فحص الرؤية بالذكاء الاصطناعي في التصنيع: كيف يختلف عن الرؤية الآلية على خط تجميع حقيقي

قاطع الدائرة المصغر على بعد خطوة واحدة من تثبيت غطائه في مكانه. خلال ثانيتين أو ثلاث، يجب على الكاميرا التحقق من وجود المسامير، وتركيب المقبض بالطريقة الصحيحة، وأن العلامات الليزرية قد تم وضعها. يرى نظام الرؤية القائم على القواعد مسمارًا لامعًا قليلاً أكثر من المسمار القياسي ويشير إليه على أنه غير موجود. يقوم المشغل بإعادة ضبط الإنذار وتحدث نفس المشكلة بعد عشر دقائق. فحص الرؤية بالذكاء الاصطناعي يعمل بطريقة مختلفة تمامًا. لا يتبع النظام ببساطة قواعد المهندس بل يتعلم كيف يبدو المنتج الجيد من مجموعة من الصور.

باختصار، يعتمد فحص الرؤية بالذكاء الاصطناعي على الكاميرات الصناعية ونموذج التعلم العميق المدرب باستخدام صور لمكونات مختلفة لتحديد ما إذا كان المنتج يفي بمعايير الجودة. يتمتع الذكاء الاصطناعي بالأفضلية عند التعامل مع العيوب التي لا تمتلك شكلًا ثابتًا، مثل الخدوش، والتشققات، والعلامات التالفة، ورش اللحام، حيث تفشل أنظمة الرؤية القائمة على القواعد في هذا الصدد. لذلك، يعمل فحص الرؤية بالذكاء الاصطناعي كتقنية تكميلية لأنظمة الرؤية القائمة على القواعد في أنشطة القياس أو قراءة الرموز، دون استبعاد الحاجة إلى الاختبارات الكهربائية مثل منحنيات الفصل، ومقاومة التلامس، واختبار الجهد العالي.

ما هو فحص الرؤية بالذكاء الاصطناعي؟

تُعرف تقنية الفحص البصري بالذكاء الاصطناعي غالبًا باسم نظام الفحص المعتمد على الكاميرا لأنها تستخدم الكاميرات لاتخاذ قرارات الفحص بناءً على قدرات الذكاء الاصطناعي. ليست تقنية مبتكرة تقدم نوعًا جديدًا من الإضاءة؛ بل هي طريقة جديدة لمعالجة بيانات الفحص.

في خط الإنتاج، تتكون عملية الفحص من أربع خطوات رئيسية:

التقاط الصورة. يصل الجزء إلى منطقة الفحص؛ يتم تنشيط حساس وتلتقط الكاميرا الصورة.
مقارنة الصورة. يقارن النموذج الصورة الملتقطة مع عينات جيدة ومعيبة تم تعلمها مسبقًا ويقدم درجة تظهر احتمال وجود عيوب، وغالبًا ما يقدم معلومات عن مواقع العيوب في الصورة.
معالجة النتيجة. يتم اتخاذ قرار القبول أو الرفض وفقًا للحد المعرف من قبل المهندسين بناءً على الدرجة المستلمة من النموذج.
معالجة التغذية الراجعة. يتم إما رفض الجزء أو السماح له بالاستمرار؛ تُحفظ الصورة الملتقطة، والدرجة، والنتيجة النهائية تحت الرقم التسلسلي للجزء.

غالبًا ما يتم تجاهل الخطوة الرابعة لكنها من أهم الخطوات. إذا أعاد العميل المنتج المعيب، سيكون لدينا القدرة على الرجوع إلى الصورة المنتجة ومعرفة كيف بدا العيب.

فحص الرؤية بالذكاء الاصطناعي مقابل الرؤية الآلية مقابل AOI

يكاد يكون كل استفسار حول هذا الموضوع مسألة مقارنة بين الرؤية الآلية والرؤية بالذكاء الاصطناعي. بعبارات يومية، توجد أربع طرق للفحص البصري للجزء، وكل طريقة تؤدي مهمتها الفريدة. علاوة على ذلك، تقع جميع الطرق، باستثناء الأولى، ضمن فئة الفحوصات البصرية الآلية.

