تقييم فوري لترتيب محاذاة التبغ المقطوع باستخدام نموذج انحدار أحادي المرحلة المحسن

ملخص

تم تطوير نموذج انحدار أحادي المرحلة محسن للكشف في الوقت الحقيقي عن ترتيب محاذاة التبغ المقطوع. يدمج هذا النهج ثلاث تحسينات هيكلية وطريقة توقع توجيه مخصصة لتعزيز دقة الكشف مع تقليل معلمات النموذج والتعقيد الحسابي، مما يمكن من تقييم محاذاة التبغ المقطوع بشكل فعال في بيئات الإنتاج الصناعية.

الملخص

يعد نظام تبغ القطع (Cut Order) بأنه اتساق محاذاة التبغ المقطوع على محور السيجارة، عاملا حاسما في تحسين جودة الإنتاج. لا يزال التقييم الدقيق والآلي لهذه الخاصية تحديا بسبب تعقيدات الهياكل الخيوطية وظروف التصوير المتغيرة. تم تطوير نموذج انحدار أحادي المرحلة المحسن لتمكين الكشف الموثوق عن ترتيب محاذاة التبغ المقطوعة. يتضمن النهج ثلاثة تعديلات معمارية: طريقة تقليل العينات التفاعلية متعددة الترددات للحفاظ على معلومات الميزات، واستراتيجية دمج ثلاثية لتعزيز تمثيل الميزات متعددة المقاييس، ورأس كشف ديناميكي لتحسين التوطين عبر المقاييس المختلفة. بالإضافة إلى ذلك، يتم تنفيذ طريقة مخصصة للتنبؤ بالاتجاه لقياس ترتيب المحاذاة. يتم تقييم النموذج بناء على مجموعة بيانات صور صناعية، محققا متوسط دقة متوسط يبلغ 89.9٪، ودقة 90.6٪، واسترجاع 88.7٪. مقارنة بالنموذج الأساسي، يقلل النهج المقترح من معلمات النموذج بنسبة 30.8٪ (من 2.6 مليون إلى 1.8 مليون) والتعقيد الحسابي بنسبة 21.5٪ (من 6.5 جيجابايت إلى 5.1 جيجابايت)، مع تحسين الأداء. بشكل عام، تتيح هذه الطريقة تقييما فعالا ودقيقا لترتيب محاذاة التبغ المقطوع وتظهر ملاءمة للتطبيقات الصناعية الفورية.

المقدمة

يشير نظام قطع التبغ إلى درجة المحاذاة المحاورية للتبغ المقطوع داخل السيجارة. فهم العوامل التي تؤثر على هذه الخاصية، مثل شكل التبغ ومعايير النقل الهوائي، أمر ضروري لتحسين عمليات القطع والتجميع. وبالتالي، أصبح التحقيق في هذه العوامل المؤثرة استراتيجية رئيسية لشركات التبغ التي تهدف إلى تقليل التكاليف وتحسين كفاءة الإنتاج. يعتمد التقييم التقليدي لترتيب التبغ المقطوع على الطرق اليدوية، التي تكون غير فعالة وغالبا ما تفتقر إلى الاتساق والدقة. لذلك، هناك حاجة ملحة في الصناعة إلى نظام كشف آلي ودقيق وفي الوقت الحقيقي لتحسين عمليات الإنتاج. مع التقدم السريع في التعلم العميق، أصبح التقييم الآلي لترتيب التبغ المقطوع بناء على اكتشاف الأشياء ممكنا. ومع ذلك، لا يزال تطبيق مثل هذه الأنظمة التقييمية على خطوط الإنتاج موضوعا بحثيا غير مستكشف إلى حد كبير. ومع ذلك، فقد تم تطبيق تقنية الرؤية الآلية بنجاح في مهام الفحص^{في مجالات أخرى}، مما يوفر مراجع قيمة لهذه الدراسة. في هذا السياق، برزت الكواشف القائمة على الشبكات العصبية الالفافية (CNN) كنموذج سائد وتصنف عموما إلى نهجين من مرحلتين، مثل R-CNN^{الأسرع 2}، وأطر المرحلة الواحدة، مثل سلسلة You Only Look Once (YOLO) ^3,4.

في السنوات الأخيرة، أظهرت خوارزميات اكتشاف الكائنات القائمة على التعلم العميق، وخاصة إطار عمل R-CNN السريع، إمكانات كبيرة عبر مجالات متنوعة. ومع ذلك، فإن تطبيقها المباشر على سيناريوهات صناعية ومهنية محددة غالبا ما يكون مقيدا ببيئات تشغيلية معقدة ومتطلبات مهام فريدة. وبالتالي، تم اقتراح العديد من التحسينات المخصصة لمواجهة هذه التحديات. في تحليل الصور الطبية، على سبيل المثال^{، ركز} سو وآخرون على تحسين المعاملات وتحسين بنى الشبكات لتعزيز دقة اكتشاف الأهداف الصغيرة والحاسمة في اكتشاف عقد الرئة. في اكتشاف العيوب الصناعية^{، عالج} تشين وآخرون تداخل النسيج في فحص الأقمشة من خلال دمج مرشحات جابور—المحسنة عبر خوارزميات جينية—في العمود الفقري لنظام Faster R-CNN لقمع الخلفيات المعقدة بفعالية. لتجاوز تحديات ندرة البيانات والتعقيد البيئي في اكتشاف الأهداف تحت الماء^{، قدم} زينغ وآخرون شبكة انسداد عدائي. تتنافس هذه الشبكة مع الكاشف أثناء التدريب، مما يجبر النموذج على تعلم ميزات أكثر قوة وبالتالي يقلل من فرط التركيب. علاوة على ذلك، في مهام الاسترجاع الدقيقة مثل تحديد المثيلات المحددة^{، عزز} لي وآخرون R-CNN الأسرع من خلال استراتيجيات ربط طبقات الميزات والضبط الدقيق، مما حسن بشكل كبير أدائه على الصور منخفضة الدقة. اقترح وانغ وآخرون ^مؤخرا إطار عمل R-CNN أسرع يحافظ على الخصوصية متعدد الأحزاب يتيح الحوسبة الآمنة على الصور المشفرة ومعلمات النموذج من خلال بروتوكولات جديدة للقسمة الآمنة، والأسس، واللوغاريتم. أظهر Sun وآخرون ^فعالية R-CNN أسرع محسن في التعرف على أنواع العيوب المتعددة على محاور العجلات، محققين دقة متوسطة متوسطة (mAP) أعلى من R-CNN و YOLOv3. معا، تؤكد هذه الجهود على استمرار تطور R-CNN الأسرع نحو مزيد من التكيف والمتانة والتطبيق عبر سيناريوهات واقعية متنوعة. بالتوازي مع هذه التطورات في الكواشف ذات المرحلتين، شهدت أطر أحادية المرحلة مثل سلسلة YOLO أيضا تطورا كبيرا.

كبديل بارز للكواشف ذات المرحلتين، حصلت سلسلة YOLO على اعتراف كبير في المجتمعات الصناعية والبحث بفضل بنيتها الفعالة وأدائها الممتاز في الكشف في الوقت الحقيقي. منذ تقديم النموذج من الجيل الأول من قبل ريدمون ^{وآخرون في}عام 2016، تناولت التكرارات المتعاقبة تدريجيا العديد من القيود التقنية، مما دفع الباحثين إلى تطوير تعديلات متخصصة لتطبيقات خاصة بالمجالات. في أنظمة مراقبة المرور، على سبيل المثال^{، نفذ} Jamtsho وآخرون YOLOv2 مع خوارزمية تتبع المركز المركزي لتحديد لوحات سائقي الدراجات غير الخوذ بدقة في تدفقات الفيديو، مما قلل بشكل فعال من الإيجابيات الكاذبة مع الحفاظ على معدل كشف مرتفع يبلغ 98.52٪. لبيئات تحت الماء الصعبة^{، طور} Neelamegam وآخرون نموذجا هجينا بين YOLO-Transformer يدمج قدرة YOLO على الكشف في الوقت الحقيقي مع آليات الانتباه القائمة على المحولات لتعزيز الفهم السياقي. من خلال دمج بيانات حساسات إنترنت الأشياء في الوقت الحقيقي على عوامل بيئية مثل العكارة ومستويات الضوء، يتكيف النموذج ديناميكيا مع الظروف المتغيرة، محققا دقة كشف تبلغ 97.5٪ ويتفوق على النماذج التقليدية في السيناريوهات الضوضاء ومنخفضة الرؤية. وبالمثل^{، اقترح} تشانغ وآخرون نموذج YOLO محسن لتطبيقات الاستشعار عن بعد. ولمعالجة تحديات تمثيل الميزات غير الكافية والارتباك في الخلفية، قدموا وحدات متخصصة لتعزيز الميزات، والاندماج متعدد المقاييس، والوعي بالسياق العالمي، مما يحسن بشكل كبير دقة اكتشاف الأجسام الصغيرة. تظهر هذه الدراسات مجتمعة استمرار تطور سلسلة YOLO نحو مزيد من التكيف والمتانة والفعالية عبر سيناريوهات واقعية متنوعة.

