تعد سلامة الأنابيب أحد العوامل الحاسمة في حماية الصناعة والبيئة. ويعتبر كشف الفيض المغناطيسي (Magnetic Flux Leakage) تقنية رئيسية في الفحص غير المدمر. ومع ذلك، كانت هناك صعوبات كبيرة في الاعتماد على نماذج التعلم العميق (Deep Learning) لتفسير بيانات MFL بسبب نقص مجموعة بيانات عامة كبيرة ومؤشرات مرجعية دقيقة.

اليوم، نعلن عن إطلاق مجموعة بيانات جديدة تُدعى PipeMFL-240K، وهي مجموعة بيانات ضخمة ومُعلمة بعناية، وتُعد مرجعًا لقياس البيانات المعقدة لصور MFL. تحتوي هذه المجموعة على 249,320 صورة و200,020 علامة تحيط بالأجسام، وتم تجميعها من 12 أنبوبًا تمتد على ما يقرب من 1,530 كم.

تتناول PipeMFL-240K تعقيدات الفحص الواقعي، حيث تتضمن:
1. توزيعًا طويل الذيل على 12 فئة.
2. انتشارًا عاليًا للأجسام الصغيرة التي قد تحتوي على عدد قليل من بكسلات الصورة.
3. التنوع الكبير داخل الفئات.

أجريت تجارب واسعة النطاق باستخدام أحدث كاشفات الأجسام، مما أظهر أن النماذج الحديثة لا تزال تواجه تحديات مع الخصائص الأساسية لبيانات MFL، مما يبرز المجال الواسع للتحسين. يُعتبر هذا المورد العام الأول من نوعه لفحص MFL، مما يوفر قاعدة حاسمة للتشخيص الفعال للأنابيب وتخطيط الصيانة، ومن المتوقع أن يُسرع الابتكار والخلافات البحثية في تقييم سلامة الأنابيب المعتمد على MFL.

في النهاية، يفتح مشروع PipeMFL-240K آفاقًا جديدة في الأمان الصناعي. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!