	الفحص اليدوي	الرؤية الآلية القائمة على القواعد	الفحص البصري الآلي (AOI)	فحص الرؤية بالذكاء الاصطناعي
كيف يقرر	حكم المشغل	القواعد التي يبرمجها المهندس: الحواف، البقع، القياسات، مطابقة الأنماط	القواعد والمقارنة المرجعية، مصممة للدوائر المطبوعة (PCBs)	نموذج مدرب على صور لأجزاء جيدة وسيئة
التبديل إلى منتج جديد	سريع، لكنه يعتمد على التدريب والانتباه	قواعد جديدة وضبط، غالبًا من ساعات إلى أيام	برنامج لوحة جديد من CAD واللوحات المرجعية	تحميل نموذج لذلك النوع؛ تدريب نموذج جديد إذا كان المنتج جديدًا
ما يبرع فيه	العيوب غير المعتادة، قرارات الحكم	الأبعاد، الوجود/الغياب، قراءة الباركود والرموز	وصلات اللحام والمكونات على لوحات الدوائر	عيوب متغيرة: خدوش، تشققات، علامات تالفة، رذاذ، تغير اللون
أين يفشل	التعب، عدم الاتساق، السرعة	تغير في اللمعان، اللون أو الموضع لم يتم برمجته	أي شيء ليس لوحة دائرة مطبوعة (PCB)	أنواع العيوب التي لم يرها من قبل؛ تغييرات في الإضاءة أو المادة
الرفض الخاطئ	يختلف حسب الشخص والوردية	مرتفع عندما يختلف المظهر طبيعيًا	متوسط؛ يحتاج إلى ضبط لكل لوحة	أقل على الميزات المتغيرة بمجرد التدريب، لكن يجب التحقق على أجزائك الخاصة
القياس الدقيق	لا	نعم، هذه هي قوته الرئيسية	نعم، لميزات اللوحة	ليس من مهامه؛ استخدم القواعد للقياس
هل يمكنه تفسير الرفض؟	جزئيًا	نعم: أي قاعدة فشلت	نعم: أي فحص فشل	جزئيًا: درجة وخريطة حرارية، ليست قاعدة

يمكننا استخلاص الاستنتاجات الثلاثة التالية: الاستمرار في استخدام تقنيات الرؤية القائمة على القواعد لتقييم الأبعاد، وجود شيء ما وقراءة الرموز لأنها سريعة ودقيقة وبسيطة؛ واستخدام تكنولوجيا الذكاء الاصطناعي للكشف عن العيوب التي تتغير في كل مرة مثل الخدوش، العلامات غير المكتملة، وتغيرات اللون؛ كما يجب أن نتذكر أن فحص AOI للدوائر المطبوعة والتجميعات الكهربائية منخفضة الجهد تمثل مشكلات مختلفة: آلة AOI للدوائر المطبوعة لن تعمل بشكل صحيح مع قواطع الدائرة، وتقنيات الذكاء الاصطناعي التي تم استخدامها وتدريبها على قواطع الدائرة لن تعمل مع الإلكترونيات داخل RCBO.

ما يتضمنه نظام فحص الرؤية بالذكاء الاصطناعي فعليًا

يتكون نظام فحص الرؤية بالذكاء الاصطناعي على خط الإنتاج من خمسة مكونات. يتحدث الجميع عن النموذج، بينما تحدد المكونات الأربعة المتبقية ما إذا كان المشروع مقبولًا.

الكاميرا

اختيار كاميرا صناعية هو كاميرا مسح منطقة وتعتمد الدقة على الحد الأدنى لحجم العيب الذي تهتم بتحديده. إذا كنت مهتمًا بالتشققات بحجم 0.1 مم، تحتاج إلى عدد كافٍ من البكسلات التي تغطي هذا الطول لتحديد مجال رؤية الكاميرا ودقة الكاميرا. في بعض الحالات، يتطلب التطبيق استخدام كاميرتين أو مرآة لرؤية كلا جانبي الجزء الذي يتم فحصه.

الإضاءة

الإضاءة هي قسم منفصل لأن غالبية الإخفاقات تحدث بسبب الإضاءة السيئة. الاتصالات الفضية، المكونات النحاسية، والأغطية اللامعة تعكس الضوء بطرق مختلفة حسب زاوية الجسم. تُستخدم أضواء الحلقات، أضواء القبة، الأضواء الخلفية، وأضواء الزاوية المنخفضة لكشف أنواع مختلفة من العيوب. إذا لم يكن الإضاءة مستقرة قبل بدء تدريب النموذج، فلن ينجح المشروع. سيتعلم النموذج المشاكل المتعلقة بالإضاءة بدلاً من العيوب الموجودة في الأجزاء المفحوصة.

