إذا سبق لك أن مشيت عبر مصفاة نفط، أو مصنع معالجة كيميائية، أو منصة حفر بحرية، فأنت تعرف مدى أهمية السلامة. وتتميز هذه البيئات بالغازات المتفجرة والغبار والأبخرة التي تحول حتى شرارة صغيرة إلى خطر كارثي. وهنا تأتي الكاميرات المقاومة للانفجار في الأجهزة المصممة لاحتواء الشرر الداخلي أو الحرارة، حتى لا تشعل المخاطر المحيطة. لكن لسنوات، اقتصرت هذه الكاميرات على التسجيل الأساسي: فقد التقطت لقطات، لكنها لم تتمكن من تحليلها للإبلاغ عن الأحداث الخطيرة في الوقت الفعلي. أما الآن، فقد غيرت كاميرات الذكاء الاصطناعي المقاومة للانفجارات ذلك الأمر، حيث توفر إمكانية الكشف عن الأشياء، وتنبيهات الاختراق المحيطي، ومراقبة أخطاء المعدات. ولكن ما مدى دقة وظيفة الذكاء الاصطناعي الخاصة بهم، حقًا؟ كمورد لهذه الكاميرات المتخصصة، قضيت سنوات في اختبار هذه الأنظمة وتحسينها وتثبيتها في بيئات عالية المخاطر، والإجابة ليست بسيطة مثل نقطة مئوية واحدة. يعتمد ذلك على عوامل لا يأخذها معظم الناس في الاعتبار: أجهزة الكاميرا، وبيانات التدريب، والظروف البيئية، ومدى معايرتها للمخاطر الدقيقة لموقعها.
أولاً، دعونا نركز على ما يجعل الكاميرا المقاومة للانفجار مختلفة عن الكاميرا الأمنية القياسية. لا يتم تصنيف الكاميرات القياسية للمواقع الخطرة - فقد ترتفع درجة حرارة مكوناتها الداخلية أو تشتعل، مما يؤدي إلى اشتعال المواد القابلة للاشتعال. يتم تغليف الكاميرات المقاومة للانفجار بمواد مثل الفولاذ المقاوم للصدأ أو الألومنيوم، وهي مصممة لتحمل الانفجار الداخلي دون السماح للشرر بالهروب. يعد هذا الغلاف القوي ضروريًا للسلامة، ولكنه أيضًا يخلق قيودًا فريدة تؤثر على دقة الذكاء الاصطناعي. على سبيل المثال، يجب أن تكون عدسة الكاميرا المقاومة للانفجار سميكة ومقاومة للخدش للحماية من الغبار والصدمات والمواد الكيميائية المسببة للتآكل. يمكن أن يؤدي ذلك إلى تشويه الضوء قليلاً، مما يؤدي إلى مشكلات في التعرف على الأشياء. قارن ذلك بالكاميرا الاستهلاكية، التي تستخدم عدسة رفيعة وواضحة مُحسّنة للحصول على صور حادة وغير معدلة. اختبر فريقنا ثلاثة أجيال من كاميرات الأشعة تحت الحمراء المقاومة للانفجار في مصافي التكرير في تكساس، ووجدنا أن دقة الذكاء الاصطناعي الأولية انخفضت بنسبة 7% على الطرز ذات العدسات الزجاجية المقسى القياسية، مقابل عدساتنا المتخصصة المضادة للانعكاس والمقاومة للمواد الكيميائية، والتي حافظت على التشوه إلى أقل من 2%. ولهذا السبب نستثمر في أغلفة العدسات المخصصة لكاميراتنا، وهي تعديلات صغيرة تعمل على تعزيز أداء الذكاء الاصطناعي بشكل مباشر.
