ميزات حرارية متعددة التمثيل لتحليل عيوب محسن في الثرموغرافيا النبضية

رؤية العيوب الخفية بالحرارة

تصنع الطائرات والسيارات والجسور الحديثة من مواد معقدة يجب فحصها دون فتحها أو إتلافها. تتيح الكاميرات تحت الحمراء للمهندسين بالفعل «رؤية» أنماط الحرارة التي تكشف عن عيوب مخفية تحت السطح. تقدم هذه الورقة طريقة أذكى، تسمى PT-Fusion، لقراءة بصمات الحرارة تلك بحيث يمكن العثور على الشقوق الصغيرة بمزيد من الاعتمادية وتقدير عمقها تحت السطح بدقة ملحوظة.

كيف تكشف الحرارة ما يعجز عنه البصر

الثرموغرافيا النبضية فكرة بسيطة: وميض ضوئي قصير ومكثف يسخّن سطح الجزء لفترة وجيزة، ثم تسجل كاميرا تحت الحمراء كيف ينتشر ويتلاشى هذا الحرار مع الزمن. إذا كان المقطع سليماً، يتدفق الحرار بسلاسة. أما إن وُجد فراغ أو تشقّق تحت السطح، فتصطدم الحرارة أو تنحرف، مما يخلق اضطراباً بسيطاً في درجة الحرارة على السطح. بتحليل فيلم قصير لهذه التغيرات الحرارية، يمكن للمفتشين اكتشاف المشاكل دون حفر أو قطع أو الإضرار بالمكوّن.

لماذا تترك الخرائط الحرارية الحالية معلومات على الطاولة

لأن أفلام الحرارة الخام كبيرة ومشحونة بالضوضاء، يستخدم المهندسون حيل رياضية لتلخيصها في صور أكثر تكثيفاً قبل إدخالها إلى أنظمة الذكاء الاصطناعي. اثنان من أشهر الملخصات هما التحليل بالمكونات الأساسية للثرموغرافيا (PCT)، الذي يعزّز التباين البصري للعيوب، وإعادة بناء الإشارة الثرموغرافية (TSR)، التي تركز على كيفية تطور درجة حرارة كل بكسل مع الزمن. معظم أنظمة الفحص الحالية تختار أحدهما أو الآخر، أو تضعهما ببساطة كقنوات إضافية. يتبيّن أن هذه المقاربة غير فعّالة: فكل تمثيل يحتوي على دلائل مختلفة ومتكاملة حول مكان العيوب وعمقها، لكن الشبكات العصبية التقليدية لا توجه إلى دمجها بذكاء.

طريقة أذكى لمزج الأدلة الحرارية

تم تصميم نظام PT-Fusion خصيصاً لدمج هذه الرؤى الحرارية المختلفة. يستخدم فرعين فرعيين متوازيين للمعالجة، أحدهما مخصّص لصور PCT والآخر لصور TSR، حيث يستخرج كل فرع أنماطاً تكون واضحة بشكل خاص في منظوره الخاص. في مراحل مفتاحية، تتدخل وحدات دمج خاصة. بوابة دمج الوزن التكيفية تقرر، بكسلًا بعد بكسل، مدى الثقة الممنوحة لكل فرع، بينما يقوم كتلة فك التشفير المحسّنة بالبوابات بحقن المعلومات المدموجة بلطف ضمن طبقات إعادة البناء التي تنتج التنبؤات النهائية. بدلاً من ربط تدفقات البيانات بشكل أعمى، تتعلم الشبكة أي التمثيلات أكثر إفادة في كل منطقة وتوازن بينها وفقاً لذلك.

الاستفادة القصوى من بيانات اختبار محدودة

تجارب الثرموغرافيا عالية الجودة مكلفة وتستغرق وقتاً، لذلك مجموعات البيانات المصنفة الكبيرة نادرة. لمواجهة ذلك، اقترح المؤلفون استراتيجية زيادة بيانات مكانية-زمنية مصممة خصيصاً لأفلام الحرارة. بدلاً من مجرد تدوير أو إزاحة الصور، يقومون بعينات إطارات عشوائية داخل كل تسلسل لمحاكاة تواريخ تسخين وتبريد مختلفة، ثم يضيفون ضوضاء محكومة لتقليد شوائب الكاميرا الحقيقية. تُحسب صور PCT وTSR جديدة من هذه التسلسلات المعدلة، مما يزيد التنوع بشكل كبير مع الحفاظ على فيزياء انتشار الحرارة الأساسية. هذا النظام التدريبي الأكثر ثراءً يساعد PT-Fusion على تعلّم أنماط قوية بدل حفظ مجموعة صغيرة من الأمثلة.

خرائط أدق وعمق أكثر موثوقية

اختبر الباحثون PT-Fusion على مجموعة بيانات عامة من عينات بلاستيكية تحتوي على ثقوب صناعية تحت السطح بأعماق معروفة. قيّموا مهمتين: تعيين كل بكسل إلى فئة عمق وإجراء التصنيف ثنائي الحالة (عيب/لا عيب) وتقدير العمق المستمر في آن واحد. لم يقتصر أداء PT-Fusion على تقطيع العيوب بدقة أعلى من الشبكات الالتفافية الكلاسيكية مثل U-Net و3D-CNN، بل تنافس أيضاً نماذج محورية أثقل مع عدد معاملات أقل بكثير وسرعة تشغيل أعلى. تنبؤاته للعمق تتبع القيم الحقيقية عن كثب، مع أخطاء متوسطة صغيرة للغاية. والأهم من ذلك، عندما تم تدريبه على شكل عيب واحد (مثل المربعات) واختبر على شكل آخر (دوائر)، استمر النظام في الأداء الجيد، مما يدل على أنه تعلّم فيزياء تدفق الحرارة بدلاً من حفظ الرسوم فقط.

ما يعنيه هذا لهياكل أكثر أماناً

لغير المتخصصين، الرسالة الأساسية هي أن PT-Fusion يجعل التصوير الحراري أداة أقوى وأكثر موثوقية لحماية الهياكل الحيوية. عبر دمج نوعين مختلفين من الرؤى المستندة إلى الحرارة بذكاء وإثراء البيانات النادرة من خلال زيادة واعية بالفيزياء، يمكن للطريقة كشف العيوب بوضوح أكبر وتقدير مدى عمقها تحت السطح. هذا النوع من التقدم يقربنا من خطوط فحص آلية وسريعة قادرة على مراقبة أجزاء الطائرات والخطوط الأنبوبيّة والمكونات الحيوية الأخرى بهدوء — والكشف عن المشكلات الخفية مبكراً دون الحاجة إلى تفكيكها.

الاستشهاد: Salah, M., Werghi, N., Svetinovic, D. et al. Multi-representation thermal features for enhanced defect analysis in pulse thermography. Sci Rep 16, 12926 (2026). https://doi.org/10.1038/s41598-026-42031-y

الكلمات المفتاحية: الثرموغرافيا تحت الحمراء, الفحص غير المدمر, الفحص بتعلم عميق, كشف العيوب تحت السطحية, الثرموغرافيا النبضية