الحوسبة في المحطة

يتم إجراء الاستدلال على الحاسوب الطرفي أو في الكاميرا الذكية مباشرة في المحطة، وليس في السحابة. من المهم جداً أن يتم إرسال القرار مرة أخرى إلى PLC خلال وقت الدورة، حتى لا تضطر خط الإنتاج للانتظار للاتصال. تُخزن الصور على سحابة أو خادم المصنع، حيث يتم إعادة تدريب النماذج.

النموذج

يُستخدم نوعان من النماذج عادة في أنظمة الفحص. يتم تدريب نماذج التصنيف والتقسيم باستخدام عينات من الأجزاء العادية والعيوب من كل نوع. يتعلم نموذج اكتشاف الشذوذ خصائص الأجزاء العادية فقط ويكتشف أي شيء يبدو مختلفًا، وهو يعمل جيدًا إذا لم تكن هناك عيوب. تستخدم العديد من الحلول كلا النوعين المذكورين من النماذج.

المصافحة مع PLC

خلال عملية المصافحة، يتبادل نظام الكاميرا وPLC بعض الإشارات البسيطة: الجزء في الموضع، الزناد، النتيجة، النجاح أو الفشل وأحيانًا رمز العيب. تُرسل النتيجة والصور إلى MES باستخدام واجهة موحدة مثل OPC UA أو Modbus TCP، مما يسمح بالعثور على أي صورة باستخدام الرقم التسلسلي. نظرتنا العامة إلى حساسات الأتمتة الصناعية تشرح مكانة الرؤية بين الحساسات الأخرى على الآلة.

مكان فحص الرؤية بالذكاء الاصطناعي على خط تجميع الكهرباء

للذكاء الاصطناعي مكان ضمن سياق اكتشاف العيوب عندما يتعلق الأمر بالقواطع والملامسات. يعرض الجدول أدناه العديد من أنواع عمليات فحص الرؤية التي يمكن استخدامها ويحدد أفضل طريقة لأدائها إما بالذكاء الاصطناعي، القواعد، أو كلاهما. يختلف وقت الاستدلال بين عشرات المللي ثانية، وهو ما يزال مقبولًا حيث أن أوقات دورة المحطة تتراوح بين 2-3.5 ثانية على خط تجميع قواطع الدائرة المصغرة الأوتوماتيكي.

تحقق	ما يمكن أن يحدث خطأ	القواعد أم الذكاء الاصطناعي؟	السبب
وجود المسامير	مسمار مفقود أو نصف مثبت	القواعد أولاً؛ الذكاء الاصطناعي إذا تغير اللمعان كثيرًا	الوجود بسيط، لكن الانعكاسات تسبب رفضات خاطئة
موضع الملامس والانحراف	ملامس فضي مائل أو غير مركزي	القواعد للموضع؛ الذكاء الاصطناعي لأضرار السطح	الموضع هو قياس؛ الضرر ليس كذلك
المقبض والقطبية	المقبض مقلوب، ترتيب الأقطاب خاطئ	القواعد	هندسة ثابتة، نمط واضح
العلامة بالليزر وOCR	حروف مفقودة، باهتة أو مكسورة	OCR بالذكاء الاصطناعي للعلامات التالفة؛ القواعد للرموز	يتعامل الذكاء الاصطناعي بشكل أفضل مع العلامات الجزئية أو منخفضة التباين
تشققات الهيكل وعلامات الغرق	عيوب التشكيل، اللقطات القصيرة، تغير اللون	الذكاء الاصطناعي	العيوب تختلف في الشكل والموقع
إدخال الطرفية	الطرفية غير مثبتة بالكامل	القواعد أو القياس ثلاثي الأبعاد	العمق هو بعد
الملصقات وأوراق التعليمات	ملصق خاطئ، نشرة مفقودة	القواعد بالإضافة إلى OCR	المطابقة مع الوصفة
رذاذ اللحام والحواف	رذاذ على الملامسات، حواف على الأجزاء الملحومة	الذكاء الاصطناعي	أشكال وأحجام غير منتظمة

تستخدم آلات Benlong الخاصة الجانب القائم على القواعد من هذا الجدول اليوم. على آلة تجميع MCB متعددة الأقطاب, تقوم كاميرا CCD بفحص محاذاة الجدار الجانبي والفجوة بين الأقطاب وتحديد مواضع الأجزاء بدقة ±0.05 مم قبل التثبيت بالمسامير. خط اختبار قواطع الدائرة المصغرة الأوتوماتيكي تشمل الفحص البصري للغلاف، والملصق، والبراغي. تضيف الذكاء الاصطناعي معظم الفحوصات حيث تكون العيوب غير منتظمة، ولهذا السبب تحتل الأغلفة، والعلامات، واللحامات المرتبة الأولى في القائمة.