على الرغم من هذه التطورات، فإن الإصدارات الحديثة من عائلة YOLO، مثل YOLOv11³، ليست محسنة بطبيعتها لتعقيدات النسيج والهيكل الخاص للتبغ المقطوع في البيئات الصناعية. عمليات تقليل العينات القياسية لديهم قد تؤدي إلى فقدان السمات الدقيقة التي تعتبر ضرورية لتمييز التبغ المقطع بشكل محاذ عن التبغ المقطع. علاوة على ذلك، تواجه رؤوس الكشف ذات الحجم الثابت صعوبة في التعامل بفعالية مع الطبيعة متعددة المقاييس لميزات التبغ تحت ظروف تصوير مختلفة.

لمعالجة هذه التحديات، تقترح هذه الورقة نموذج انحدار أحادي المرحلة محسن يعتمد على YOLOv11n، مع طريقة توقع توجيه مخصصة، لاكتشاف قوي عبر الإنترنت لترتيب التبغ المقطوع. المساهمات الرئيسية لهذه الورقة ثلاثية. (1) يقترح طريقة تقليل العينة التفاعلية متعددة الترددات (MFID). عمليات الالتفاف أو التجميع القياسي تتخلص من المعلومات الدقيقة الحبيبة، بينما يقوم MFID بتفكيك الميزات صراحة إلى مكونات منخفضة وعالية التردد باستخدام تحويل مويجات هار. يحافظ هذا النهج على معلومات أكثر أصالة ويقلل من فقدان المعلومات أثناء تقليل العينة. (2) تم تصميم طريقة الاندماج التكميلي الثلاثي (TCF) لتعزيز جودة الميزات من خلال دمج المعلومات الدلالية السطحية والمتوسطة والعميقة. على الرغم من أن عمليات الربط أو الجمع البسيطة تستخدم عادة لدمج الميزات، إلا أن TCF يقدم اندماجا موزونا موجه بالطبقة الوسطى مع فروع وزن عكسي، مما يحقق التكامل بين المعلومات الدلالية والتفصيلية. (3) يتم إدخال رأس كشف ديناميكي (DynamicHead) ليحل محل رأس الكشف الأصلي. يعتمد رأس الكشف الأصلي على عمليات الالتفاف بمقياس ثابت؛ على النقيض من ذلك، يدمج DynamicHead آليات الانتباه الواعية للمقياس، والوعي بالمكان، والوعي بالمهمة. يتيح ذلك التعديل الديناميكي لأهمية الميزات ودمج الميزات متعدد المقاييس بشكل أكثر مرونة وفعالية، مما يحسن قدرة النموذج على تحديد وتصنيف الميزات المتعلقة بالترتيب بدقة.

البروتوكول

لم تشمل هذه الدراسة مواضيع بشرية أو حيوانات فقارية أو أنسجة منظمة؛ لذلك، لم تكن هناك حاجة لموافقة أخلاقية أو موافقة لجنة مراجعة مؤسسية. تم الحصول على مجموعة البيانات المستخدمة في هذه الدراسة من شركة لونغيان لصناعة التبغ، المحدودة. تم جمع الصور من خمس دفعات إنتاج مستقلة على مدى ثلاثة أشهر. تم إجراء أخذ عينات عشوائية في أوقات مختلفة من اليوم (صباحا، بعد الظهر، ومساء) لالتقاط التغيرات الطبيعية في ظروف الإنتاج. تتضمن مجموعة البيانات عينات تغطي نطاق رطوبة التبغ بين 12٪–18٪، وسرعات قطع تتراوح بين 1.5، 2.0، و2.5 م/ث، وضغوط نقل هوائية تتراوح بين 0.4، 0.5، و0.6 ميغاباسكال، مما يضمن تغطية ظروف الإنتاج النموذجية.

جمع وإعداد مجموعة البيانات
تكوين الأجهزة
تم تكوين نظام التقاط الصور ليفي متطلبات اكتشاف نظام التبغ المقطع في السجائر التي تسخن دون الحرق. كانت تتكون بشكل رئيسي من كاميرا صناعية، وعدسة صناعية، مصدر ضوء رؤية، ووحدة تحكم صناعية. استخدم النظام كاميرا صناعية MV-CH120-10GC مع عدسة صناعية بدقة MVL-KF0818M-12MP لالتقاط صور عالية الدقة لمنطقة التبغ المقطوعة على سطح قضبان السجائر المقسمة. وضعت الكاميرا على مسافة عمل 150 مم من سطح قضيب السجائر. تم تركيب مصدر ضوء LED الشريطي بشكل محوري مع الكاميرا على مسافة 80 مم من الهدف، بزاوية سقوط 45°. تم إجراء التصوير داخل حاوية سوداء غير لامعة لإزالة تداخل الضوء المحيط. الغلاف عبارة عن غطاء من الألمنيوم المطلي باللون الأسود غير اللامع بأبعاد داخلية تبلغ 400 مم (عرض) × 350 مم (عمق) × 300 مم (ارتفاع)، والأسطح الداخلية مغطاة بطلاء أسود غير لامع (الانعكاس < 5٪ عند 550 نانومتر) لتقليل الانعكاسات الداخلية وضمان ظروف إضاءة متسقة. لضمان جودة التصوير واتساقها، تم استخدام مصدر ضوء MV-LRDS-H-95-30-W لإنشاء بيئة إضاءة مستقرة، مما يقلل من تأثير تغيرات الضوء المحيط على استخراج ملامح خيوط التبغ والتعرف على الاتجاه. تم استلام الصور المكتسبة ومعالجتها وتخزينها بواسطة حاسوب صناعي PC1010-AX360، الذي كان يقوم أيضا بخوارزميات التعرف اللاحقة، وحساب النتائج، ومخرجات الواجهة. لم يتم إجراء معايرة صريحة أو تصحيح للتشويه بالكاميرا، حيث أظهرت تركيبة الكاميرا الصناعية والعدسة تشوها شعاعيا ضئيلا (أقل من 0.5٪ عند حواف الصورة) ضمن مجال رؤية 896 × 1600 بكسل. تم تركيب الكاميرا ومصدر الضوء بشكل صلب على إطار ثابت لضمان الاستقرار الموضعي أثناء التقاط الصورة. تم الحفاظ على شدة مصدر الضوء عند مستوى ثابت طوال عملية التقاط الصورة. تم تكوين مجال الرؤية ليغطي بالكامل منطقة التبغ المقطعة المكشوفة داخل هيكل الدعم الفولاذي.

إعداد معلمات الكاميرا
تم تفعيل التقاط الصور، وتم التقاط الصور بعد وضع السيجارة العينة وتقسيمها ثم حفظها بصيغة JPG. لضمان اتساق الصور المكتسبة، تم تعيين معلمات الاستحواذ يدويا. تحديدا، تم ضبط دقة الصورة على 896 × 1600. تم ضبط وقت التعريض في البداية إلى 4000 ميكروثانية ويمكن ضبطه بدقة ضمن نطاق من 3000 إلى 6000 ميكروثانية حسب السطوع الموقعي. تم إجراء جميع ضبط المعلمات مع وضع العينة داخل الغلاف الأسود غير اللامع الموضح أعلاه، تحت ظروف إضاءة محكمة بالكامل. لم يكن هناك ضوء محيط خارجي أثناء الضبط، حيث كان نظام التصوير يعمل في بيئة مغلقة بالكامل مع إطفاء أضواء الغرفة. تم ضبط الكسب في البداية على 2 ديسيبل والتحكم فيه ضمن نطاق من 0 إلى 6 ديسيبل بناء على مستويات الضوضاء. تم ضبط قيمة غاما على 0.8، وتم تكوين توازن اللون الأبيض بمعاملات ثابتة. تم تعيين معايير الاكتساب النهائية كما يلي: زمن التعريض = 4000 ميكروثانية، الكسب = 2 ديسيبل، غاما = 0.8، وضع توازن اللون الأبيض = ثابت، دقة الصورة = 896 × 1600 بكسل، وتنسيق الصورة = JPG. بالنسبة لتوازن اللون الأبيض، تم استخدام وضع المعاملات الثابتة. تم إجراء المعايرة باستخدام بطاقة مرجعية بيضاء قياسية (X-Rite ColorChecker) موضوعة في موقع العينة. تم تعديل كسب القنوات الحمراء والزرقاء حتى يتم معادلة قيم RGB للبطاقة البيضاء ضمن انحراف ±2٪. بعد المعايرة، تم تثبيت معايير توازن اللون الأبيض كما يلي: الكسب الأحمر = 1.2، الكسب الأخضر = 1.0 (ثابت)، والكسب الأزرق = 1.5. تم إجراء المعايرة مرة واحدة بعد كل تشغيل للنظام أو كلما أظهر مصدر الضوء علامات تقدم عمر قد تسبب انحراف درجة حرارة اللون. ساعدت هذه الإعدادات في ضمان حدود واضحة للتبغ المقطوع وتوزيع سطوع مستقر، مع تلبية متطلبات المعالجة لتقسيم خيوط التبغ اللاحقة، وحساب الاتجاه، وتحليل النظام.

