Diamond-DETR: lichtgewicht realtime-algoritme voor kwaliteitsbeoordeling van synthetische diamanten

Waarom kleine onvolkomenheden in kunstmatige diamanten ertoe doen

Synthetische diamanten zijn de onbezongen werkpaarden van de moderne industrie: ze snijden, slijpen en polijsten alles van metalen onderdelen tot elektronische componenten. Hun prestaties en prijs hangen echter af van kleine oppervlakte-imperfecties — schilfers, scheurtjes en onregelmatige vormen — die moeilijk snel door mensen onder een microscoop te zien zijn. Dit artikel introduceert Diamond-DETR, een compact systeem voor kunstmatige intelligentie dat is ontworpen om synthetische diamanten automatisch in realtime te inspecteren, met als doel kwaliteitscontroles sneller, betrouwbaarder en eenvoudiger inzetbaar op gangbare fabrieksapparatuur te maken.

Van menselijk oog naar geautomatiseerd zicht

Decennialang vertrouwden fabrieken op mechanische sorteermethoden en menselijke experts die door microscopen keken om diamantkwaliteit te beoordelen. Mechanische methoden zoals trillende zeefmachines of scheiding op dichtheid hebben moeite wanneer de deeltjes heel klein of zeer zuiver zijn en kunnen een perfect kristal niet onderscheiden van een met een afgebladerde rand. Menselijke inspectie is weliswaar flexibel, maar langzaam, vermoeiend en subjectief. Nu de vraag toeneemt naar nauwkeurige, grootschalige sortering van synthetische diamantdeeltjes, hebben fabrikanten geautomatiseerde visiesystemen nodig die kleine defecten snel en consistent kunnen opsporen, ook wanneer de deeltjes dicht op elkaar zitten of in grootte en vorm variëren.

Lokale details combineren met het grotere plaatje

Moderne computerzichtmiddelen vallen grofweg in twee kampen. Lichtgewicht convolutionele neurale netwerken blinken uit in het oppikken van lokale details — zoals de scherpte van een hoek — maar kunnen moeite hebben het bredere contextuele beeld in een afbeelding te begrijpen. Transformer-gebaseerde modellen zien juist goed het gehele tafereel en gaan beter om met relaties over grote afstanden, maar zijn vaak zwaar en trager, vooral voor realtime-inspectie. Diamond-DETR bouwt voort op een recente transformer-detector genaamd RT-DETR en herschikt die voor industriële diamantinspectie. Het doel is de sterke globale redeneercapaciteit van transformers te behouden, terwijl de rekenbelasting wordt teruggebracht en het netwerk beter wordt afgestemd op het herkennen van subtiele, kleinschalige geometrische gebreken op diamantoppervlakken.

Een slanker inspectiemotor onder de kap

De auteurs herontwerpen drie hoofdonderdelen van de detectiepijplijn. Ten eerste ruilen ze de standaard backbone uit voor een aangepaste “RepFasterNet”-module die slechts een fractie van de beeldkanalen met duurdere ruimtelijke bewerkingen verwerkt en die vervolgens efficiënt samenvoegt. Deze stap vermindert de rekenbelasting terwijl cruciale rand- en hoekkaders behouden blijven, plekken waar defecten vaak voorkomen. Ten tweede introduceren ze een screening-feature-fusie-piramide op hoog niveau, die een aandachtmechanisme gebruikt zodat sterke, hoog-niveau signalen bepalen welke lager-niveau details benadrukt of onderdrukt moeten worden over verschillende vergrotingen heen. Ten derde upgraden ze een cross-stage fusie-module met vergrote (dilated) convoluties, waardoor het zichtveld van elke neuron wordt verbreed zonder het netwerk dieper te maken. Gezamenlijk helpen deze veranderingen het model diamanten en hun defecten te herkennen over een reeks groottes en ingewikkelde achtergronden, terwijl het nog steeds snel draait op hardware uit het middensegment.

Het systeem op de proef gesteld

Om Diamond-DETR te evalueren bouwde het team een eigen dataset van microscoopbeelden van synthetische diamantdeeltjes en labelde elke instantie als zijnde van hoge kwaliteit of defect op basis van zichtbare oppervlaktekenmerken. Ze vergeleken het nieuwe model met de originele RT-DETR en verschillende bekende detectors, waaronder populaire YOLO-varianten en klassieke twee-fasen-systemen zoals Faster R-CNN. Op deze interne diamantdataset verbeterde Diamond-DETR precisie, de algemene detectiescore en verwerkingssnelheid terwijl het minder parameters gebruikte dan RT-DETR. Visuele verklaringen met hittekaarten toonden dat het nieuwe model zich strakker richtte op relevante geometrische regio’s — met name randen en hoeken — dan de baseline. In aanvullende tests op een andere industriële dataset van metalen moeren behield Diamond-DETR sterke prestaties, wat suggereert dat het ontwerp generaliseert naar andere gefabriceerde onderdelen die worden bepaald door complexe vormen.

Wat dit betekent voor fabrieken en daarbuiten

In praktische termen biedt Diamond-DETR een compacter, nauwkeuriger en sneller “automatisch inspectiesysteem” voor microscopische diamant-sorteerlijnen. Met een modelgrootte van slechts enkele tientallen megabytes en realtime verwerkingssnelheden is het goed geschikt voor omgevingen met beperkte middelen die geen zeer grote AI-systemen kunnen hosten. De methode is geen complete kwaliteitsoplossing — ze kan geen interne scheuren zien of chemische samenstelling analyseren — maar levert een krachtig visueel front-end dat gecombineerd kan worden met andere sensoren. Door te laten zien dat transformer-gebaseerde detectors zorgvuldig kunnen worden afgeslankt en afgestemd voor fijne geometrische discriminatie, wijst dit werk op bredere toepassing van soortgelijke modellen in de geautomatiseerde inspectie van kleine industriële onderdelen, van schuurmiddelen tot bevestigingsmiddelen, waar kleine oppervlaktefoutjes een grote economische impact hebben.

Bronvermelding: Yan, X., Yang, S., Zhang, S. et al. Diamond-DETR: lightweight real-time quality evaluation algorithm for synthetic diamonds. Sci Rep 16, 10711 (2026). https://doi.org/10.1038/s41598-026-44951-1

Trefwoorden: synthetische diamanten, geautomatiseerde inspectie, objectdetectie, industriële visie, transformermodellen