ما يجب ألا تحكم عليه الرؤية

هناك عيوب خطيرة في قواطع الدائرة لا يمكن تحديدها بصريًا:

تقنية الفصل اللحظي في الوقت؛;
الوقت عند 1.13 و1.45 ضعف التيار المقنن للفصل الحراري؛;
مقاومة التلامس؛;
القوة العازلة؛;
زمن فصل التيار المتبقي في RCCBs وRCBOs.

قد يبدو القاطع مثاليًا، لكنه قد يفصل متأخرًا. يتم اختبار الخصائص المذكورة بواسطة جهاز اختبار، مثل آلة اختبار الفصل المغناطيسي لقاطع الدائرة الصغيرة والاختبار عالي الجهد, ، التي تحسب زمن الفصل بدقة ±1 مللي ثانية لكل جهاز يتم اختباره. تكتشف الكاميرا مظهر الجزء؛ ويقرر الاختبار الكهربائي ما إذا كان يعمل بشكل صحيح. يربط خط الإنتاج الجيد نتائج الاختبار لكل جهاز برقم تسلسلي فريد له.

مثال: محطة كاميرا واحدة على خط قواطع الدائرة الصغيرة

إليك كيف يمكن لمحطة رؤية ذكاء اصطناعي واحدة أن تعمل على خط قواطع بسرعة حوالي ثلاث ثوانٍ لكل وحدة. الأوقات هي أرقام نموذجية لهذا النوع من المحطات، وليست مواصفات.

الوقت	ما يحدث
00 ثانية	يصل القاطع إلى الحامل ويتم تثبيته. يؤكد حساس وجوده في الموضع الصحيح.
05 ثانية	يرسل PLC إشارة تشغيل. يضيء ضوء الستروب وتتعرض الكاميرا لعدة مللي ثوانٍ.
10–0.20 ثانية	تصل الصورة إلى الكمبيوتر الطرفي. يفحص النموذج المسامير، والمقبض، والعلامات، والغلاف ويعيد درجة لكل منها.
25 ثانية	تتم مقارنة الدرجات مع الحدود ويتم إرسال نتيجة نجاح أو فشل مع رمز العيب إلى PLC.
30 ثانية فصاعدًا	في حالة الفشل، يوجه PLC القاطع إلى ممر الرفض. في حالة النجاح، يستمر في المسار.
بالتوازي	تُكتب الصورة، والدرجات، والنتيجة إلى نظام MES تحت الرقم التسلسلي للقاطع.

عملية التبديل من آلة إلى أخرى هي حيث يخلق الذكاء الاصطناعي قيمة حقيقية. يمكن للقاطع أن ينتقل بين نماذج 1P و4P، ونماذج B وC وD، بالإضافة إلى العديد من تصنيفات التيار في يوم واحد. مع الرؤية القائمة على القواعد، يعني التبديل أن المهندس يحتاج إلى تحديث المناطق التي يجب مراقبتها والحدود الرقمية للنماذج المختلفة. مع رؤية الذكاء الاصطناعي، يتم تدريب نماذج عائلات المنتجات المختلفة بشكل منفصل، وتُستخدم وصفة تغيير الآلة أيضًا لاختيار النموذج الصحيح.

عندما يظهر متغير جديد، يحتاج الفريق إلى جمع الصور، وإنشاء النموذج، والتحقق منه قبل أن يصبح عمليًا. يبدو ذلك معقدًا، لكنه يجب أن يتم مرة واحدة فقط لكل نموذج، بغض النظر عن عدد تغييرات القواطع.

كيف يستخدم المصنعون فحص رؤية الذكاء الاصطناعي اليوم

تظهر بعض الأمثلة العامة مدى انتشار التكنولوجيا، وأين حدودها.