مجموعة الصور
استهدف التقاط الصورة منطقة التبغ المقطوعة المكشوفة على سطح قضبان السجائر التي تدبر الحرارة وعدم الحروق بعد التقسيم. أثناء الكشف، يتم تسليم عينة السيجارة أولا إلى محطة الفحص، حيث تم تعديل وضعيتها ووضعها وتثبيتها بواسطة آلية تحديد العينة. آلية تحديد الموقع تتكون من مشبك هوائي مع أدلة محاذاة على شكل حرف V. يحقق النظام تكرارا موقعيا يبلغ ±0.5 مم خلال 1000 دورة متتالية، كما تم التحقق من قياسات حساسات الإزاحة بالليزر. بعد ذلك، تم تقسيم مادة التغليف الخارجية بشكل مستقر بواسطة آلية القطع، مما كشف التبغ المقطوع بالكامل ضمن مجال رؤية نظام الرؤية. تم استخدام شفرة دوارة دائرية (قطر 50 مم، سماكتها 0.3 مم، مادة فولاذ عالي السرعة). تم ضبط عمق القطع إلى 1.5 مم مع سرعة دوران 300 دورة في الدقيقة. تمت مراقبة اتساق القطع بواسطة تغذية راجعة مشفر خطية، مع الحفاظ على تباين السماكة ضمن ±0.05 مم. بمجرد استقرار موضع العينة وتحديد منطقة التصوير بوضوح، تم إجراء التقاط الصور باستخدام الكاميرا الصناعية تحت إضاءة مستقرة يوفرها مصدر الضوء. تم جمع ما مجموعه 634 صورة؛ تظهر الصور النموذجية في الشكل 1. تتضمن مجموعة البيانات ثلاثة مستويات كثافة للتبغ (منخفضة، متوسطة، عالية؛ حوالي 180، 220، و260 ملغ/سم^مكعب)، واتجاهات خيوط تمتد بين −180° و180°، وظروف إضاءة تتراوح من الإضاءة العادية إلى ظروف الحواف المنخفضة. تم قياس الإضاءة باستخدام مقياس لوكس رقمي معاير (TA8133، دقة ±3٪) مع وضع المستشعر في موقع سطح العينة. نطاق الإضاءة الطبيعي المقاس هو 200–800 لوكس، ويوفر مصدر إضاءة LED الشريطي داخل غطاء المحرك المغلق، دون تسرب ضوء محيط. القيمة المنخفضة (حوالي 200 لوكس) تمثل حالة حدة تتكون عن طريق تعتيم مصدر الضوء لتقييم متانة النموذج. بالإضافة إلى ذلك، يوجد انسداد جزئي لخيوط التبغ (تتراوح بين 10٪ إلى 50٪) في حوالي 30٪ من الصور. تعكس هذه الاختلافات تنوعا حقيقيا في خطوط الإنتاج.

الشكل 1. صور خام تمثيلية للتبغ المقطوع التي تم الحصول عليها بواسطة نظام الرؤية. (a–h) أمثلة تمثيلية لصور خام للتبغ المقطوع الملتقطة في ظروف الحقل الصناعي باستخدام نظام التقاط الصور. تم الحصول على صور بدقة 896 × 1600 بكسل تحت إضاءة محكمة باستخدام مصدر ضوء شريطي لضمان سطوع موحد وتقليل التداخل البيئي. توضح هذه الصور اختلافات في توزيع خيوط التبغ، وكثافتها، واتجاهها قبل معالجة النماذج. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

تعليق الصور
باستخدام أداة المصدر المفتوح LabelImg، تم رسم صناديق الحدود حول ميزات دعم التبغ والفولاذ المقطوعة المرئية. تم تعيين الزاوية الصحيحة كملصق لكل صندوق محيط. تم تعريف المحور الأفقي (0°) على أنه الاتجاه الأيمن الموازي لحافة الصورة السفلية. لكل خيط تبغ، تم استخدام دالة قياس الزاوية في أداة التعليق لرسم خط على المحور الرئيسي للخيط. تم تسجيل الزاوية كزاوية بين هذا المحور والمرجع الأفقي (النطاق: −180° إلى 180°). تم حفظ التعليقات بصيغة الكشف أحادية المرحلة القياسية، مع ملف TXT واحد يتوافق مع كل صورة. يحتوي كل ملف .txt على أسطر منسقة كالتالي: class_id x_center y_center عرض الارتفاع. يتم تطبيع الإحداثيات إلى [0,1] بالنسبة لأبعاد الصورة. الفئة 0 = خيط التبغ، الفئة 1 = دعم فولاذي. يتم تخزين تسمية الزاوية كعمود سادس في ملف .txt التعليق، ويضاف بعد الحقول الخمسة القياسية ل YOLO. التنسيق الدقيق لكل سطر هو: زاوية ارتفاع العرض class_id x_center y_center. تخزن قيمة الزاوية بالدرجات كرقم فاصل عائم يتراوح من −180.0 إلى 180.0، مع خانتين عشريتين (مثلا 45.75). خط نموذج: 0 0.5230 0.4170 0.0850 0.0620 38.25.

مراقبة الجودة
راجع معلق ثان 20٪ من الصور المشروحة بشكل عشوائي. تم إجراء الاختيار العشوائي باستخدام دالة random.sample() من مكتبة بايثون العشوائية مع بذرة عشوائية ثابتة لعام 2024. تم إنشاء قائمة بأسماء جميع ملفات الصور، وتم أخذ عينات من 20٪ من الصور دون استبدال باستخدام مولد الأرقام العشوائية المزروع هذا، مما يضمن إمكانية إعادة الاختيار عبر تكرار إجراءات مراقبة الجودة. تمت مناقشة وحل أي تناقضات، لضمان اتساق التصنيف. تم تقييم التوافق بين المعلقين باستخدام الانحراف الزاوي: حيث كان الفرق المطلق المتوسط بين تسميات الزوايا بين المذروحين 2.8° (الانحراف المعياري = 1.5°). تمت مراجعة وتوفيق التعليقات التي تحتوي على انحراف >5°.

نموذج الانحدار أحادي المرحلة لاكتشاف نظام التبغ القطع
يعد اكتشاف ترتيب محاذاة التبغ المقطوع أمرا بالغ الأهمية لتحسين عملية التصنيع وجودة المنتج النهائي في إنتاج السجائر. ومع ذلك، تواجه مهمة الفحص عدة تحديات، منها التبغ المقطوع المتداخل، وصغر حجم الأهداف، والإضاءة غير المتساوية، وكلها تؤثر على دقة الكشف والمتانة. يستخدم نموذج انحدار أحادي المرحلة المحسن المبني على YOLOv11n للكشف الإلكتروني عن ترتيب التبغ المقطوع. يحدد الإطار المقترح بدقة الخصائص الشكلية للتبغ المقطوع أثناء تكوين قضيب السجائر، مما يتيح الكشف الدقيق لانتظام المحاذاة مع تحسين الدقة والمتانة والقدرة على المعالجة في الوقت الحقيقي. يظهر التكوين العام لإطار الانحدار أحادي المرحلة المقترح في الشكل 2.

الشكل 2. البنية العامة لنموذج الانحدار أحادي المرحلة المقترح. يوضح المخطط الهيكل الكامل للشبكة، بما في ذلك العمود الفقري والرقبة ورأس الكشف. يستخرج العمود الفقري ميزات متعددة المقاييس، مع دمج وحدات تقليل العينة التفاعلية متعددة الترددات (MFID) للحفاظ على معلومات الميزات. تدمج الرقبة الميزات باستخدام استراتيجية الاندماج التكميلي الثلاثي (TCF) لتعزيز التمثيل متعدد المستويات. يعتمد رأس الكشف على وحدة DynamicHead، التي تدمج آليات الانتباه الواعية بالمقياس (π_L)، والوعي بالمكانية (π_S)، والوعي بالمهمة (π_C) لتحسين أداء التحديد الموقع والتصنيف. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

وحدة تقليل أخذ عينات المعلومات متعددة الترددات (MFID)
في شبكة العمود الفقري ل YOLOv11، تقوم العملية الالفافية بخطوة 2 بتقليل العينة عن طريق تخطي البكسلات. تتخلص هذه العملية مباشرة من نصف المعلومات المكانية، مما يؤدي إلى فقدان التفاصيل عالية التردد (مثل الحواف والملمس للأجسام الصغيرة) وفقدان كبير للمعلومات للأهداف الصغيرة. علاوة على ذلك، فإن عمليات التجميع الأقصى والتجميع المتوسط في العمود الفقري تتخلص أيضا من المعلومات التفصيلية داخل مناطق الكائنات، والميزات الناعمة، وإدخال الضوضاء، وكلها تؤثر سلبا على تعلم الميزات.

لمعالجة هذه القضايا، تم تقديم وحدة MFID، مستوحاة من مفهوم التحليل الهرمي للمويجات^15,16. تقوم هذه الوحدة أولا بتقسيم الميزات إلى جزأين مكملين باستخدام تحويل مويجات هار: معلومات خلفية منخفضة التردد، التي تعزز التصنيف، وتفاصيل عالية التردد غنية بالحواف والقوام، والتي تحسن اكتشاف الأهداف الصغيرة. لتعزيز إدراك الأهداف الصغيرة، تدمج وحدة MFID فرعين إضافيين: فرع التجميع الأقصى الذي يستفيد من ثبات الترجمة للحفاظ على الميزات الدقيقة للأهداف الصغيرة، وفرع الالتفاف المتدرج الذي يستخدم معلمات قابلة للتعلم لتحقيق قدرة تمثيلية أقوى وتركيب معلومات أغنى. من خلال هذا الهيكل متعدد الفروع، تحافظ وحدة MFID على معلومات مكانية وترددية أكثر اكتمالا أثناء تقليل العينة. يتم توضيح بنية وحدة MFID في الشكل 3.

