب القطعة من الخط ونقلها إلى محطة فحص منفصلة وربما إعادتها عبر عملية الطلاء، فإن تكلفة كل إنذار كاذب تكون أعلى بكثير.
ما الذي يتغير في الممارسة العملية
تُبلغ المصانع التي شغّلت فحص الطلاء الآلي لأكثر من عام عن نمط ثابت. تنخفض شكاوى العملاء المتعلقة بجودة الطلاء بنسبة 40% إلى 60% في السنة الأولى. تزداد معدلات الخردة الداخلية في البداية (لأن النظام يكتشف عيوباً كانت تُشحن سابقاً إلى العملاء) ثم تنخفض مع استخدام فريق الإنتاج لبيانات العيوب لتحديد الأسباب الجذرية وإصلاحها.
إن المخرج الأكثر قيمة لهذه الأنظمة ليس قرار القبول/الرفض للقطع الفردية. إنه بيانات الاتجاهات التي تُظهر كيف تتغير معدلات العيوب مع الظروف البيئية (الرطوبة، درجة الحرارة)، ومعاملات العملية (معدل التدفق، ضغط الرذاذ، درجة حرارة الفرن)، ودفعات المواد. يمكن لفريق هندسة الطلاء الذي يمتلك هذه البيانات تحسين عمليته بطرق كانت مستحيلة سابقاً لأن بيانات العيوب من الفحص البشري كانت غير متسقة للغاية ومتفرقة جداً للكشف عن الارتباطات الدقيقة.