اكتشاف ثورة جديدة في الحياة الإجهادية للفولاذ باستخدام تعلم عميق مستنير بالفيزياء!

في عالم تصنيع الفولاذ، يعد تقدير الحياة الإجهادية للفولاذ أمرًا حيويًا، عادة ما يتطلب الأمر اختبارات ميكانيكية طويلة الأمد تتمدد على مدار ساعات وساعات، مما يجعل العملية غير عملية للحصول على نتائج سريعة. ولكن الآن، نقدم لكم انطلاقة جديدة في هذا المجال!
تم تطوير إطار جديد يعتمد على الرؤية الحاسوبية يُعرف بـ CV، الذي يمكنه تقدير الحياة الإجهادية (log N_f) للفولاذات السبيكية الخفيفة مباشرةً من الصور المجهرية البصرية، دون الحاجة إلى اختبارات فعلية.
يتضمن هذا النظام سلسلة معالجة مكونة من سبع مراحل باستخدام OpenCV لإزالة الشوائب، بالإضافة إلى مستخرج ميزات مُستنير بالفيزياء يتألف من 28 بُعدًا، مما يُمكنه من قياس ملامح الشقوق، وتركيب الحبوب، والركام، والنسيج. ثم يستخدم نظام الانحدار CNN، المدرب بخسارة Gaussian negative log-likelihood (GNLL)، للتنبؤ معًا بكل من log N_f وعدم اليقين المحدد لكل عينة (sigma).
تم تقييم ثلاث معماريات (SE-CNN، ResNet-50، VGG-16) على معيار صور مجهرية صناعية، وقد حققت ResNet-50 نتائج رائعة حيث حصلت على R^2 = 0.93، وRMSE = 0.18 log-cycles، وmacro-F1 = 0.91. وأظهر هدف GNLL تقليص كبير في Expected Calibration Error بنسبة 76 % مقارنة بالأساسيات المستخدمة (ECE: 0.089 → 0.021).
كما أكدت خرائط Grad-CAM أن الشبكة تتوجه نحو ميزات مجهرية مهمة في علم المعادن.
والأهم من ذلك، فإن عملية التقدير تستغرق أقل من 65 مللي ثانية لكل صورة، مما يجعل هذا النظام مثمرًا وسريعًا. بالإضافة إلى ذلك، فإن مجموعة البيانات والأنظمة مفتوحة المصدر!
وبما أن التحقق يعتمد بالكامل على الصور المجهرية الصناعية، فإن هذه النتائج تُظهر سلامة المنهجية في ظل ظروف محاكاة؛ والمرحلة التالية الفورية هي دراسة انتقال المجال على عينات حقيقية من الميدان.

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستحسن من عمليات مراقبة الجودة في صناعة الفولاذ؟ شاركونا آرائكم في التعليقات!