الشكل 3. هيكل وحدة MFID. تقوم وحدة MFID بتقسيم ميزات الإدخال إلى مكونات منخفضة التردد وعالية التردد باستخدام تحويل مويجة هار للحفاظ على المعلومات الهيكلية الحيوية أثناء تقليل العينة. H_LL يرمز إلى مكون التقريب منخفض التردد، بينما H_LH وH_HL وH_HH تمثل مكونات التفاصيل عالية التردد في الاتجاهات الأفقية والعمودية والقطرية على التوالي. الرمز 2↓ يشير إلى تقليل العينات بشكل مزدوج. يتم دمج خرائط الميزات من عدة فروع من خلال آليات الربط والبوابة لتعزيز تمثيل الميزات. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

أثناء تقليل العينة، يتم تفكيك الصورة باستخدام تحويل مويجات هار، الذي تم اعتماده لبساطته وكفاءته في تفكيك الميزات منخفضة وعالية التردد، مما يجعلها مناسبة لمهام الكشف في الوقت الحقيقي. تشير H_L و H_H إلى مرشحات التحليل منخفضة التمرير وعالية التمرير على التوالي، وتستخدم لاستخراج معلومات منخفضة التردد وعالية التردد من الصورة. يتم تعريف دالة أساس المويجات ودالة القياس لتحويل هار أحادي المستوى أحادي البعد باستخدام المعادلة 1 كما يلي:

(1)

تعرف دالة أساس هار باستخدام المعادلة 2 كما يلي:

(2)

هنا، تشير المعلمات j و k إلى معامل التحجيم ومقدار الانتقال لدالة أساس هار على التوالي. تحديدا، تعرف دالة أساس هار ذات الرتبة الصفرية باستخدام المعادلة 3 كما يلي:

(3)

في الشكل 3، يشير الرمز 2↓ إلى تقليل العينات الثنائية. ينتج تحليل مويجات هار ذات المستويين أربعة مكونات: تقريب التردد المنخفض (H_LL) ومكونات التفاصيل عالية التردد في الاتجاهين الأفقي (H_LH)، الرأسي (H_HL)، والقطر (H_HH). يحمل مكون H_LL معلومات الكنتور، والخلفية، والمعلومات العالمية، بينما تلتقط المكونات عالية التردد (H_LH، H_HL، وH_HH) الحواف، والنسيج، والميزات الدقيقة الحبيبة.

يتم دمج المكونات عالية التردد H_LH، H_HL، وH_HH التي تم الحصول عليها بعد تقليل العينات ذات التكرار المزدوج بواسطة عملية Concat، مما يدمج المعلومات التفصيلية متعددة الاتجاهات لتوليد معلومات تفصيلية عالية التردد المتكاملة، كما هو موضح في المعادلة 4.

(4)

بعد ذلك، يتم دمج المعلومات الثانوية على فرع التجميع الأقصى لدمج الميزات التفصيلية مع الميزات العالمية، وبالتالي تولد معلومات معاد بناؤها، كما هو موضح في المعادلة 5، التي تدمج مجموعة أوسع من الميزات البارزة وتعيد استخدام المعلومات التفصيلية عالية التردد لتعزيز تمثيل الميزات.

(5)

بعد ذلك، يتم استخدام آلية بوابات لتنظيم تدفق المعلومات ديناميكيا، وتستخدم لتوجيه تحديد الميزات المستهدفة الصغيرة ضمن الميزة ، مع الحفاظ على الميزات المفيدة مع كبح التداخل الضوضائي غير المجدي الكامن في الضوضاء. تعرف آلية البوابة بأنها: gating(x) = Linear_2(ReLU(Linear_1(x)))، حيث Linear_1 يقلل من بعد القناة بعامل اختزال مقداره 4، Linear_2 يعيدها إلى بعد القناة الأصلي. يتم تمرير مخرج آلية البوابة عبر تنشيط سيجمويد لإنتاج أوزان تعديل في النطاق [0,1]. تشمل المعلمات القابلة للتعلم مصفوفات الوزن ومصطلحات التحيز لكلتا الطبقتين الخطيتين، والتي يتم تهيئتها باستخدام تهيئة موحدة. هذا يضمن توازن واستخدام معلومات الميزات التفصيلية والحاسمة بشكل صحيح، مما ينتج ميزة مفصلة نهائية كما هو معروض في المعادلة 6.

(6)

وأخيرا، يتم دمج معلومات تقليل العينة بالتفاف الخطي، والمتجه منخفض التردد، والميزة النهائية التفصيلية عبر Concat لتوسيع تفاعل تقليل العينات عبر أبعاد متعددة ونطاقات ترددية، كما هو موضح في المعادلة 7.

(7)

خطوات التنفيذ
تعريف الوحدة
يجب تعريف وحدة PyTorch مخصصة باسم MFID ضمن ملفات تعريف النموذج الخاصة بالمشروع. يتكون تنفيذ هذه الوحدة من أربعة مسارات متوازية: (1) تحويل المويجات: يتم تطبيق تفكيك ذو مستويين على خريطة ميزات الإدخال باستخدام مرشحات مويجات هار المحددة مسبقا، مما يولد مكونات تقريب منخفضة التردد ومكونات تفاصيل عالية التردد في الاتجاهين الأفقي والعمودي والقطري، وبعدها يتم ربط المكونات الثلاثة عالية التردد؛ (2) التجميع القصوى: يتم تطبيق التجميع الأقصى على المدخل للحفاظ على الميزات البارزة؛ (3) الالتفاف المتقطع: يتم إجراء أخذ عينات تقليدية قياسي من خلال طبقة التفافية بخطوة 2؛ (4) إعادة بناء الميزات والاندماج: أولا، يتم دمج المعلومات عالية التردد التي يتم الحصول عليها من تحويل المويجات مع ميزات فرع التجميع القصوى؛ بعد ذلك، يتم استخدام آلية بوابة موجهة بمعلومات التردد المنخفض لتصفية الميزات الدقيقة الحبيبات؛ وأخيرا، يتم دمج الميزات المعالجة دقيقة الحبيبات، والمكونات منخفضة التردد، ومخرجات الالتفاف المخططة للحصول على خريطة الميزات النهائية المخفضة.

تحرير ملف التكوين
يجب فتح ملف تكوين النموذج الأساسي (config.yaml). يجب تحديد جميع حالات وحدات التقليل القياسية في كل من الشبكة العمودية والرقبة بشكل منهجي. يجب بعد ذلك استبدال كل إدخال محدد لوحدة العينات المخفضة بوحدة MFID.

دوافع التصميم
تم تصميم وحدة MFID للتخفيف من فقدان المعلومات في عمليات تقليل العينة القياسية، وهو أمر يضر بشكل خاص باكتشاف الأجسام الصغيرة. مفهومها الأساسي مستوحى من التحليل الهرمي للمويجات. من خلال فصل المعلومات العالمية منخفضة التردد عن المعلومات التفصيلية عالية التردد في الصورة بشكل صريح ومعالجتها وفقا لذلك، تضمن الوحدة الحفاظ على ميزات النسيج والحواف الحرجة أثناء تقليل العينة. إن دمج فروع التجميع الأقصى والالتفاف المتسلسل يلتقط ويكمل الميزات من وجهات نظر تكميلية—وتحديدا، ثبات الترجمة مقابل التمثيل القابل للتعلم. من خلال دمج متعدد الفروع، توفر الوحدة طبقات الشبكة التالية تمثيلا أكثر إفادة وقوة لميزات متعددة الترددات. جميع المعلمات المعمارية غير المحددة وتكوينات الطبقات تتبع إعدادات التنفيذ الافتراضية لإطار YOLOv11n داخل PyTorch.

وحدة دمج الميزات الثلاثية (TCF)
في مرحلة دمج ميزات الرقبة في بنية شبكة YOLOv11، تستخدم عادة عملية الربط البسيطة لدمج خرائط الميزات بنفس الحجم. ومع ذلك، فإن هذا النهج المباشر له حدود واضحة: أولا، يفشل في أخذ الفروق الدلالية بين السمات على مستويات مختلفة بشكل كامل؛ ثانيا، غياب النمذجة الصريحة للارتباطات بين القنوات يجعل الميزات ذات الأهداف الصغيرة عرضة للتخفيف أو الفقدان أثناء الاندماج، مما يؤثر على أداء الكشف. لمعالجة هذه المشكلات، تم تقديم طريقة اندماج أكثر تفاعلية، تسمى وحدة TCF،¹⁷. تستخدم هذه الطريقة استراتيجية اندماج تقدمي متعدد المستويات توجه تدفق المعلومات نحو الكشف عن الأهداف الصغيرة من خلال النقل عبر الطبقات. كما يتضمن عمليات غير خطية إضافية لاستكشاف معلومات عميقة المستوى عبر المقاييس، مما يعزز دمج الميزات متعددة المقاييس. على عكس الوحدات التقليدية التي تعتمد على الجمع البسيط أو الاندماج المتوسط، يتبنى TCF نهج الاندماج المرجح. وهذا يسمح له بتعلم المعلومات التفصيلية بشكل تكيفي في كل مستوى، وتحسين مسارات استخراج المعلومات ديناميكيا، والتركيز على أكثر الميزات تميزا، مما يحسن في النهاية دقة الكشف. يتم توضيح بنية وحدة TCF في الشكل 4.

