مجموعة بيانات متعددة الفئات للكشف الذكي عن عيوب شفرات توربينات الرياح باستخدام صور الطائرات المسيّرة

مراقبة الآلات العملاقة للرياح

تدور توربينات الرياح بهدوء في الحقول والمياه البحرية، مساعدةً على تزويد منازلنا بالطاقة النظيفة. لكن شفراتها الطويلة تتعرّض للشمس والمطر والملح والرمل وحتى الصواعق، ويمكن أن تتحول العلل الصغيرة إلى أضرار جسيمة. تسلّق هذه البنيات الضخمة للبحث عن المشاكل عملية بطيئة ومحفوفة بالمخاطر. تقدم هذه الدراسة طريقة جديدة لمساعدة الحواسب على اكتشاف مشكلات الشفرات مبكراً، باستخدام مجموعة صور طائرات مسيّرة مُنظَّمة بعناية تلتقط العيوب الحقيقية بتفصيل دقيق.

لماذا تهم عيوب الشفرات

تعتمد مزارع الرياح الحديثة على آلاف الشفرات الدوّارة التي تعمل بأمان على مدار الساعة. أي تشقّق أو منطقة متآكلة أو خدش خفي يمكن أن يقلل الكفاءة أو، في أسوأ الحالات، يؤدي إلى فشل خطير وتوقفات مكلفة. بدأ المفتشون باستخدام الطائرات المسيّرة لالتقاط صور للشفرات عن بُعد، لكن تعليم الحواسب للتعرّف على أنواع عديدة من العيوب في هذه الصور يتطلب مجموعات كبيرة وموسومة جيداً من الأمثلة. كانت مجموعات الصور الموجودة إما صغيرة جداً أو تركّز على نوع أو نوعين فقط من الضرر، مما حدّ من قدرة برمجيات التفتيش على أن تصبح أكثر ذكاءً وموثوقية.

بناء مكتبة صور غنية من الجو

أنشأ الباحثون مجموعة بيانات عيوب شفرات توربينات الرياح (WTBD) لسد هذه الفجوة. باستخدام طائرة مسيّرة مزوّدة بكاميرا في مزرعة رياح ساحلية بالقرب من شنغهاي، حلقوا بالقرب من التوربينات العاملة والتقطوا نحو 2500 صورة عالية الدقة في ظروف طقس وإضاءة متباينة. بعد استبعاد الصور الضبابية وتلك التي لا تظهر فيها أضرار مرئية، احتفظوا بـ1065 صورة واضحة وقاموا بتوحيدها إلى صيغة مربعة مناسبة لتحليل الحاسوب. تُظهر كل صورة شفرات حقيقية مع خلفيات طبيعية مثل السماء والسحب، محافظةً على الظروف الفوضوية التي يجب أن تتعامل معها أنظمة التفتيش في الميدان.

ست طرق يمكن أن تتعرَّض بها الشفرة للضرر

بدلاً من الاعتماد فقط على مكان ظهور الضرر، جمّع الفريق العيوب بناءً على مظهرها الفعلي. باستخدام خبرة هندسية وما يمكن رؤيته من الجو، حدّدوا ست فئات شائعة: تشققات سطحية دقيقة، كسور أعمق، تآكل ناتج عن الرمل والملح، خدوش وقشور في الطلاء، عيوب شعريّة دقيقة، وآثار حروق مميزة من صواعق البرق. ثم استخدم خبراء بشريين أداة رسم متخصّصة لتحديد كل منطقة متضررة بمستطيل وتعيينها إلى إحدى هذه الفئات الست. مرّ اثنان من المعلّقين المستقلين على الصور، وتم حل الخلافات بالمناقشة، مما أسفر عن 1568 منطقة عيب محددة بدقة. أظهر فحص إحصائي اتساقهم العالي، مما يبث الثقة في موثوقية الوسوم.

اختبار مدى صعوبة الصور

لفهم مدى تحدي هذه المجموعة لأنظمة رؤية الحاسوب، درس الباحثون الأنماط داخل كل منطقة موسومة باستخدام موصّفات صور معتمدة تلتقط معلومات النسيج والحواف. ثم سلّطوا هذه القياسات في خريطة ثنائية الأبعاد تُظهر مدى تشابه العيوب المختلفة من وجهة نظر الحاسوب. كشفت النتائج أن أمثلة من نفس الفئة يمكن أن تبدو مختلفة بشكل مفاجئ اعتماداً على زاوية العرض والمسافة والإضاءة، بينما قد تتقارب فئات مختلفة وتختلط في نفس جزء هذه الخريطة. هذا يعني أن المؤشرات البصرية البسيطة غالباً ما تكون غير كافية لتمييز نوع ضرر عن آخر. تحتوي الصور أيضاً على أهداف صغيرة متعددة وعيوب متعددة في لقطة واحدة، مما يعكس بدقة ما يحدث في عمليات التفتيش الحقيقية لمزارع الرياح.

منصة اختبار جديدة لتفتيش أذكى

من خلال إصدار مجموعة WTBD كبيانات مفتوحة، إلى جانب الشيفرة والطرق الموصى بها لتقسيم الصور إلى مجموعات تدريب واختبار، يوفر المؤلفون ملعباً صارماً لمطوّري خوارزميات الكشف المتقدّمة. بالنسبة لغير المتخصصين، الخلاصة أن هذه المجموعة تلتقط أضرار شفرات حقيقية ومتنوعة وأحياناً محيرة بطريقة يمكن للحواسب أن تتعلم منها. من المتوقع أن تساعد في تسريع تطوير أدوات الذكاء الاصطناعي التي تفحص لقطات الطائرات المسيّرة، وتُشير مبكراً إلى العيوب الخطرة، وفي النهاية تحافظ على دوران توربينات الرياح بأمان وكفاءة لفترات أطول.

الاستشهاد: Ji, L., Cheng, J. & Wu, S. Multiclass Dataset for Intelligent Detection of Wind Turbine Blade Defects Using Drone Imagery. Sci Data 13, 396 (2026). https://doi.org/10.1038/s41597-026-06762-x

الكلمات المفتاحية: شفرات توربينات الرياح, تفتيش الطائرات المسيّرة, عيوب السطح, رؤية الحاسوب, صيانة الطاقة المتجددة