أحد المكونات الرئيسية الأخرى للأجهزة هو المستشعر. تستخدم معظم كاميرات الذكاء الاصطناعي الجاهزة أجهزة استشعار CMOS عالية الدقة تلتقط الأجسام سريعة الحركة بوضوح، لكن هذه المستشعرات يمكن أن تواجه صعوبات في ظروف الإضاءة المنخفضة الشائعة في العديد من البيئات الخطرة. غالبًا ما تعمل المصانع الكيميائية ليلاً بأقل قدر من الإضاءة، وتعتمد المنصات البحرية على أضواء الملاحة الخافتة. وهنا يأتي دور تقنية الأشعة تحت الحمراء (IR). عندما قمنا ببناء خط كاميرات الأشعة تحت الحمراء الآمنة جوهريًا، عملنا مع الشركات المصنعة لأجهزة الاستشعار لتصميم مصفوفات الأشعة تحت الحمراء التي لا تسخن بشكل زائد - وهي تفاصيل مهمة، نظرًا لأن الحرارة تشكل خطر نشوب حريق في المناطق المتفجرة. قمنا بعد ذلك بتدريب نماذج الذكاء الاصطناعي لدينا على لقطات الأشعة تحت الحمراء من المصافي الفعلية وصوامع الحبوب، وليس فقط البيانات النهارية القياسية من المختبرات. في الاختبارات جنبًا إلى جنب، تتمتع كاميراتنا المقاومة للانفجار والمجهزة بالأشعة تحت الحمراء بدقة أعلى بنسبة 12% لاكتشاف العمال الذين لا يملكون معدات الوقاية الشخصية المناسبة في الإضاءة المنخفضة، مقارنة بنماذج الذكاء الاصطناعي التي تم تدريبها فقط على اللقطات الملونة أثناء النهار. التحذير هنا هو أن لقطات الأشعة تحت الحمراء أحادية اللون، لذلك يجب على نماذج الذكاء الاصطناعي أن تتعلم كيفية التعرف على الأشياء من خلال الشكل والتوقيع الحراري، وليس فقط اللون - وهو أمر غالبًا ما يتم تجاهله عندما يختصر الموردون بيانات التدريب.
عند الحديث عن بيانات التدريب، هذا هو المكان الذي تفشل فيه معظم كاميرات الذكاء الاصطناعي، خاصة في النماذج المقاومة للانفجار. تستخدم العديد من كاميرات الذكاء الاصطناعي العامة مجموعات البيانات العامة مثل COCO أو ImageNet، المليئة بالمشاهد اليومية: الكلاب والسيارات والأشخاص في الحدائق. لكن البيئات الخطرة تحتوي على أشياء فريدة من نوعها: الصمامات الصناعية، والرافعات الشوكية، وأعمدة تسرب الغاز، ومعدات الوقاية الشخصية مثل البدلات المقاومة للهب والقبعات الصلبة. قبل بضع سنوات، اختبرت إحدى مصفاة التكرير في لويزيانا كاميرا تعمل بالذكاء الاصطناعي مقاومة للانفجارات من شركة منافسة، وفشلت في اكتشاف عامل يقف بجوار التسرب لأن النموذج تم تدريبه على لقطات الرصيف في الضواحي، وليس التصميم الداخلي للمصفاة. لقد رأينا هذا الخطأ مرارًا وتكرارًا: يتعامل الموردون مع الذكاء الاصطناعي المقاوم للانفجار كفكرة لاحقة، ويستخدمون نماذج عامة بدلاً من النماذج المدربة خصيصًا للمواقع الخطرة. تم تدريب كاميرا الذكاء الاصطناعي المقاومة للانفجار لدينا على أكثر من 50000 ساعة من اللقطات من مواقع النفط والغاز والكيماويات والتعدين الفعلية - والتي جمعها فريقنا على مدار 10 سنوات من التركيبات. تتضمن هذه البيانات أحداثًا نادرة: رافعة شوكية تتحرك بسرعة كبيرة في ممر ضيق، أو تسرب بخار من الصمام، أو عامل يتسلق خزانًا مقيدًا. عندما اختبرنا هذا النموذج مقابل نموذج عام في موقع تعدين في أستراليا، كان نموذجنا يتمتع بدقة تبلغ 96.8% لاكتشاف حركة المعدات غير المسموح بها، في حين أن النموذج العام حقق 82.3% فقط. الفرق؟ بيانات التدريب الخاصة بالسياق والتي تعكس المخاطر الفعلية التي ستواجهها الكاميرا.