الشكل 4. هيكل وحدة TCF. تقوم وحدة TCF بدمج الميزات متعدد المستويات عبر الطبقات الضحلة والوسطى والعميقة لتحسين تمثيل الأهداف الصغيرة. P تمثل خرائط ميزات الإدخال على مستويات مختلفة. Conv يرمز إلى عمليات الالتفاف، وUpsample يشير إلى زيادة الميزات، وAdaptiveAvgPool يمثل التجميع المتوسط التكيفي. تدمج الوحدة الميزات المعايرة من خلال الاندماج الموزون والتفاعل عبر الطبقات لتعزيز التكاملات الدلالية والمكانية. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

في مهمة اكتشاف الأجسام، تختلف المعلومات الموجودة في ميزة الطبقة العميقة P_i+1 وميزة الطبقة الضحلة P_i-1 بشكل كبير. لتعزيز دمج المعلومات عبر الطبقات، تم تقديم طبقة الوسط P_i كطبقة دمج الميزات النهائية لموازنة الفروق بين معلومات الميزات عبر المستويات المختلفة.

أولا، تتم معالجة معلومات الإدخال للطبقات الضحلة والوسطى والعميقة باستخدام دالة تنشيط السيجمويد لتوليد ميزات موزونة ، ، و ، والتي تعمل على تقوية الميزات الرئيسية وإضعاف الميزات الزائدة، كما هو موضح في المعادلة 8.

(8)

ثانيا، يتم ضرب معلومات الإدخال للطبقات الضحلة والوسطى والعميقة عنصريا في الميزات الموزونة المطابقة لتوليد ميزات معايرة ، و ، كما هو موضح في المعادلة 9. يتم تعديل أهمية الميزات ديناميكيا عبر آلية انتباه الوزن، مما يحقق اختيار الميزات التكيفي وإعادة المعايرة.

(9)

في مرحلة اندماج ميزات الطبقة الوسطى، يتم استغلال فرعين من الوزن العكسي للاندماج مع ميزات الطبقة الضحلة والطبقة العميقة المعايرة على التوالي، مما يصفي المعلومات التفصيلية الزائفة الناتجة عن الضوضاء في ميزات الطبقة الضحلة والمعلومات الدلالية المتحيزة المرتبطة بميزات الطبقة العميقة. بعد ذلك، يتم دمج المعلومات متعددة الفروع، ويتم دمج الميزات الأصلية والميزات المعايرة والتفاعلية لهذه الطبقة، بالإضافة إلى ميزات الطبقة الضحلة والعميقة المعايرة معا. هذا يحقق الحفاظ على معلومات الميزات متعددة المقاييس وتكاملها، ويخفف من مشاكل فقدان المعلومات الصغيرة وسوء التقدير، وأخيرا ينتج ميزات مدمجة في الطبقة الوسطى ، والتي صاغت باستخدام المعادلة 10 كما يلي:

(10)

يتم تحديد الروابط بين الطبقة الضحلة، والطبقة العميقة، والطبقة الوسطى بشكل منفصل، كما هو موضح في المعادلتين 11 و12.

(11)

(12)

وأخيرا، يتم دمج مخرجات مسارات الاندماج الثلاثة عبر عملية كونكات للحفاظ على استقلالية كل مسار فردي. يتم تعلم المعلومات الرئيسية من كل مسار ديناميكيا بناء على الأوزان α و β و γ، والتي تعرف كمعلمات قياسية قابلة للتعلم مهيأة إلى 1.0 وتحسينها عبر الانتشار العكسي أثناء التدريب، مما يتيح موازنة ديناميكية للمساهمات من مسارات الميزات الضحلة والمتوسطة والعميقة. علاوة على ذلك، تستخدم العمليات الالتفافية لتجميع المعلومات السياقية، والقضاء على الاستجابات غير المتماسكة لحدود الميزات الناتجة عن الربط عبر الطبقات، وتحسين اكتساب وتمثيل المعلومات التفصيلية للأهداف الصغيرة وتطويرها. تمت صياغة العملية باستخدام المعادلة 13 كما يلي:

(13)

خطوات التنفيذ
تعريف الوحدة
يجب تعريف وحدة PyTorch مخصصة باسم TCF ضمن ملفات تعريف النموذج الخاصة بالمشروع. تأخذ هذه الوحدة كمدخل خرائط الميزات السطحية والمتوسطة والعميقة المستخرجة من مراحل مختلفة من شبكة العمود الفقري. يتكون تدفق المعالجة الداخلية من ثلاث خطوات رئيسية: (1) معايرة الميزات: تطبق دالة سيجمويد على كل من طبقات الميزات الثلاث المدخلة لتوليد خرائط الوزن، والتي تضرب بعد ذلك عنصريا مع خرائط الميزات الأصلية لتعزيز الميزات الرئيسية مع قمع الميزات الزائدة؛ (2) الاندماج التفاعلي: في مرحلة دمج ميزات الطبقة الوسطى، يتم إدخال فرعين من الوزن العكسي للاندماج مع ميزات الطبقة الضحلة والطبقة العميقة المعايرة على التوالي، مما يصفي المعلومات التفصيلية الزائفة الناتجة عن الضوضاء في ميزات الطبقة الضحلة والمعلومات الدلالية المرتبطة بمنحازات في ميزات الطبقة العميقة؛ (3) التجميع متعدد المسارات: يتم دمج الميزات الأصلية، والميزات المعايرة، والميزات التفاعلية، والميزات المدمجة مع معلومات سطحية وعميقة، وبعد ذلك تطبق العمليات الالتفافية لإزالة الاستجابات غير المتماسكة لحدود الميزات الناتجة عن الربط عبر الطبقات، مما يؤدي في النهاية إلى إنتاج ميزات مدمجة غنية بالمعلومات متعددة المقاييس.

تحرير ملف التكوين
يجب فتح ملف تكوين النموذج (config.yaml). يجب تحديد أقسام دمج الميزات في شبكة الرقبة—وتحديدا الطبقات التي يتم فيها دمج ميزات من مراحل مختلفة من شبكة العمود الفقري— في هذه المواقع، يجب استبدال طبقات عمليات الربط البسيط الأصلية باستدعاء إلى وحدة TCF، لضمان توصيل مدخلات الوحدة بشكل صحيح بالميزات الضحلة والمتوسطة والعميقة المقابلة.

دوافع التصميم
تصميم وحدة TCF مدفوع بتحديات التفاوت في المعلومات وفقدان المعلومات أثناء دمج الميزات. الميزات الضحلة غنية بالتفاصيل لكنها تحتوي على ضوضاء كبيرة، بينما الميزات العميقة تظهر دلالات قوية لكن دقة منخفضة. لمعالجة ذلك، تقدم وحدة TCF ميزة في الطبقة الوسطى كموازن معلومات وتدمج مسارات معايرة وتفاعل وتجميع مصممة بعناية لتعظيم المزايا التكميلية للميزات متعددة المستويات. الدافع الأساسي هو إنشاء آلية اندماج أكثر فعالية قادرة على تقييم أهمية الميزات على كل مستوى بشكل ديناميكي ودمج المعلومات بشكل انتقائي. وبالتالي، يولد تمثيلا عالي الجودة لميزة رأس الكشف اللاحق، غني بالتفاصيل والمعلومات الدلالية، مما يجعله مناسبا بشكل خاص للتعرف على الأجسام الصغيرة.

وحدة دايناميك هيد
يخدم مكون رأس الكشف الغرض الأساسي المتمثل في إجراء التعرف على الكائنات متعددة المقاييس على تمثيلات الميزات التي تولدها شبكات العمود الفقري ودمج الميزات. تمكن هذه العملية من تحديد الموقع المكاني الدقيق للأجسام المكتشفة، والتعيين التصنيفي، وتقدير موثوقية تنبؤات صناديق الإحداد. نظرا للاختلافات الكبيرة في مقياس الميزات المستهدفة في البيانات البصرية والتركيز الكثيف لمقترحات صناديق الحدود في بعض الأطوار، يتطلب تحديد التبغ المقطوع بدقة تحليل أنماط متعددة المقاييس. لمعالجة ذلك، تعتمد الطريقة بنية DynamicHead¹⁸ كبديل لرأس الكشف الأصلي في YOLOv11n، مما يؤسس إطار عمل للانتباه الذاتي يدمج آليات واعية بالحجم، والمكان، وواعية للمهام لتعزيز كل من قدرة الكشف والكفاءة التشغيلية. يتم توضيح التكوين الهيكلي لمكون DynamicHead في الشكل 5.

