Diamond-DETR: lättviktig realtidsalgoritm för kvalitetsbedömning av syntetiska diamanter

Varför små defekter i konstgjorda diamanter spelar roll

Syntetiska diamanter är de osjungna arbetsdjuren i modern industri; de skär, slipar och polerar allt från metalldelar till elektronik. Deras prestanda och pris beror dock på små ytfel—flisor, sprickor och oregelbundna former—that är svåra för människor att snabbt urskilja i ett mikroskop. Denna artikel presenterar Diamond-DETR, ett kompakt artificiellt intelligenssystem utformat för att automatiskt inspektera syntetiska diamanter i realtid, med målet att göra kvalitetskontroller snabbare, mer pålitliga och enklare att driftsätta på vanlig fabriksutrustning.

Från mänskliga ögon till automatiska blickar

I årtionden har fabriker förlitat sig på mekaniska sorteringsmetoder och experter som tittar i mikroskop för att bedöma diamantkvalitet. Mekaniska metoder som vibrerande skärmar eller densitetsbaserad separering har svårt när partiklar är mycket små eller mycket rena, och de kan inte skilja en perfekt kristall från en med en flisad kant. Mänsklig inspektion är visserligen flexibel, men långsam, tröttande och subjektiv. När efterfrågan ökar på precis, högvolymsortering av syntetiska diamantpartiklar behöver tillverkarna automatiska visuella system som kan upptäcka små defekter snabbt och konsekvent, även när partiklarna ligger tätt packade eller varierar i storlek och form.

Att förena lokal detalj med helhetsbilden

Moderna verktyg för datorseende faller i stora drag i två läger. Lättviktiga konvolutionella neurala nätverk är utmärkta på att fånga lokala detaljer—som skärpan i ett hörn—men kan ha svårt att förstå bredare kontext i en bild. Transformermodeller, däremot, är bra på att se hela scenen och hantera långräckviddsrelationer, men tenderar att vara tunga och långsammare, särskilt för realtidsinspektion. Diamond-DETR bygger på en nyare transformer-detektor kallad RT-DETR och anpassar den för industriell diamantinspektion. Målet är att behålla transformerns starka globala slutledning samtidigt som beräkningen minskas och nätverkets förmåga att se subtila, småskaliga geometriska defekter på diamantytor förbättras.

En slankare inspektionsmotor under huven

Författarna omdesignar tre huvuddelar av detektionspipen. För det första byter de ut standardbackbonet mot en anpassad "RepFasterNet"-block som bearbetar bara en bråkdel av bildkanalerna med dyrare spatiala operationer och sedan slår samman dem effektivt. Detta steg minskar beräkningsmängden samtidigt som viktiga kant- och hörndetaljer där defekter ofta uppträder bevaras. För det andra introducerar de ett toppnivås screening-funktionsfusionspyramid som använder en attention-mekanism för att låta starka, högre nivåsignaler styra vilka lägre nivådetaljer som ska förstärkas eller dämpas över olika förstoringar. För det tredje uppgraderar de en cross-stage-fusionsmodul med dilaterade konvolutioner, vilket effektivt vidgar området varje neuron "ser" utan att göra nätverket djupare. Tillsammans hjälper dessa förändringar modellen att känna igen diamanter och deras defekter över en rad storlekar och komplexa bakgrunder, samtidigt som den fortfarande körs snabbt på mellanklasshårdvara.

Sätta systemet på prov

För att utvärdera Diamond-DETR byggde teamet sin egen mikroskopbildsdataset av syntetiska diamantpartiklar och märkta varje instans som antingen högkvalitativ eller defekt baserat på synliga ytegenskaper. De jämförde den nya modellen med originalet RT-DETR och flera välkända detektorer, inklusive populära YOLO-varianter och klassiska tvåstegsmetoder som Faster R-CNN. På detta interna diamantdataset förbättrade Diamond-DETR precision, det övergripande detektionspoängen och bearbetningshastigheten samtidigt som den använde färre parametrar än RT-DETR. Visualiseringar med värmekartor visade att den nya modellen fokuserade mer precist på meningsfulla geometriska regioner—särskilt kanter och hörn—än baseline. I ytterligare tester på ett annat industriellt dataset med muttrar kunde Diamond-DETR upprätthålla stark prestanda, vilket tyder på att dess design generaliserar till andra tillverkade delar definierade av komplexa former.

Vad detta betyder för fabriker och bortom

I praktiska termer erbjuder Diamond-DETR en mer kompakt, exakt och snabbare "automatisk inspektör" för mikroskopiska diamant-sorteringslinjer. Med en modellstorlek på endast några tiotal megabyte och realtidsprestanda är den väl lämpad för resursbegränsade miljöer som inte kan hysa mycket stora AI-system. Metoden är inte en komplett kvalitetslösning—den kan inte se interna sprickor eller analysera kemisk sammansättning—men den tillhandahåller ett kraftfullt visuellt front-end som kan kombineras med andra sensortekniker. Genom att visa att transformerbaserade detektorer kan skalas ned och finjusteras för fin geometrisk diskriminering pekar detta arbete mot en bredare användning av liknande modeller i automatisk inspektion av små industridelar, från slipmedel till fästelement, där små ytfel ger stora ekonomiska konsekvenser.

Citering: 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

Nyckelord: syntetiska diamanter, automatisk inspektion, objektdetektion, industriell vision, transformermodeller