لكن الدقة لا تقتصر على تدريب البيانات فحسب، بل تتعلق أيضًا بالمعالجة الطرفية. يفترض الكثير من الناس أن الذكاء الاصطناعي يعمل على خادم سحابي، ولكن بالنسبة للكاميرات المقاومة للانفجار، فإن إرسال لقطات إلى السحابة لتحليلها يعد فكرة سيئة. في المواقع النائية ذات الإنترنت المحدود، يمكن أن يؤدي زمن الاستجابة السحابي إلى تأخير التنبيهات، كما أن نقل لقطات المواقع الخطرة يزيد من مخاطر الخصوصية وأمن البيانات. والأهم من ذلك، في حالة الطوارئ الحقيقية، تحتاج إلى تنبيه على الفور، وليس بعد تأخير لمدة 10 ثوانٍ. ولهذا السبب، تتم جميع عمليات معالجة الذكاء الاصطناعي لدينا على متن الكاميرا نفسها، وعلى الأجهزة الطرفية المصممة للعمل داخل الغلاف المقاوم للانفجار. المعالجة المتطورة لها قيودها الخاصة: لا يمكن أن تكون الأجهزة قوية مثل وحدة معالجة الرسومات لسطح المكتب، لأنها لا تستطيع توليد الكثير من الحرارة أو استهلاك الكثير من الطاقة (كلاهما مخاطر الحريق). لقد عقدنا شراكة مع الشركات المصنعة لأشباه الموصلات لتصميم شريحة حافة مخصصة توازن بين قوة المعالجة والسلامة: فهي تعمل على تشغيل نموذج الذكاء الاصطناعي الخاص بنا بقدرة 5 وات، أي أقل بكثير من عتبة 10 وات التي تتطلب شهادات أمان إضافية. في اختبار تم إجراؤه في عام 2022، كان الذكاء الاصطناعي الحافة الخاص بنا دقيقًا بنسبة 99.1% مثل الإصدار المستند إلى السحابة من نفس النموذج، مع تشغيل التنبيهات بشكل أسرع بمقدار 8 ثوانٍ. بالنسبة لمصفاة يمكن أن يشتعل فيها تسرب الغاز خلال 15 ثانية، فإن فارق الـ 8 ثوانٍ هذا ينقذ الحياة.
بالطبع، لا يوجد نظام ذكاء اصطناعي دقيق بنسبة 100%، وهناك عوامل لا يمكن حتى لأفضل الأجهزة والتدريب التغلب عليها. الظروف البيئية في المواقع الخطرة قاسية: الهواء المالح المسبب للتآكل على المنصات البحرية، والغبار الكثيف في منشآت الحبوب، والأمطار الغزيرة في الغابات المطيرة حيث يتم التعدين. يمكن أن يؤدي ذلك إلى اتساخ عدسة الكاميرا، مما يؤدي إلى لقطات ضبابية أو التداخل مع أجهزة استشعار الأشعة تحت الحمراء. لدينا كاميرات في منجم نحاس مليء بالغبار في ولاية أريزونا، حيث تراكم الغبار على العدسة، مما أدى إلى خفض الدقة من 96% إلى 88% في أسبوعين فقط. الحل هنا ليس أفضل من الذكاء الاصطناعي، بل الصيانة المنتظمة: يوصي فريقنا بتنظيف أغطية العدسات شهريًا ومعايرة نموذج الذكاء الاصطناعي كل ثلاثة أشهر لضبط أي تآكل. من المهم أيضًا ملاحظة أن الدقة تنخفض أثناء الأحداث النادرة وغير المتوقعة: حريق صغير في العشب بالقرب من مصفاة، أو ضباب يؤدي إلى تشويش رؤية الكاميرا. ولكن حتى في هذه الحالة، تم تصميم الذكاء الاصطناعي لدينا للإبلاغ عن "نشاط غير عادي" عندما لا يتمكن من تحديد كائن معين، لذلك يتم تنبيه المشغلين للتحقيق، بدلاً من تفويت خطر محتمل.
هناك اعتقاد خاطئ شائع آخر وهو أن جميع كاميرات الذكاء الاصطناعي المقاومة للانفجار هي نفسها. قبل بضع سنوات، اشترى مصنع كيميائي صغير في ولاية أوهايو كاميرا ملونة مدمجة مقاومة للانفجار رخيصة الثمن من أحد متاجر التجزئة عبر الإنترنت، معتقدًا أنها ستعمل من أجل أمن محيطه. وفي غضون شهر، فشل الذكاء الاصطناعي في الكاميرا في اكتشاف المتسللين، لأن الغلاف المدمج لم يترك مساحة كبيرة جدًا لعدسة ومستشعر عالي الجودة. نوصيهم بالترقية إلى الكاميرا الرقمية المقاومة للانفجار، والتي تحتوي على مبيت داخلي أكبر لمستشعر أفضل، وقفزت دقة اكتشاف المتسللين إلى 95% من 78%. الحجم مهم هنا، ولكن أيضًا أهمية الشهادة: الكاميرا "المقاومة للانفجار" ولكنها لا تلبي معايير مثل ATEX أو IECEx أو NEC ليست فقط غير آمنة، بل من المحتمل أيضًا أن تحتوي على أجهزة لا يمكنها دعم الذكاء الاصطناعي المتقدم. لقد اختبرنا نماذج غير معتمدة تدعي قدرات الذكاء الاصطناعي، ولكن دوائرها الداخلية ترتفع درجة حرارتها عند تشغيل الذكاء الاصطناعي، مما يعرض المصنع بأكمله للخطر.