الشكل 5. هيكل وحدة الكشف في DynamicHead. تتضمن وحدة DynamicHead ثلاث آليات انتباه متتابعة: الوعي بالمقياس (π_L)، الواعي بالمكانية (π_S)، والواعي بالمهمة (π_C). تقوم هذه المكونات بضبط أهمية الميزات بشكل ديناميكي عبر المقاييس، والمناطق المكانية، ومهام الكشف. يحسن هذا التصميم كل من دقة التحديد الموقع وأداء التصنيف من خلال تمكين تحسين الميزات التكيفية داخل رأس الكشف. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

تتكون هذه البنية من ثلاث وحدات انتباه متخصصة: مكونات واعية للمقياس (π_L)، وواعي للمكان (π_S)، ومكونات واعية للمهمة (π_C). آلية الانتباه الواعية للمقياس (π_L) تقوم أولا بمتوسط خريطة ميزات الإدخال عبر أبعاد المكانية والقنوات. يتم تمرير النتيجة عبر طبقة إسقاط خطية تليها تفعيل صلب سيغموي لتوليد أوزان مقياس، ثم تضرب عنصريا في خريطة الميزة الأصلية. آلية الانتباه الواعي المكاني (π_S) تستخدم الالتفاف القابل للتشوه مع K = 9 نقاط عينة مختارة بشكل متفرق. يتنبأ بمتجهات الإزاحة Δpk وقياسات التعديلΔm_k لكل نقطة عينة فقط، ثم يجمع الميزات المأخوذة لإنتاج أوزان انتباه مكانية. آلية الانتباه الواعي بالمهمة (πC) تطبق تحويلا خطيا قابلا للتعلم على كل قناة بشكل مستقل باستخدام مجموعتين من المعلمات (α¹، β¹ α²، β²). يختار أقصى استجابة بين التمثيلين المحولين لتكييف الميزات ديناميكيا لمهام التصنيف والانحدار. وأخيرا، تطبق هذه الآليات الثلاثة للانتباه بشكل تسلسلي على خريطة ميزة الإدخال كما F_out = πC(πS(πL(F) · F) · F) · F. تستخدم آلية الوعي بالمقياس وزن الميزات عبر المقاييس لدمج تمثيلات متعددة الدقة بشكل تكيفي، مما يصقل حساسية النموذج للتغيرات البعدية. يطبق المكون الواعي المكاني وزن التركيز الإقليمي ضمن خرائط الميزات، موجها التركيز الحسابي نحو الكيانات الأمامية مع كبح التداخل الخلفي غير المهمة. وفي الوقت نفسه، تقوم الوحدة الواعية بالمهام بتعديل تمثيلات المخرجات للأهداف المحددة بشكل ديناميكي، مما يصقل نتائج التصنيف والانحدار لتعزيز دقة النموذج ومتانة التشغيل. يتم صياغة الإجراء الحسابي في المعادلات 14–17.

(14)

(15)

(16)

(17)

هنا، يرمز W_L(F) إلى تمثيل الميزة المغني بالانتباه، بينما π_L(F)، π_S(F)، و _{π C}(F) تتوافق مع عمليات الانتباه الموجهة على المقياس والمكان، والمهمة على التوالي. يمثل التحويل f طبقة إسقاط خطية، σ(x) يشير إلى معالجة تنشيط السيجمويد الصلب، K يحدد كمية النقاط المكانية المختارة بشكل متفرق، p_k+Δp_k يقدم تعديلات موقعية لتأكيد المناطق التمييزية، Δm_k يشكل مقياسا قابلا للتدريب للنقطة المكانية p_k، و α(F) و β(F)) هي دوال بارامترية قابلة للتعلم تحكم عتبات التفعيل. من بينها، يتم تعيين K على 9 في جميع التجارب، حيث توفر هذه القيمة تغطية مكانية كافية مع الحفاظ على الكفاءة الحسابية.

خطوات التنفيذ
تعريف الوحدة
يجب تعريف وحدة PyTorch مخصصة باسم DynamicHead ضمن ملفات تعريف النموذج الخاصة بالمشروع. يتكون تنفيذ هذه الوحدة من ثلاث وحدات انتباه تطبق بشكل متسلسل: (1) الانتباه الواعي بالمقياس: طبقات الميزات على مقاييس مختلفة يتم وزنه ديناميكيا باستخدام معلمات قابلة للتعلم؛ (2) الانتباه الواعي بالمكان: استنادا إلى مفهوم الالتفاف القابل للتشوه، تركز هذه الوحدة على المواقع المكانية المتفرقة ولكن المميزة ضمن خرائط الميزات؛ (3) الانتباه الواعي بالمهمة: تتعلم عتبات التنشيط ديناميكيا لتحسين تمثيلات الميزات لمهام التصنيف والانحدار على التوالي. يتم تطبيق هذه الآليات الثلاثة للانتباه بشكل متسلسل على هرم ميزات الإدخال، مما ينتج في النهاية ميزات للتنبؤ. تم تنفيذ جميع الوحدات باستخدام عمليات PyTorch القياسية، بما في ذلك الطبقات الالتفافية، والطبقات الخطية، ووظائف التفعيل، وآليات الانتباه كما هو موضح أعلاه.

تحرير ملف التكوين
يجب فتح ملف تكوين النموذج (config.yaml). يجب تحديد القسم الذي يحدد رأس الكشف. يجب استبدال تكوين رأس الكشف الأصلي، الذي يتكون عادة من سلسلة من الطبقات الالتفافية للتصنيف والانحدار، باستدعاء إلى وحدة DynamicHead، لضمان اتصال مدخلاته بخرج هرم الميزات عبر شبكة الرقبة.

دوافع التصميم
عادة ما تطبق رؤوس الكشف التقليدية نفس مجموعة المعاملات الالتفافية على جميع طبقات الميزات، والمواقع المكانية، والمهام، مع افتقارها إلى التكيف حسب المهمة. يتم دفع إدخال وحدة DynamicHead إلى تعقيد مهام الكشف، بهدف فصل ومعالجة هذه التحديات من خلال بنية موحدة قائمة على الانتباه. دافعه التصميمي ثلاثي: (1) التركيز التكيفي على طبقات الميزات التي تتوافق مع أهداف بأحجام مختلفة عبر وحدة الوعي بالمقياس؛ (2) تركيز الموارد الحاسوبية على المناطق المستهدفة في المقدمة بدلا من الخلفية عبر وحدة الوعي بالمكان؛ و(3) لتحسين تمثيلات الميزات ديناميكيا لتحقيق الأهداف المميزة للتصنيف والانحدار عبر وحدة الوعي بالمهمة. هذا المزيج من الفصل والتحسين الديناميكي يعزز دقة التوطين والموثوقية في التصنيف للنماذج للأهداف متعددة المقاييس المرتبة بكثافة مثل التبغ المقطع.

طريقة تقييم مخصصة لتنظيم قطع التبغ
وصف الوحدة ومبدأ التصميم: التقييم الكمي لترتيب محاذاة التبغ المقطوع ضروري لتقييم استقرار عملية التصنيع والتنبؤ بجودة المنتج النهائي في إنتاج السجائر. تعتمد طرق التقييم التقليدية على الفحص البصري اليدوي، وهو أمر ذاتي ويستغرق وقتا طويلا وغير قادر على تقديم قياسات كمية متسقة. لمعالجة هذه القيود، يتم استخدام طريقة توقع زاوية مخصصة مدمجة مع كاشف الانحدار أحادي المرحلة المحسن. المبدأ الأساسي لهذه الطريقة هو إنشاء إطار مرجعي مكاني باستخدام هيكل الدعم الفولاذي داخل قضيب السيجارة كمعيار هندسي. نظرا لأن دعامة الفولاذ تحافظ على اتجاه ثابت أثناء التصنيع، فهي تعمل كخط مرجعي مثالي لحساب الاتجاه النسبي للتبغ المقطوع الفردي. من خلال قياس الزوايا المطلقة للتبغ المقطوع المكتشف والدعامة الفولاذية بالنسبة لخط المرجع الأفقي ثم حساب فروق الزوايا النسبية بينهما، توفر الطريقة تقييما كميا لترتيب المحاذاة. الزاوية النسبية الصفرية تشير إلى التوازي التام بين السلسلة والدعم، بينما يشير الانحراف الزاوي المتزايد إلى محاذاة أضعف. يعرف المحور المرجعي الأفقي بأنه الخط الموازي للحافة السفلية للصورة، موجه من اليسار إلى اليمين. هذا المحور يقابل 0°، حيث تقاس الزوايا الموجبة عكس عقارب الساعة وزوايا سالبة تقاس باتجاه عقارب الساعة من هذا المحور. يتم الحصول على مقياس النظام النهائي عن طريق حساب الزوايا النسبية لجميع الخيوط المكتشفة داخل الصورة، مما يمكن من تدرج جودة متسقة وموضوعية.

خطوات التنفيذ
تعريف وحدة حساب الزاوية
تنفيذ وحدة معالجة لاحقة تعالج مخرجات الكشف من نموذج الانحدار أحادي المرحلة المحسن. لكل جسم تم اكتشافه (قطع التبغ والدعم الفولاذي)، استخرج إحداثيات صندوق الإحاطة. احسب إحداثيات نقطة المركز لكل جسم تم اكتشافه باستخدام المعادلة 18. احسب إحداثيات نقطة مركز الصورة بناء على أبعاد الصورة باستخدام المعادلة 19.

