תכונות תרמיות ברב-ייצוג לניתוח פגמים משופר בתרמוגרפיית פולס

לראות פגמים חבויים באמצעות חום

מטוסים מודרניים, מכוניות וגשרים נבנים מחומרים מורכבים שיש לבדוק מבלי לפתוח או לחתוך אותם. מצלמות אינפרא-אדום כבר מאפשרות למהנדסים "לראות" דפוסי חום שמגלים פגמים חבויים מתחת לפני השטח. מאמר זה מציג שיטה חכמה יותר, הנקראת PT-Fusion, לקריאת טביעות חום אלה כך שניתן יהיה למצוא פגמים זעירים בצורה אמינה יותר ולאמוד בדיוק מרשים את עומקם מתחת לפני השטח.

איך החום חושף מה שהעין אינה רואה

תרמוגרפיית פולס היא רעיון פשוט: פולס קצר ועז של אור מחמם ברגע את פני השטח של חלק, ומצלמת אינפרא-אדום מקליטה כיצד החום מתפשט ודועך לאורך זמן. אם החומר שלם, החום זורם בצורה חלקה. אם יש חלל או סד מתחת לפני השטח, החום נלכד או מוסט, ויוצר הפרעת טמפרטורה עדינה על פני השטח. על-ידי ניתוח סרט קצר של שינויים אלה בטמפרטורה, המפקחים יכולים לזהות בעיות מבלי לקדוח, לחתוך או לפגוע ברכיב.

מדוע המפות התרמיות הנוכחיות משאירות מידע על השולחן

מכיוון שסרטוני התרמיה הגולמיים גדולים ורועשים, מהנדסים משתמשים בעיקופי מתמטיקה כדי לתמצתם לתמונות קומפקטיות יותר לפני הזנתם לבינה מלאכותית. שתי תמציות פופולריות הן Principal Component Thermography (PCT), שמשפרת את הניגוד הוויזואלי של הפגמים, ו-Thermographic Signal Reconstruction (TSR), שמתמקדת באיך הטמפרטורה של כל פיקסל משתנה עם הזמן. רוב מערכות הבדיקה הקיימות בוחרות את האחת או את השנייה, או פשוט מצרפות אותן יחד כערוצים נוספים. גישה זו מתבררת כפספוס: כל מבט מכיל רמזים שונים ומשלימים לגבי מיקום הפגמים ועומקם, אך רשתות עצביות קונבנציונליות אינן מונחות לשלב ביניהם באופן אינטליגנטי.

דרך חכמה יותר למזג רמזים תרמיים

מערכת PT-Fusion עוצבה במיוחד למזג את המבטים התרמיים השונים הללו. היא משתמשת בשני ענפים מעבדתיים מקבילים, אחד המוקדש לתמונות PCT ואחד לתמונות TSR, שכל אחד מתאים לחלץ דפוסים שנראים טוב יותר במבט שלו. בשלבים מרכזיים, מודולי מיזוג מיוחדים מתערבים. שער מיזוג משוקלל אדפטיבי (Adaptive Weighting Fusion Gate) מחליט פיקסל-אחר-פיקסל עד כמה לסמוך על כל ענף, בעוד בלוק דיקוד משופר בידי שערים (Gating Enhanced Decoding Block) מזריק בעדינות את המידע הממוזג בחזרה לשכבות השחזור המפיקות את התחזיות הסופיות. במקום לצרף בלא הבחנה זרמי נתונים, הרשת לומדת איזו ייצוגית מועילה יותר בכל אזור ומאזנת ביניהן בהתאם.

להפיק את המיטב ממאגרי בדיקה מצומצמים

ניסויי תרמוגרפיה איכותיים יקרים וגוזלים זמן, ולכן מאגרי נתונים מסומנים גדולים נדירים. כדי להתמודד עם הבעיה, המחברים פיתחו אסטרטגיית הגדלת נתונים מרחבית-זמנית המותאמת לסרטוני תרמיה. במקום רק לסובב או להזיז תמונות, הם מדגמים באקראי פריימים בתוך כל רצף כדי לחקות היסטוריות חימום וקירור שונות, ואז מזריקים רעש מבוקר כדי לחקות ארטיפקטים אמיתיים של מצלמה. תמונות PCT ו-TSR חדשות מחושבות מתוך הרצפים המועדים האלה, מה שמגביר רבות את המגוון תוך שמירה על הפיזיקה הבסיסית של דיפוזיית החום. תזונה עשירה יותר זו לאימון מסייעת ל-PT-Fusion ללמוד דפוסים חסונים במקום לשנן סט קטן של דוגמאות.

מפות חדות יותר ועומקים אמינים יותר

החוקרים בודקים את PT-Fusion על מאגר נתונים ציבורי של דוגמאות פלסטיק שמכילות חורים תת-משטחיים מלאכותיים בעומקים ידועים. הם בוחנים שתי משימות: שיוך כל פיקסל למחלקת עומק וביצוע סימון פגם/ללא פגם והערכת עומק רציפה בו-זמנית. PT-Fusion לא רק מקטע פגמים בדיוק גבוה יותר מרשתות קונבולוציה קלאסיות כמו U-Net ו-3D-CNN, אלא גם מתחרה עם מודלים כבדים מבוססי טרנספורמר בעודו משתמש בהרבה פחות פרמטרים ופועל מהר יותר. העומקים שחזו עוקבים בקירוב רב אחרי הערכים האמיתיים, עם שגיאות ממוצעות זעומות. חשוב לציין, כאשר מאמנים על צורת פגם אחת (כגון ריבועים) ובודקים על צורה אחרת (מעגלים), המערכת עדיין מתפקדת היטב, מה שמעיד שהיא למדה את פיזיקת זרימת החום ולא רק שיננה קווי מתאר.

מה המשמעות לכך עבור מבנים בטוחים יותר

עבור לא-מומחים, המסר המרכזי הוא כי PT-Fusion עושה את הדמיית החום לכלי חזק ואמין יותר לשמירה על מבנים קריטיים. על-ידי מיזוג אינטליגנטי של שני מבטים מבוססי חום והעשרת נתונים נדירים באמצעות הגדלה המודעת לפיזיקה, השיטה יכולה לזהות פגמים בצורה ברורה יותר ולהעריך עד כמה הם עמוקים מתחת לפני השטח. התקדמות מסוג זה מקרבת אותנו לקווי בדיקה מהירים ואוטומטיים שיכולים לפקח בשקט על חלקי מטוסים, צינורות ורכיבים חיוניים אחרים — לתפוס בעיות חבויות מוקדם, מבלי צורך לפרק אותם.

ציטוט: 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

מילות מפתח: תרמוגרפיית אינפרא-אדום, בדיקות לא הורסות, בדיקת למידה עמוקה, זיהוי פגמים תת-משטחיים, תרמוגרפיית פולס