ولا أريد المبالغة في الدقة أيضًا. حتى أفضل كاميرات الذكاء الاصطناعي المقاومة للانفجار لديها معدل خطأ يتراوح بين 3 و5%، غالبًا بالنسبة للأجسام منخفضة التباين مثل صمام صغير بجوار أنبوب داكن، أو عامل يرتدي بدلة تمتزج مع الخلفية. ولهذا السبب لا نعتمد على الذكاء الاصطناعي وحده: إذ تقترن أنظمتنا بالإشراف البشري، مع إرسال التنبيهات إلى المشغلين في الموقع الذين يمكنهم التحقق من الأحداث. على سبيل المثال، إذا أبلغ الذكاء الاصطناعي عن خرق محيطي، يقوم المشغل بسحب البث المباشر للتأكد من أنه عامل أو حيوان، ثم يتخذ الإجراء. يقلل نموذج "الإنسان في الحلقة" من النتائج الإيجابية الكاذبة، والتي تمثل شكوى كبيرة لأنظمة أمان الذكاء الاصطناعي. قبل بضع سنوات، أفادت إحدى مصفاة التكرير في تكساس أن الذكاء الاصطناعي الخاص بأحد المنافسين يصدر 20 إنذارًا كاذبًا أسبوعيًا، معظمها من الظلال أو الطيور، مما دفع المشغلين إلى تجاهل التنبيهات. يُصدر نظامنا أقل من إنذارين كاذبين في الأسبوع، لأننا قمنا بتدريبه على التمييز بين المخاطر الفعلية والحركة الخلفية غير الضارة.
إذن، ما مدى دقة وظيفة الذكاء الاصطناعي في الكاميرا المقاومة للانفجار؟ الإجابة المختصرة هي: يمكن أن تكون دقيقة بنسبة 95-97% عند تصميمها وتدريبها وتثبيتها بشكل مناسب لبيئتها المحددة. لكن هذه الدقة تعتمد على الاختيارات التي لا يتخذها معظم الموردين: العدسات المخصصة للظروف الخطرة، وبيانات التدريب الخاصة بالسياق من المواقع الحقيقية عالية الخطورة، والمعالجة المتطورة للسرعة والسلامة، والصيانة المنتظمة للحفاظ على عمل الأجهزة. إنه ليس حلاً واحدًا يناسب الجميع. الكاميرا التي تعمل بشكل جيد في مصفاة النفط قد تواجه صعوبة في صومعة الحبوب، لأن الغبار والإضاءة والأشياء مختلفة. ولهذا السبب نقضي وقتًا مع كل عميل لتقييم بيئته قبل التوصية بالكاميرا - سواء كانت كاميرا الأشعة تحت الحمراء المقاومة للانفجار لمواقع الحفر منخفضة الإضاءة، أو كاميرا الأشعة تحت الحمراء الآمنة جوهريًا للمصانع الكيماوية، أو نماذجنا المدمجة للممرات الضيقة.
إذا كنت تقوم بتقييم كاميرات الذكاء الاصطناعي المقاومة للانفجار لموقعك الخطير، فلا تنظر فقط إلى نسبة دقة الذكاء الاصطناعي في ورقة المواصفات. اطلب الدليل: اختبر لقطات من بيئات مماثلة، ومعدلات الخطأ من التثبيتات الفعلية، وما إذا كان الذكاء الاصطناعي مدربًا على البيانات الخاصة بالصناعة. وتذكر أن الوظيفة الأساسية للكاميرا هي السلامة، وليس الذكاء الاصطناعي المثالي، لذا فإن النظام الأقل دقة قليلاً ولكنه يلبي جميع شهادات مقاومة الانفجار هو أفضل بكثير من النموذج عالي الدقة الذي يمكن أن يؤدي إلى انفجار.
إذا كنت مستعدًا لاستكشاف خيارات كاميرات الذكاء الاصطناعي المقاومة للانفجار والمصممة خصيصًا لمنشأتك، أو ترغب في مناقشة الدقة المناسبة لبيئتك المحددة، فإن فريقنا موجود لمساعدتك. اتصل بفريق المبيعات لدينا لطلب تقييم الموقع واختبار أنظمتنا في ظروف حقيقية والحصول على حل مخصص يوازن بين أداء الذكاء الاصطناعي والسلامة.