(18)

(19)

حيث x₁، x₂، y₁، y₂ تدل على إحداثيات الزوايا الأربع لصندوق الحدود المكتشف سواء لخيط تبغ أو للدعامة الفولاذية؛ c_x و c_y يمثلان إحداثيات نقاط المركز الخاصة بهما داخل منطقة الكشف؛ تشير W و h إلى عرض وارتفاع صورة السيجارة؛ d_x و d_y يحددان إحداثيات نقطة مركز الصورة.

حساب الزاوية المطلقة
لكل خيط تبغ مكتشف والدعم الفولاذي، احسب الاتجاه من مركز الصورة إلى مركز الجسم. احسب الزاوية المطلقة بالنسبة للخط المرجعي الأفقي باستخدام دالة المماس القوسي، كما هو موضح في المعادلة 20. يتم حساب الزاوية باستخدام atan2(d_y, d_x)، حيث atan2 هي دالة المماس العكسي ذات الأربعة أرباع المتوفرة في مكتبة الرياضيات بايثون. ترجع هذه الدالة القيم ضمن النطاق (−π، π] راديان، والتي يتم تحويلها بعد ذلك إلى درجات، مما يعطي زوايا إخراج في النطاق (−180°، 180°]. التعامل مع الرباعي تلقائي مع atan2 بناء على علامات d_y و d_x. ينتج عن ذلك _فولاذ A لدعم فولاذي _وقطع A لكل خيط تبغ.

(20)

حساب الزاوية النسبية
لكل خيط تبغ مكتشف، احسب الزاوية النسبية بطرح الزاوية المطلقة لدعم الفولاذ من الزاوية المطلقة للخيط، كما هو موضح في المعادلة 21. القيمة المطلقة تضمن قياسات الانحراف الزاوي الإيجابي.

(21)

توليد مقياس النظام
اجمع الزوايا النسبية لجميع الخيوط المكتشفة داخل صورة واحدة. احسب متوسط الزاوية النسبية بجمع جميع الزوايا النسبية _{T o} وقسمته على إجمالي عدد الخيوط المكتشفة n، كما هو موضح في المعادلة 22. تعمل هذه القيمة المتوسطة كمقياس كمي لترتيب المحاذاة لتلك الصورة.

(22)

تنفيذ التصنيف العالي
تنفيذ دالة تصنيف تربط القيمة المحسوبة بالدرجات النوعية بناء على عتبات محددة مسبقا، كما هو معرف في المعادلة 23. تم تحديد عتبات التصنيف (0°–30° = ممتاز، 30°–60° = جيد، >60° = ضعيف) بناء على التشاور مع ثلاثة خبراء جودة من شركة لونغيان لصناعة التبغ المحدودة. قام هؤلاء الخبراء بتقييم 200 صورة عينة بشكل مستقل وربطوا الزوايا النسبية المتوسطة المحسوبة بجودة المحاذاة المدركة، باستخدام مقياس من ثلاث فئات (ممتاز، جيد، وضعيف). تم اختيار حدود 30° و60° كحدود إجماعية حيث تجاوز اتفاق الخبراء 90٪. يتيح هذا التقييم تفسيرا حدسيا للنتائج الكمية لموظفي مراقبة الجودة.

(23)

تحرير ملف التكوين
يجب فتح ملف تكوين النموذج (config.yaml أو model.yaml). يجب تحديد قسم المعالجة اللاحقة أو جزء إعدادات الاستدلال. يجب أن تكون وحدة حساب الزاوية المخصصة موجهة إليها بشكل صحيح وتفعيلها. يجب التحقق من إعدادات تحليل الإخراج لاستخراج إحداثيات صندوق الإحاطة بشكل صحيح لكل من التبغ المقطوع والدعامة الفولاذية. لا حاجة لإدخال طبقة إضافية لهذه الطريقة التقييمية، حيث تعمل كوحدة معالجة لاحقة بعد خروج رأس الكشف.

دوافع التصميم
تصميم هذه الطريقة المخصصة للتقييم مدفوع بالحاجة إلى تحويل الفحص البصري الذاتي إلى قياسات كمية موضوعية وقابلة للتكرار. يعاني الفحص اليدوي التقليدي من التغير بين المراقبين ولا يمكنه توفير بيانات رقمية مستمرة لتحسين العمليات. من خلال الاستفادة من الدعم الفولاذي كمرجع هندسي طبيعي داخل قضيب السجائر، تلغي الطريقة الحاجة إلى علامات معايرة خارجية وتضمن اتساق القياس عبر الصور المختلفة ودفعات الإنتاج. يوفر استخدام متجهات النقطة المركزية وحسابات المماس القوس نهجا رياضيا قويا وفعالا حسابيا لتقدير الزوايا، مما يجعله مناسبا للنشر في الوقت الحقيقي. تم تصميم هذا الحساب المعتمد على المتجهات من مركز الصورة إلى مركز الجسم ليكون ثابتا في مجال رؤية الكاميرا وموقع قضيب السيجارة داخل الصورة، مما يضمن المتانة تحت ظروف التقاط مختلفة. استراتيجية المتوسط عبر عدة خيوط مكتشفة تأخذ في الاعتبار التغيرات الطبيعية في اتجاه الخيوط وتنتج مقياس ترتيب عام موثوق إحصائيا. يترجم نظام التصنيف المكون من ثلاث مستويات القياسات الرقمية المستمرة إلى فئات جودة قابلة للتنفيذ، مما يسهل اتخاذ القرار السريع في مراقبة جودة خطوط الإنتاج. بشكل عام، يجمع هذا النهج المتكامل بين قدرات الكشف في نموذج الانحدار أحادي المرحلة المحسن مع حسابات هندسية دقيقة، مما يتيح تقييما شاملا وآليا لترتيب محاذاة التبغ المقطوع.

تدريب نموذجي لاكتشاف نظام التبغ القصير
يجب تثبيت PyTorch 2.1.0، وهندسة الأجهزة الموحدة للحساب (CUDA) 12.1، وجميع التبعيات بشكل صحيح. يتبع التنفيذ خطوط أنابيب YOLO القياسية لباي تورتش ويمكن إعادة إنتاجه بناء على أوصاف الوحدات التفصيلية وخطوات التكوين المقدمة.

قيادة التدريب
قبل إعادة التدريب، يجب إعداد مجموعة بيانات الصور المقسمة وملفات التعليقات التوضيحية بصيغة الكشف أحادية المرحلة القياسية (مثل صيغة YOLO مع ملف .txt واحد لكل صورة). يجب إنشاء ملف .yaml لتكوين مجموعة البيانات يحدد مسارات الصورة، وعدد الفئات (قطع التبغ والدعم الفولاذي)، وأسماء الفئات. استنادا إلى التحسينات التي تم وصفها سابقا، يجب استبدال ملف تكوين .yaml الأصلي للكاشف بملف .yaml المقترح، والذي يتضمن وحدات MFID وTCF وDynamicHead. يجب كتابة أو تعديل سكريبت train.py لاستيراد حزمة الكاشف أحادية المرحلة، وتحميل نموذج التدريب وتكوين مجموعة البيانات، وتعيين معلمات التدريب التالية: imgsz=640، epochs=100، دفعة=4، العمال=0، الجهاز='0'، المحسن='SGD'، close_mosaic=10، وهكذا. تم تثبيت البذرة العشوائية إلى 42، وتم تهيئة أوزان النماذج باستخدام استراتيجية التهيئة الافتراضية التي يوفرها إطار التعلم العميق. تم ضمان قابلية التكرار من خلال ضبط torch.backends.cudnn.deterministic = صحيح و torch.backends.cudnn.benchmark = خطأ.

المعاملات الفائقة
المعلمات الفائقة الرئيسية التي تم تكوينها للتدريب هي كما يلي: دقة صورة الإدخال 896 × 1600 بكسل؛ حجم الدفعة 4، مقيد بذاكرة GPU؛ معدل التعلم الأولي 0.01 باستخدام جدولة جيب تمام، حيث يحل التحلل التدريجي؛ محسن النزول التدرج العشوائي (SGD) بزخم 0.912 لتسريع التقارب؛ وتآكل الوزن 0.0004 للتنظيم. تم تطبيع الصور باستخدام المتوسط [0.485، 0.456، 0.406] والانحراف المعياري [0.229، 0.224، 0.225]. شملت الزيادة الانقلاب الأفقي العشوائي (50٪)، وضبط السطوع العشوائي (±20٪)، والدوران العشوائي (±15°). يتم تمكين تعزيز الفسيفساء بشكل افتراضي خلال فترات التدريب المبكرة لتعزيز متانة النموذج لأحجام وأحجام مختلفة من الأجسام والإغطيات. يتم تعطيله في العشرة الفترات الأخيرة (close_mosaic = 10) لتحسين دقة الكشف.

مراقبة التدريب
خلال التدريب، ينتج الإطار مقاييس شاملة في كل حقبة. دالة الخسارة هي مجموع موزون لثلاثة مكونات: فقدان التصنيف (التقاطع الثنائي [BCE] مع اللوجيتات)، فقدان التموضع (التقاطع الكامل مع فقدان الاتحاد [IoU])، وفقدان الكائنية (BCE). تم تحديد أوزان الخسارة الكلية كλ_cls = 0.5، λ_box = 0.05، و λ_obj = 1.0. يجب مراقبة منحنيات فقدان التدريب والتحقق لضمان تقارب ثابت واكتشاف أي علامات على التكيف الزائد. يستخدم mAP عند عتبة IoU 0.5 (mAP@0.5) في مجموعة التحقق كمؤشر أداء أساسي لاكتشاف خيوط التبغ المقطوعة. نظرا لحجم مجموعة البيانات وتعقيد النموذج، فإن التدريب على 100 عصر يكون عادة كافيا للتقارب. يتم حفظ نقطة التحقق من النموذج الأفضل أداء تلقائيا بناء على mAP التحقق من الصحة.

