دمج صور أسطح الكسور الناتجة عن التعب متعددة الأنماط للتحليل باستخدام شبكة عصبية التفافية

لماذا تهم الشقوق الصغيرة

تعتمد التقنيات اليومية—من محركات الطائرات إلى الزرعات الطبية—على أجزاء معدنية قادرة على تحمل ملايين دورات التحميل دون أن تنكسر فجأة. ومع ذلك، تبدأ معظم حالات الفشل الهندسي من شقوق صغيرة تكاد تكون غير مرئية تنمو ببطء حتى يحدث الكارثة. تستكشف هذه الورقة كيفية قراءة «بصمات» تلك الشقوق على أسطح المعادن المكسورة، وكيف أن دمج أنواع مختلفة من صور الميكروسكوب مع الذكاء الاصطناعي الحديث يمكن أن يحوّل هذه البصمات إلى تحذيرات مبكرة حول كيفية وسبب فشل الجزء.

النظر إلى المعدن المكسور بطرق جديدة

عندما ينكسر جزء معدني نتيجة التحميل المتكرر، لا تكون السطح المكشوف ناعماً على الإطلاق. إنه مغطّى بأنماط—نتوءات، ووديان، وملمس—تسجل كيف بدأ الشق ونما. تقليدياً، يقوم الخبراء المدربون بفحص هذه الأسطح بكثرة العين باستخدام مجاهر قوية، معتمدين على الخبرة لتفسير ما يرونه. يركز المؤلفون على سبيكة تيتانيوم مستخدمة على نطاق واسع، Ti-6Al-4V، الشائعة في مكونات الطيران. يتساءلون ما إذا كان بإمكان الحواسب أن تتعلم قراءة هذه الأسطح المعقدة، ليس فقط لتصنيف كيفية كسرها، بل لتقدير كميات عملية مثل مدى سرعة نمو الشق ومدى بعده عن خط الحمولة الأصلي—معلومات مرتبطة مباشرة بالعمر المتبقي للجزء.

ثلاث وجهات لنفس السطح المكسور

تدمج الدراسة ثلاث طرق تصوير مميزة يكشف كل منها جوانب مختلفة من نفس سطح الكسر. أولاً، تلتقط صور الإلكترون الثانوي (SE) من مجهر إلكتروني ماسح التضاريس الدقيقة—النتوءات والحفر الصغيرة على السطح. ثانياً، تُبرز صور الإلكترون المُتناثر للخلف (BSE) اختلافات في البنية المجهرية الأساسية، مبيّنة كيف تتفاعل أطوار السبيكة المختلفة مع التشقق. ثالثاً، يوفّر قياس التدخّل بضوء أبيض ماسح (SWLI) خريطة ارتفاع فعلية للسطح، مما يعطي معلومات ثلاثية الأبعاد دقيقة عن الخشونة على مساحات أكبر. من خلال محاذاة هذه الأنواع الثلاثة من الصور بعناية بحيث تتوافق نفس الميزات الميكروسكوبية، يضع المؤلفون كل منها في قنوات الألوان الحمراء والخضراء والزرقاء لصورة مركبة واحدة يمكن إدخالها في شبكة عصبية قياسية للتعرف على الصور.

تعليم شبكة عصبية لقراءة بصمات الكسر

يستخدم الفريق شبكة عصبية التفافية دربت أصلاً على صور فوتوغرافية يومية ويكيفونها للتعرّف على أنماط في صور الكسر المركبة. يقطّعون مسحّات كبيرة لسطح الكسر إلى العديد من القطع الصغيرة، كل واحدة تمثل رقعة صغيرة من مسار الشق. لكل قطعة، تُدرّب الشبكة على القيام بأمرين: تصنيف اتجاه طرق العينة (كمؤشر على كيفية معالجة المعدن) وتوقّع قيم رقمية مثل المسافة على طول الشق ومعدل نمو الشق. يختبرون أولاً كل أسلوب تصوير بمفرده، ثم يختبرون جميع الطرق الست الممكنة لتعيين SE وBSE وSWLI إلى قنوات الألوان الثلاثة، لمعرفة ما إذا كان ترتيب القنوات يؤثر على الأداء.

ما تكشفه الصور المدمجة

يساهم كلُّ تقنية منفردة بشيء مهم. SWLI، التي تقيس الارتفاع الحقيقي للسطح، هي الأفضل في توقع مدى طول الشق على العيّنة. تتفوق صور BSE في تحديد اتجاه الطرق، على الأرجح لأنها تُبرز اختلافات في أطوار السبيكة التي تؤثر على انتشار التشقّق. تقع صور SE في موقع وسط بين الاثنين. عندما تندمج الأنماط الثلاثة في صورة ألوان واحدة، تصبح النماذج أكثر دقة وأكثر موثوقية بين تقسيمات البيانات المختلفة. أفضل تركيبة تقلل الخطأ في توقع طول الشق بنحو النصف مقارنةً بأعمال سابقة استخدمت وسيلة تصوير واحدة فقط، وتحسّن تصنيف الاتجاه لدرجة دقة تقريباً كاملة على البيانات المتاحة. كما تستطيع الشبكة تقدير معدل نمو الشق عبر مدى واقعي، محققة نحو 10% خطأ عبر ذلك النطاق، بالرغم من صغر حجم مجموعة البيانات نسبياً.

لماذا يمكن أن يغيّر هذا المنهج تحليل الفشل

بخلاف الأرقام الأفضل، تُظهر الدراسة فكرة قوية: يمكن دمج بيانات من أجهزة مختلفة جداً إلى شكل يمكن للشبكات البصرية المتاحة تجارياً استيعابه، دون تصميم خوارزميات جديدة من الصفر. التعامل مع خرائط الارتفاع وصور الإلكترون كـ"ألوان" مختلفة في صورة واحدة يتيح للشبكة العصبية اكتشاف روابط دقيقة بين خشونة السطح والبنية المجهرية وتاريخ التحميل. بالنسبة للمهندسين، يشير هذا إلى مستقبل حيث يمكن مسح سطح الجزء المفشل مرة واحدة، وتوفر البرامج بسرعة تقديرات كمية لكيفية نمو الشق وتحت أي ظروف. مثل هذه الأدوات قد تحسّن تحقيقات الفشل، وترشد إلى تصاميم أكثر أماناً، وفي النهاية تساعد على مراقبة المكونات أثناء الخدمة قبل أن تصل إلى نقطة الانكسار.

الاستشهاد: Jones, K., Shade, P., John, R. et al. Combining multimodal fatigue fracture surface images for analysis with a CNN. Sci Rep 16, 9561 (2026). https://doi.org/10.1038/s41598-025-97184-z

الكلمات المفتاحية: كسر التعب, التصوير متعدد الأنماط, الشبكات العصبية التفافية, تحليل فشل المواد, سبائك التيتانيوم