Cognex وKeyence: الذكاء الاصطناعي في الكاميرا الذكية

قامت شركة Cognex بدمج نظام تعلم عميق في أحدث كاميرا ذكية صناعية من طراز In-Sight D900 التي تستخدم تقنية ViDi للتعلم العميق للتعرف الضوئي على الحروف، والتحقق من التجميع، واكتشاف العيوب. وتضم أحدث كاميراتها In-Sight L38 الذكاء الاصطناعي مع رؤى ثنائية وثلاثية الأبعاد وتتطلب من 5 إلى 10 صور معنونة فقط لتكوينها، حسب تقرير شركة Cognex. من ناحية أخرى، تتكون سلسلة كاميرات IV4 التي تنتجها Keyence من وظائف ذكاء اصطناعي لتحديد الأجزاء، والعد، وقراءة الحروف مع توصيات لتحسين التصوير. المستقبل واضح: دمج الذكاء الاصطناعي في الكاميرات أصبح حقيقة.

سيمنس: التفتيش بالذكاء الاصطناعي في وحدة واحدة

في عام 2024، اشترت شركة سيمنس شركة ألمانية تُدعى Inspekto تقدم نظام تفتيش بصري قائم على الذكاء الاصطناعي كوحدة واحدة تشمل كاميرا، ومصدر ضوء، وعدسة، وبرمجيات. يتضمن تدريب النظام حوالي 20-30 صورة لمنتجات جيدة؛ علاوة على ذلك، يمكن للمشغلين إتمام التثبيت بأنفسهم دون الحاجة إلى دمج إضافي. شمل مشروع مرجعي نفذته سيمنس استبدال التقييم اليدوي للأجزاء المختومة بتقنية الذكاء الاصطناعي مما سمح بتقليل عدد الفحوصات اليدوية بنسبة تصل إلى ثمانين بالمئة.

بي إم دبليو ومصانع المنارات

تجمع أنظمة AIQX من بي إم دبليو معلومات حول عمليات الإنتاج عبر كاميرات موضوعة على خط التجميع تقوم بفحص المتغيرات والكمال، بالإضافة إلى اكتشاف الشذوذ في الوقت الحقيقي وتقديم ردود فورية للمشغلين. علاوة على ذلك، أبلغ مصنع Rockwell Automation في سنغافورة، المذكور في قائمة أحدث مصانع المنارات العالمية التي يصدرها المنتدى الاقتصادي العالمي، عن انخفاض في العيوب بنسبة 35% بفضل أنظمة مراقبة الجودة بالذكاء الاصطناعي. دليلنا إلى أمثلة منارات المصانع يوضح كيف يتناسب التفتيش البصري ضمن حلقة البيانات الأوسع في مصانع سيمنس، شنايدر إلكتريك، وإيتون.

فوكسكون وتصنيع الإلكترونيات: هذا هو AOI

تقوم فوكسكون الصناعية للإنترنت وWistron بتنفيذ نظام الرؤية بالذكاء الاصطناعي Metropolis من Nvidia لتقييم لوحات الدوائر تلقائيًا. تتعامل الحالة المثيرة للإعجاب مع تقييم لوحات الدوائر فقط. يتطلب تفتيش العناصر الأخرى، مثل الاتصالات، والتجهيزات، والموصلات، تطوير أنظمة إضاءة خاصة ونماذج فريدة.

صناعة السيارات تكتب قواعد اللعبة: AIAG CQI-38

في يونيو 2026، نشرت AIAG دليلها المسمى CQI-38 الموجه لتقنية التفتيش البصري وتقييم التطبيقات. يوفر المستند للمصنعين الأصليين، والموردين، والمصنعين إجراء تقييم معياري لأي نظام تفتيش بصري قائم على الذكاء الاصطناعي. على الرغم من أن مصنعي الجهد المنخفض غير ملزمين باستخدام CQI-38، إلا أن تدابيرها الوقائية للتحقق من صحة التكنولوجيا مهمة لأي شخص معني بتقييم تقنية الذكاء الاصطناعي البصري.

نشر تفتيش الرؤية بالذكاء الاصطناعي بدون تجربة تجريبية لمدة ستة أشهر

عندما تمتد برامج تجريبية للرؤية بالذكاء الاصطناعي لأشهر، هناك أسباب شائعة للفشل. تساعد القائمة التالية على منعه.