تقييم النماذج ونشرها
التقييم
بعد إكمال التدريب، يتم حفظ أوزان النماذج المثلى كجولات/تدريب/خبرة/أوزان/أفضل نقطة. يجب تقييم النموذج المدرب على مجموعة التحقق المخصصة باستخدام الأمر التالي: بايثون val.py --data cigarette_dataset.yaml --weights runs/train/exp/weights/best.pt. ينتج سكريبت التقييم مؤشرات الأداء الرئيسية، بما في ذلك الدقة، والاسترجاع، و mAP@0.5، لكل من فئتي الكشف (قطع التبغ والدعم الفولاذي). يجب التحقق من أن mAP لتلبية العتبة المطلوبة للنشر الصناعي (مثلا، >95٪ لاكتشاف الخيوط). تمثل عتبة النشر (mAP >95٪ لاكتشاف الشيوط) متطلبا داخليا للأداء في البيئة الصناعية المستهدفة. تعكس النتيجة المبلغ عنها الأداء في مجموعة اختبارات متنوعة تشمل حالات استثنائية صعبة. يتجاوز mAP النموذج لظروف الإنتاج الروتينية 96٪ عند تقييمه على مجموعة فرعية مرشحة لإضاءة مثالية وأقل قدر من الإخفاء. تم تعريف مجموعة الإنتاج الروتينية وفقا للمعايير التالية: إضاءة ضمن نطاق 500–800 لوكس (إضاءة مثالية)، نسبة إخفاء أقل من 10٪ (تداخل ضئيل)، وعدم وجود انعكاسات مرئية مرئية. تحتوي هذه المجموعة الفرعية على 427 صورة، تمثل حوالي 67٪ من مجموعة الاختبار. تتوافق هذه المجموعة مع ظروف الإنتاج النهارية القياسية تحت الإضاءة العادية وترتيب الخيوط الموجهة جيدا.

التحقق من الاستنتاج
للتحقق بصريا من أداء النموذج للكشف على الصور غير المرئية، يتم إجراء الاستدلال على صور الاختبار باستخدام الأمر التالي: بايثون detect.py --weights run/train/exp/weights/best.pt --source path/to/test/images --conf 0.5. هذا الأمر يولد صورا مشروحة مع صناديق محيطة حول دعامات تبغ وفولاذ مقطوعة تم اكتشافها. تم قياس سرعة الاستدلال على بطاقة رسومات NVIDIA GeForce RTX 3080 Ti (ذاكرة VRAM بسعة 12 جيجابايت) باستخدام CUDA 12.1 وPyTorch 2.1.0. تم حساب الإطارات المبلغ عنها في الثانية (FPS) كمتوسط أكثر من 100 تمريرة أمامية متتالية بعد 50 تكرار إحماء. بالإضافة إلى ذلك، يتم الإبلاغ عن سرعة الاستدلال (بالإطارات في الثانية) لتأكيد ملاءمتها في الوقت الحقيقي لبيئة النشر.

نشر النماذج
لتمكين النشر في الوقت الحقيقي على نظام التحكم الصناعي، يجب تصدير نموذج PyTorch المدرب (best.pt، حوالي 7–9 ميجابايت) إلى صيغة استنتاج محسنة، مثل TensorRT أو Open Neural Network Exchange (ONNX). هذا التحويل يحسن سرعة الاستدلال مع الحفاظ على دقة الكشف. لتصدير ONNX، استخدم: torch.onnx.export(model, dummy_input, "model.onnx", opset_version=11, input_names=["images"], output_names=["outputs"]). لتحويل TensorRT، استخدم: trtexec --onnx=model.onnx --saveEngine=model.trt --fp16 --workspace=4096. تم استخدام وضع الدقة FP16 لتحسين سرعة الاستدلال. يخرج النموذج النهائي إحداثيات صناديق الحدود، وملصقات الفئات (خيط تبغ مقطوع أو دعم فولاذي)، ودرجات الثقة لكل جسم مكتشف، والتي تعمل كمدخلات لطريقة تقييم الزاوية المخصصة المستخدمة لقياس ترتيب التبغ المقطوع.

النتائج

البيئة التجريبية
أجريت جميع التجارب باستخدام إطار التعلم العميق PyTorch، مع تلخيص تفاصيل تكوينات الأجهزة والبرمجيات في الجدول 1. تم تقسيم 634 صورة عشوائيا إلى مجموعات تدريب، وتأكيد، واختبار بنسبة 7:2:1. خلال التدريب، تم تغيير حجم صور الإدخال بشكل موحد إلى 896 × 1600 بكسل، وتم ضبط معدل التعلم الأولي على 0.01. تم اعتماد محسن النزول التدرج العشوائي، بمعامل زخم 0.912، للتخفيف من الإفراط في التركيب. تم تدريب كل نموذج لمدة 100 عصر باستخدام حجم دفعة مكون من ...

المناقشة

ميزة رئيسية للنموذج المقترح في كشف ترتيب التبغ القطع هي توازنه بين دقة الكشف والكفاءة الحاسوبية. تتطلب هذه المهمة معالجة فورية للعديد من التبغ المقطوع الدقيق في صور عالية الدقة، مما يفرض متطلبات صارمة على دقة وسرعة النماذج. كما هو موضح في الجدول 2، يحقق النموذج المقترح أعلى mAP@0.5٪ (89.9٪) للكشف عن التبغ المقطوع ودعامات الفولاذ بين الكواشف ذات المرحلة الواحدة المقارنة، مع وجود أقل عدد من المعاملات (1.8 مليون) وأدنى FLOPs (5.1G). هذه الخاصية عالية الكفاءة تترجم مباشرة إل...

المواد

قائمة المواد المستخدمة في هذه المقالة

الاسم	الشركة	رقم فهرسي	التعليقات
قارئ الشيفرة	Hikvision	ID5050	كان يستخدم لقراءة الباركود على المنصات البحرية؛ يتطلب مصدر طاقة 24 فولت
مجموعة البيانات (صور التبغ المقطعة)	شركة لونغيان للتبغ الصناعية المحدودة.	لا يوجد	مجموعة بيانات صورة مخصصة للتبغ المقطوع المستخدم في تدريب النماذج، والتحقق، والاختبار
إطار عمل التعلم العميق (PyTorch 2.1.0)	مؤسسة بايتورش	البرمجيات مفتوحة المصدر	يستخدم لتطوير وتدريب نماذج التعلم العميق
كاميرا صناعية	Hikvision	MV-CH120-10GC	يستخدم لالتقاط الصور؛ يتطلب مصدر طاقة 24 فولت
الحاسوب الصناعي	تكنولوجيا يانتشي	PC1010-AX360	يستخدم لمعالجة الصور، واستنتاج النماذج، وتخزين البيانات
مصدر ضوء LED	هيك روبوت	MV-LRDS-H-95-30-W	مصدر ضوء الشريط يوفر إضاءة مستقرة للتصوير
العدسة	Hikvision	MVL-KF0818M-12MP	البعد البؤري: 8 مم؛ نطاق الفتحة: F1.8– F16؛ دقة 12 ميجابكسل
الحوامل المعدنية	شركة لونغيان للتبغ الصناعية المحدودة.	سبيكة الألمنيوم 7075-T6	يستخدم لتركيب وتثبيت مكونات الأجهزة
كابلات الشبكة	شركة لونغيان للتبغ الصناعية المحدودة.	رأس الكريستال RJ45	يستخدم لربط أجهزة الكمبيوتر الصناعية والكاميرات والشبكات
بايثون (الإصدار 3.9)	مؤسسة بايثون للبرمجيات	البرمجيات مفتوحة المصدر	بيئة البرمجة للتنفيذ
التبديل	TP-Link	TL-SH1005	8 منافذ إيثرنت؛ يتطلب مصدر طاقة 220 فولت
نقطة الوصول اللاسلكية (وحدة الاتصالات الصناعية)	شاندونغ هواتشوانغ شونليان	BH-ANT5158S-14HV؛ BH-MS-AC1600HWH	يتيح الاتصال اللاسلكي بين الكاميرا والحاسوب الصناعي
برنامج التحكم بالكاميرا (MVS)	Hikvision	V4.5.1	يستخدم لتصحيح الأخطاء بالكاميرا، وتكوين المعلمات، وجمع البيانات
برنامج معالجة الرؤية (Vision Master)	Hikvision	V4.3.0	يستخدم لمطابقة القوالب واكتشاف نتائج الصور
بيئة تطوير متكاملة (PyCharm)	جيت برينز	2020.1.3 x64	يستخدم في تطوير النماذج وتنفيذ النظام
مجموعة أدوات CUDA (الإصدار 12.1)	NVIDIA	مجموعة أدوات البرمجيات (بدون رقم فهرس)	تمكين تسريع وحدة معالجة الرسومات للتدريب والاستدلال