Diamond-DETR: lekki algorytm oceny jakości diamentów syntetycznych w czasie rzeczywistym

Dlaczego drobne wady w diamentach wytwarzanych człowieka mają znaczenie

Diamenty syntetyczne są niedocenianymi konnymi roboczymi współczesnego przemysłu — tną, szlifują i polerują wszystko, od części metalowych po elektroniku. Ich wydajność i cena zależą jednak od drobnych niedoskonałości powierzchniowych — odprysków, rys i nieregularnych kształtów — które trudno ludziom szybko dostrzec pod mikroskopem. Artykuł przedstawia Diamond-DETR, kompaktowy system sztucznej inteligencji zaprojektowany do automatycznej inspekcji diamentów syntetycznych w czasie rzeczywistym, mający na celu przyspieszenie kontroli jakości, zwiększenie jej niezawodności i ułatwienie wdrożenia na standardowym sprzęcie fabrycznym.

Od ludzkiego oka do oczu automatycznych

Przez dziesięciolecia fabryki polegały na mechanicznych metodach sortowania i ekspertach obserwujących próbki przez mikroskopy, aby ocenić jakość diamentów. Mechaniczne metody, takie jak przesiewanie wibracyjne czy separacja według gęstości, mają trudności, gdy cząstki są bardzo małe lub bardzo czyste, i nie odróżniają idealnego kryształu od tego z uszczerbioną krawędzią. Inspekcja przez ludzi, choć elastyczna, jest powolna, męcząca i subiektywna. W miarę wzrostu zapotrzebowania na precyzyjne, masowe sortowanie cząstek diamentu syntetycznego, producenci potrzebują zautomatyzowanych systemów wizualnych, które potrafią szybko i konsekwentnie wykrywać drobne defekty, nawet gdy cząstki są ciasno upakowane lub różnią się rozmiarem i kształtem.

Połączenie lokalnych detali z szerszym obrazem

Nowoczesne narzędzia widzenia komputerowego dzielą się na dwie zasadnicze grupy. Lekkie sieci splotowe (CNN) świetnie wychwytują lokalne detale — na przykład ostrość kąta — ale mogą mieć trudności ze zrozumieniem szerszego kontekstu obrazu. Modele oparte na transformerach, z kolei, dobrze ogarniają całą scenę i zależności na długich dystansach, lecz mają tendencję do bycia cięższymi i wolniejszymi, szczególnie w zastosowaniach czasu rzeczywistego. Diamond-DETR bazuje na niedawnym detektorze transformerowym RT-DETR i przystosowuje go do przemysłowej inspekcji diamentów. Celem jest zachowanie mocnego globalnego wnioskowania transformerów przy jednoczesnym ograniczeniu obliczeń i wyostrzeniu „spojrzenia” sieci na subtelne, drobnoskalowe defekty geometryczne na powierzchniach diamentów.

Szczuplejszy silnik inspekcyjny pod maską

Autorzy przeprojektowali trzy główne części potoku detekcji. Po pierwsze, zastąpili standardowy rdzeń sieci blokiem „RepFasterNet”, który przetwarza tylko część kanałów obrazu przy użyciu kosztowniejszych operacji przestrzennych, a następnie efektywnie je scala. Ten krok zmniejsza ilość obliczeń przy zachowaniu kluczowych informacji o krawędziach i kątach, gdzie często pojawiają się defekty. Po drugie, wprowadzili wysokopoziomową piramidę łączenia cech z filtrowaniem, wykorzystując mechanizm uwagi, który pozwala silnym, wysokopoziomowym sygnałom kierować, które szczegóły niskiego poziomu należy podkreślić lub stłumić na różnych powiększeniach. Po trzecie, ulepszyli moduł fuzji międzyetapowej, stosując sploty z dziurawieniem (dilated convolutions), co efektywnie rozszerza pole widzenia pojedynczego neuronu bez pogłębiania sieci. Razem te zmiany pomagają modelowi rozpoznawać diamenty i ich defekty w różnych rozmiarach i na złożonych tłach, pozostając jednocześnie szybkim na sprzęcie klasy średniej.

Testowanie systemu

Aby ocenić Diamond-DETR, zespół stworzył własny zbiór obrazów mikroskopowych cząstek diamentu syntetycznego, oznaczając każdą instancję jako wysokiej jakości lub wadliwą na podstawie widocznych cech powierzchni. Porównali nowy model z oryginalnym RT-DETR oraz kilkoma znanymi detektorami, w tym popularnymi wariantami YOLO i klasycznymi systemami dwuetapowymi, takimi jak Faster R-CNN. Na tym wewnętrznym zbiorze diamentów Diamond-DETR poprawił precyzję, ogólny wynik detekcji i szybkość przetwarzania, wykorzystując przy tym mniej parametrów niż RT-DETR. Wizualne wyjaśnienia przy użyciu map cieplnych pokazały, że nowy model skupiał się bardziej precyzyjnie na znaczących regionach geometrycznych — zwłaszcza krawędziach i kątach — niż baza. W dodatkowych testach na innym przemysłowym zbiorze danych z nakrętkami metalowymi Diamond-DETR utrzymał wysoką wydajność, co sugeruje, że jego konstrukcja uogólnia się na inne elementy produkowane masowo o złożonych kształtach.

Co to oznacza dla fabryk i nie tylko

W praktyce Diamond-DETR oferuje bardziej kompaktowy, dokładny i szybszy „automatyczny inspektor” dla linii sortowania mikroskopowego diamentów. Przy rozmiarze modelu zaledwie kilku tuzinów megabajtów i prędkości przetwarzania w czasie rzeczywistym nadaje się dobrze do środowisk o ograniczonych zasobach, które nie mogą uruchamiać bardzo dużych systemów AI. Metoda nie jest kompletnym rozwiązaniem do kontroli jakości — nie wykryje pęknięć wewnętrznych ani nie przeprowadzi analizy chemicznej — ale stanowi potężny front wizualny, który można sparować z innymi narzędziami sensorycznymi. Pokazując, że detektory oparte na transformerach można ostrożnie odchudzić i dostroić do rozróżniania drobnych cech geometrycznych, praca ta wskazuje kierunek szerszego zastosowania podobnych modeli w automatycznej inspekcji małych części przemysłowych, od materiałów ściernych po elementy złączne, gdzie drobne wady powierzchniowe mają duże znaczenie ekonomiczne.

Cytowanie: 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

Słowa kluczowe: diamenty syntetyczne, automatyczna inspekcja, wykrywanie obiektów, wizja przemysłowa, modele transformerowe