ركز على عيب واحد فقط في البداية. بدلاً من تطبيق تقنية الرؤية على خط الإنتاج من البداية، اختر عيبًا يسبب خسارة مالية اليوم، على سبيل المثال، الطباعة المفقودة أو الأغطية التالفة.
وفر الإضاءة الصحيحة ووضعية الأجزاء قبل التقاط الصور. خلال عملية تدريب النموذج، ستوفر الإضاءة وحركة الأجزاء ضوضاء بدلاً من العيوب.
اجمع عدة صور ذات جودة وميز بين أنواع العيوب. عند التعامل مع أنواع نادرة من العيوب، من المفيد إجراء كشف الشذوذ بدلاً من التظاهر بوجود 500 صورة لعيوب تحدث مرتين في الشهر.
قارن عدد الرفض الخاطئ والهروب في أجهزتك. رقم البائع 99% باستخدام نموذج تجريبي لا يعني شيئًا إذا تم فحص الأغطية تحت إضاءة مختلفة.
نفذ الاستدلال على الحافة وضمن زمن دورة العمليات. سيتم استخدام السحابة والخادم فقط لحفظ الصور وإعادة تدريب النموذج.
استخدم وضع الظل لتسجيل وتقييم المدخلات، لكن لا ترفض أي قراءات في تلك المرحلة. يتيح هذا الوضع تقدير نسبة استنتاجات الذكاء الاصطناعي إلى رؤى المفتش قبل بدء استخدام النظام.
أعد التحقق بعد كل تعديل في حالة تغيير خط الإنتاج أو إنتاج أنواع مختلفة من الأجهزة.

الرفض الخاطئ: الرقم الذي يحدد ما إذا كان الخط يحتفظ بالكاميرا

هناك قيمتان أكثر أهمية بكثير من أي قيمة دقة مذكورة في منشور. يشير معدل الهروب إلى عدد العناصر المعيبة التي سمحت بها الكاميرا. يخبرنا معدل الرفض الخاطئ بعدد المنتجات غير المعيبة التي تم التخلص منها.

لتوضيح الوضع، دعونا ننظر إلى مثال لم يؤخذ من حالة واقعية. ينتج أحد خطوط الإنتاج دفعة من 10000 قاطع دائرة، من بينها 50 جزءًا بها عيب سطحي.

	الإعداد أ: عتبة صارمة	الإعداد ب: عتبة مرتخية
القواطع المعيبة التي تم التقاطها	49 من 50 (استدعاء 98%)	46 من 50 (استدعاء 92%)
القواطع المعيبة التي تم تفويتها	1	4
القواطع الجيدة التي تم رفضها	150 (معدل الرفض الخاطئ 1.5%)	20 (معدل الرفض الخاطئ 0.2%)
نسبة الرفض التي هي فعلاً سيئة	49 من 199، حوالي دقة 25%	46 من 66، حوالي دقة 70%

يبدو أن كل شيء تم التقاطه بواسطة الإعداد أ، لكن يتضح أن ثلاثة من كل أربعة قواطع مرفوضة هي سليمة تمامًا. بالمقابل، يحظى الإعداد ب بتقييمات جيدة من المشغلين ويسمح بمرور أربعة قواطع معيبة.

تداعيات السيناريوهين ليست متماثلة. الاحتفاظ بقاطع دائرة معيب واحد يمكن أن يسبب شرارة دائرة قصيرة هو أكثر تكلفة بكثير من التخلص من عدة قواطع جيدة. ولكن إذا كانت نسبة الرفض الخاطئ مرتفعة جدًا، سيتوقف المشغلون عن الثقة بالكاميرا، وسيبدؤون بإعادة تغذية الأجزاء المرفوضة دون فحص، وفي النهاية سيقومون بإيقافها. لذا القاعدة الذهبية لإطلاق النظام بنجاح هي حماية معدل الرفض للعيوب التي تحدث فرقًا وتحسين معدل الرفض الخاطئ لاحقًا من خلال تركيب إضاءة أفضل، المزيد من صور التدريب، عتبات مختلفة لكل نوع من العيوب.

الرؤية بالذكاء الاصطناعي، PLC، MES وباقي الخط

تشكل محطة الرؤية مكونًا واحدًا من مكدس الأتمتة الذي يساعد في اتخاذ القرار من خلال الكاميرا، حيث ينفذ PLC هذا القرار، ويقوم MES بأرشفة الصورة مع نتيجتها المتعلقة بالرقم التسلسلي المرتبط بنتائج الاختبار الكهربائي التي تم توليدها في المراحل المتعاقبة من عملية الإنتاج، مما يتيح الحصول على معلومات مفيدة، وليس مجرد تخزين البيانات:

