SFD-YOLO לזיהוי פגיעות של חתיכות קטנות בניסויי פלטות מטרה של ראשי קרב

לראות את הסימנים הקטנים ביותר של פגיעה

כאשר ראש קרב מתפוצץ בניסוי מבוקר, מהנדסים מבינים עד כמה הוא מסוכן על ידי בחינת הסימנים הזעירים שהחתיכות שלו משאירות על פלטות מתכת גדולות. כיום הבדיקה הזו מתבצעת עדיין לעתים קרובות בעבודה ידנית — איטית, מעייפת ופגיעה בשוגג, במיוחד כשהרוב המכריע של סימני הפגיעה הם כתמים כמעט בלתי נראים. מאמר זה מציג גישה של בינה מלאכותית בשם SFD-YOLO היכולה לזהות אוטומטית את הצלקות המיקרוסקופיות האלה בזמן אמת, גם בתנאי אבק, ערפל, טשטוש ותאורה משתנה, ומבטיחה הערכות בטיחות וביצועים מהירות ואמינות יותר.

מדוע חורים זעירים חשובים

בניסויים עם ראשי קרב, פלטות מטרה של מתכת מונחות בטבעת סביב מטען נפיץ. בעת ההתפוצצות, חתיכות מהירות במהירות גבוהה פגיעות בפלטות ומשאירות חורים נקיים כאשר הן עוברות דרכן או שקעונות רדודות כאשר הן פוגעות רק בשכבת המשטח. על ידי ספירת היכן וכמה מכל סוג מופיעים, מהנדסים יכולים להסיק כיצד החתיכות מתפזרות במרחב וכמה קטלניות הן היו לציוד אמיתי. אך הסימנים קטנים מאוד וצפופים, ומגרשי ניסוי חיצוניים מלאים באבק, ברק ותנאי מזג אוויר קשים. בודקי אדם וכלי עיבוד תמונה מסורתיים מתקשים להתעדכן, מה שמקשה על קבלת מדידות מדויקות ובזמן.

ללמד רשת לראות פעם אחת, אבל בקפידה

מערכות זיהוי חפצים מודרניות המבוססות על למידה עמוקה יכולות לסרוק תמונות ולסמן בתיבות פריטים מעניינים בשבריר שניה. בין השיטות הללו משפחת האלגוריתמים YOLO ידועה על איזון טוב בין מהירות ודיוק. עם זאת, גרסאות סטנדרטיות נוטות לפספס חפצים זעירים התופסים רק כמה פיקסלים — בדיוק המצב בתמונות פגיעות חתיכות. כדי להתמודד עם זה, המחברים בונים על הדגם העדכני YOLOv11 ומותאמים אותו במיוחד לסימנים זעירים על מתכת מבריקה, תוך עיצוב מחדש של מספר רכיבים מרכזיים כך שהרשת תשים דגש רב יותר על פרטים עדינים מבלי להיות גדולה או איטית מדי.

חידוד המיקוד על כתמים וזעירות

ההשיפור הראשון נמצא באופן שבו הרשת מעבדת תמונות גולמיות. המחברים מציגים בלוק עיבוד תכונות שמנקה את מה שהרשת רואה בשני ממדים בו‑זמנית: היכן תכונות מופיעות בתמונה ואילו ערוצים נושאים את המידע השימושי ביותר. בלוק זה מדכא דפוסים חוזרים או לא מועילים ומגביר קצוות ומרקמים עדינים המצביעים על פגיעה אמיתית. הם גם מוסיפים מודול חילוץ קל משקל ששומר על קומפקטיות המודל על ידי שימוש בפעולות יעילות יותר, כך שיוכל לפעול במהירות על חומרה סטנדרטית תוך שמירה על האותות הדליקים של צלקות חתיכות זעירות.

ראייה במידות מרובות בו‑זמנית

מכיוון שפגיעות זעירות יכולות להישמט כאשר תמונות מצטמצמות שוב ושוב בתוך רשת עצבית, המחברים גם מעצבים מחדש את חלק קבלת ההחלטות של המערכת. במקום להסתכל על שלושה רמות פרטים, SFD-YOLO מוסיף שכבה רביעית ברזולוציה גבוהה המיועדת לסימנים הקטנים ביותר. מבנה פירמידת תכונות מיוחד מטשטש בתהליך הדרגתי פרטים עדינים משכבות שפלות עם הקשר רחב יותר משכבות עמוקות יותר, ועוזר לרשת לעקוב הן אחר מיקום הסימן והן אחר האופן שבו הוא בולט מהרקע. התוצאה היא מערכת היכולה להבחין בין חורים עוברים לבין שקעים שטחיים, גם כאשר הם ערוכים בצפיפות על פלטה מחזירה אור.

להעמיד את המערכת למבחן

לאימון והערכת השיטה שלהם, החוקרים אספו אוסף תמונות מיוחד מניסויים של פיצוצים סטטיים אמיתיים, צילמו אלפי תמונות ברזולוציה גבוהה של פלטות מטרה ותייגו באופן ידני למעלה מעשרים אלף פגיעות. כמעט תשע מתוך עשר סימנים באוסף זה מזוהים כ"קטנים" על פי סטנדרטים מקובלים בראייה ממוחשבת, מה שהופך אותו למשטח מבחן מאתגר. SFD-YOLO לא רק עולה על מגוון דגמי זיהוי פופולריים, כולל כמה ואריאנטים אחרים של YOLO ומערכות מבוססות טרנספורמר, אלא עושה זאת עם קצת יותר משני מיליון פרמטרים ניתנים לכוונון תוך עיבוד של יותר ממאה תמונות לשנייה. המודל שומר גם על ביצועים טובים יותר מהקו הבסיס הקרוב ביותר כאשר התמונות מטושטשות, מוארות או מוצפות בערפל ואבק סינתטיים, המדמים תנאי שטח קיצוניים.

ממש רעידת ניסוי אל רצפת המפעל

במלים פשוטות, המחקר מראה כי רשת נוירונית מכווננת בקפידה יכולה לזהות ולסווג סימני נזק בגודל נקודתית על פלטות מתכת גדולות באמינות גבוהה מאוד, ולעשות זאת במהירות מספיקה לשימוש בזמן אמת במהלך ניסויי פיצוץ. SFD-YOLO הופכת משימת ספירה ידנית אחורה לכלי מדידה אוטומטי ועמיד. מעבר להערכת ראשי קרב, אותן הרעיונות יכולים להיות מיושמים במצבים אחרים שבהם פגמים זעירים על משטחים מתכתיים חשובים, כגון בדיקת פלדה מגלגלת, ציוד רשת החשמל או רכיבים תעשייתיים אחרים עבור חיסרונות שקל לאדם — ולמאמרים סטנדרטיים — לפספס.

ציטוט: Liu, H., Ding, Y., You, W. et al. SFD-YOLO for small-object fragment impact detection in warhead target-plate testing. Sci Rep 16, 9291 (2026). https://doi.org/10.1038/s41598-026-40457-y

מילות מפתח: זיהוי חפצים קטנים, בדיקות השפעת חתיכות, בקרה של פני מתכת, רשתות נוירונים YOLO, זיהוי פגמים תעשייתי