في عالم الصناعات الحديثة، يعتبر اللحام أحد العمليات الحيوية التي تتطلب دقة عالية وتخفيف العيوب. لكن مع تطور تكنولوجيا الذكاء الاصطناعي، أصبح بإمكاننا تغطيه هذه الحاجة بطرق جديدة وفعالة. تم تقديم تقنية جديدة تعتمد على التعلم العميق (Deep Learning) لرصد عملية اللحام في الوقت الحقيقي، مما يقلل من الحاجة للإصلاحات بعد اللحام.

واحدة من أبرز الابتكارات في هذا المجال هي نموذج كشف العيوب القائم على الانتباه الزمني متعدد الأنماط (Multi-modal Temporal Attention)، الذي يهدف إلى تحسين الكشف عن العيوب الداخلية مثل المسامية (Porosity) ونقص الإختراق (Lack of Penetration) وعيوب اللحام الأخرى. تم تدريب هذا النموذج على مجموعة من البيانات الخاصة باللحام والتي تشمل صوراً وأصواتاً تم جمعها من الروبوتات الصناعية المستخدمة في اللحام.

وفقاً للنتائج، أظهر نموذج الانتباه قدرة فائقة في تحسين معدل الدقة (F1 Score) إلى 0.99، مما يعكس كفاءة عالية في تحديد العيوب.

الأهم من ذلك، أن طريقة الذكاء الاصطناعي الشفاف (Explainable AI) المستخدمة هنا تعزز من فهم سلوك النموذج وتوزيع البيانات، مما يساعد على تحديد المناطق المهمة في الصور وبيانات الصوت مما يمكن من اكتشاف كل نوع من العيوب بشكل أفضل. يعزز هذا التعاون بين الإنسان والآلة من موثوقية عمليات الفحص المعتمدة على الذكاء الاصطناعي، مما يمكن المصانع من الحفاظ على معايير عالية للجودة والكفاءة.