• قبل بناء المحطة، يمكن التوأم الرقمي لخط الإنتاج أن تظهر ما إذا كانت الكاميرا تناسب وقت الدورة وما إذا كانت التركيبات أو المشابك تحجب رؤيتها.
• عندما تبدأ معدلات العيوب في الانحراف،, الذكاء الاصطناعي الوكلي في التصنيع يغطي من، أو ما، يقرر ما إذا كان يجب توسيع العينة أو إيقاف الخط.
• الرؤية هي أيضًا واحدة من الحواس وراء الذكاء الاصطناعي الفيزيائي في التصنيع, ، حيث ترى الآلات وتضبط ما تقوم به في حلقة مغلقة.
• يعتمد الإنتاج بدون إشراف على الفحص الذي لم يعد يحتاج إلى شخص في المحطة، ولهذا السبب كل مصنع مظلم حقيقي يعتمد على الفحص داخل الخط والفرز التلقائي.

ما تكلفته، وما لا يستبدله

لن نقدم أحجام السوق في هذه النقطة لأنها غير ذات صلة بسوقك. ما يهم هو ما تُنفق عليه النفقات الإجمالية. الكاميرات والإضاءة جزء صغير من تلك النفقات، بينما الأكبر هو الهندسة المستخدمة للتركيبات والإضاءة، التقاط الصور ووضع العلامات عليها، التحقق، وإضاعة وقت الإنتاج في حال توقف الخط بسبب الرفض الخاطئ أثناء الإطلاق.

علاوة على ذلك، من المهم معرفة ما تدفع مقابله. على سبيل المثال، محطة الرؤية المصممة كجزء من آلة مخصصة تختلف عن ترخيص برنامج الفحص المدعوم بالذكاء الاصطناعي. الأول يشمل التركيب، الإضاءة، تحكم PLC، وMES مُحسّن بالفعل لجزءك المحدد. الخيار الثاني يمنحك فقط مجموعة أدوات ويترك لك مهمة التكامل.

الأسئلة الشائعة

ما هو فحص الرؤية بالذكاء الاصطناعي؟

يُعرف فحص الرؤية بالذكاء الاصطناعي بأنه نوع من الفحص البصري الذي تقوم به آلة مزودة بكاميرات تلتقط صورًا للمكونات أثناء الفحص، ثم تُحلل تلك الصور بواسطة شبكة عصبية عميقة تم تدريبها بناءً على صور لمكونات معيبة وجيدة. فحص الرؤية بالذكاء الاصطناعي مفيد لاكتشاف العيوب ذات الأشكال والمواقع المتغيرة مثل الخدوش، الشقوق، العلامات، ورش اللحام.

كيف يختلف فحص الرؤية بالذكاء الاصطناعي عن الرؤية الآلية؟

تعمل الرؤية الآلية على مستوى قائم على القواعد تلتزم بالقواعد التي يبرمجها المهندس، مثل قياس طول الحافة أو التحقق من وجود بقعة بحجم معين. تتعلم الرؤية الذكية من الأمثلة التي تُعطى لها. بينما تكون الرؤية القائمة على القواعد أفضل للقياسات الدقيقة، والتحقق من الوجود، وقراءة الرموز، يمكن للرؤية الذكية التعامل مع العيوب التي تبدو مختلفة في كل مرة. تستخدم غالبية خطوط الإنتاج كلا النوعين من الرؤية.

هل يمكن للرؤية الذكية أن تحل محل فحص AOI؟

عادة لا. تم تصميم آلات AOI للعمل على لوحات الدوائر المطبوعة، مع إضاءات مدمجة، وبرمجة ومكتبات لاكتشاف وصلات اللحام والمكونات. بينما أحد الاتجاهات هو أن يتم تطبيق الذكاء الاصطناعي بشكل متزايد على AOI لتجنب الإنذارات الكاذبة، يمكن استخدام نظام الرؤية الذكية المطور للآلات مثل قواطع الدائرة بدلاً من AOI في الحواسيب الشخصية، والعكس صحيح أيضًا.

كم عدد الصور التي تحتاجها لتدريب نظام فحص الرؤية الذكية؟

يتم تحديد ذلك عادةً حسب نوع العيب والأساليب المستخدمة لاكتشافه. يقترح بعض الموردين الحد الأدنى للبدء، بينما اقترحت Siemens Inspekto حوالي 20-30 صورة للأجزاء الجيدة، في حين أن Cognex بالكاد تتطلب 5-10 صور معنونة لكل مهمة مع نظام In-Sight L38 الخاص بها. ومع ذلك، في معظم الحالات، يتطلب نموذج إنتاج موثوق مئات الصور “الجيدة” في ظروف إضاءة مستقرة، بالإضافة إلى أمثلة لكل نوع من العيوب.

ما هو الرفض الخاطئ في فحص الرؤية؟

يُعرف الرفض الخاطئ بأنه رفض مكون في الواقع في حالة جيدة. نسبة الرفض الخاطئ هي ببساطة نسبة المكونات الجيدة المرفوضة. هذا مهم، لأنه في كل حالة رفض خاطئ لا يحدث فقط فقدان في المواد، بل يُستهلك وقت إعادة العمل، وإذا كانت النسبة مرتفعة جدًا، يبدأ العمال بفقدان الثقة في النظام وقد يتجاهلونه.

هل يعمل فحص الرؤية الذكية لتجميع قواطع الدائرة؟

بالفعل، يمكن استخدام العلامات بالليزر للفحوصات البصرية، بما في ذلك في مجالات تلف الغلاف ومشاكل الانكماش. ومع ذلك، لا يحل هذا محل الاختبارات الكهربائية، ولذلك يجب قياس منحنيات الفصل، مقاومة التلامس، القوة العازلة ووقت فصل التيار المتبقي في مقاعد الاختبار حيث تُحفظ البيانات البصرية والكهربائية تحت نفس الرقم التسلسلي.

خاتمة

لا تحل الرؤية الآلية محل جميع التقنيات السابقة. لا تزال هناك أشياء مثل أجهزة القياس وقارئات الرموز. لا تزال مقاعد الاختبار تحدد ما إذا كان قاطع الدائرة يفتح في الوقت المناسب. توفر الذكاء الاصطناعي القدرة على تقييم العيوب في أنماط تتغير في كل مرة والحفاظ على التقييم حتى عندما تتغير التكنولوجيا دون الحاجة إلى إعادة كتابة القواعد بواسطة مشغل بشري.

تبدأ الشركات التي تستفيد من تقنية الرؤية الآلية بأشياء بسيطة مثل ضبط الإضاءة أو القيام بمحاولات صادقة لفهم عدد العناصر المرفوضة التي هي في الواقع خاطئة وربط كل صورة برقم تسلسلي.

مراجع

• تصميم أنظمة الرؤية – كاميرا ذكية مدعومة بالتعلم العميق قدمتها شركة Cognex (In-Sight D900)
• نظام الرؤية ثلاثي الأبعاد المدعوم بالذكاء الاصطناعي من Cognex In-Sight L38 – تدريب قائم على الأمثلة مع 5–10 صور معنونة لكل مهمة.
• Keyence – مستشعر الرؤية من سلسلة IV4 مع ذكاء اصطناعي مدمج
• تصميم أنظمة الرؤية – سيمنس تستحوذ على شركة ناشئة للتفتيش البصري الآلي Inspekto (2024)
• سيمنس – تفتيش جودة بصري قابل للتوسع باستخدام الذكاء الاصطناعي (مشروع مرجعي)
• مجموعة BMW – كيف يغير الذكاء الاصطناعي الإنتاج (AIQX)
• Nvidia – مصنعو الإلكترونيات يعتمدون Metropolis للمصانع (2023)
• المنتدى الاقتصادي العالمي – مواقع المنارات العالمية الجديدة (يونيو 2026)
• AIAG – تقييمات العمليات الخاصة ودليل تطبيق وتقييم فحص الرؤية بالذكاء الاصطناعي CQI-38 (يونيو 2026)

هل تريد التفتيش البصري والاختبار الكهربائي على كل قاطع؟

إذا كنت تصنع قواطع الدائرة المصغرة (MCBs)، قواطع الدائرة ذات القدرة العالية (MCCBs)، قواطع التيار المتبقي (RCCBs) أو القواطع الكهربائية وتحتاج إلى التفتيش البصري والكهربائي لكل قطعة، نرحب بعينات منتجاتك، والنتائج المحددة التي تحتاجها، ووصف موجز لكيفية التفتيش الحالي. سيحدد مهندسونا الفحوصات التي يمكن تطويرها باستخدام الرؤية القائمة على القواعد، والفحوصات التي يمكن إجراؤها بمساعدة الذكاء الاصطناعي، والفحوصات التي يمكن إجراؤها على منصة الاختبار وكيفية ربط كل ذلك بنظام إدارة التصنيع الخاص بك (MES).

طلب تقييم خط مجاني →