بحث تقني في المراقبة عن بُعد لحالة الفتح والإغلاق لمفاتيح عزل شبكة التلامس اعتماداً على التعرّف الرقمي على الصور

بحث تقني في المراقبة عن بُعد لحالة الفتح والإغلاق لمفاتيح عزل شبكة التلامس اعتماداً على التعرّف الرقمي على الصور

—— أسلوب مراقبة ذكي موجَّه إلى العرض البصري في نظام التحكم عن بُعد لإمداد الجر الكهربائي

الملخّص

إن مفتاح عزل شبكة التلامس معدّة أولية في نظام إمداد الجر الكهربائي للسكك الحديدية المكهربة، يتيح تقسيم الإمداد وعزل الأعطال والتحويل بين أنماط التغذية، وتتصل حالة الفتح والإغلاق فيه اتصالاً مباشراً بسلامة الإمداد الكهربائي للقطارات. وفي الوقت الحاضر تأتي إشارات الموضع في نظام التحكم عن بُعد (SCADA) بصورة أساسية من المفاتيح المساعدة ومؤشرات الموضع الميكانيكية؛ فحين تتعرض آلية النقل للالتصاق، أو يكون تماس الملامس المساعد وهمياً، أو يكون مخزون طاقة النابض غير كافٍ، تنشأ حالة من عدم التطابق بين إشارة الموضع والحالة الفعلية للملامسات، ولا يستطيع نظام التحكم عن بُعد بنفسه أن يكتشف هذا الخطر الكامن المتمثل في عدم وصول الفتح أو الإغلاق إلى موضعه. ولهذا تتكرر من حين إلى آخر حوادث من قبيل إغلاق مفتاح التأريض في أثناء وجود الجهد، والقصر بين الأطوار، وقطع الحبل الحامل بالاحتراق. وفي مواجهة هذه المشكلة يقترح هذا البحث حلاً للمراقبة البصرية عن بُعد لحالة الفتح والإغلاق في مفاتيح العزل اعتماداً على التعرّف الرقمي على الصور، يقوم على كاميرات عالية الدقة في الموقع كواجهة استشعار أمامية، وتُعاد الصور عبر شبكة ألياف ضوئية مخصصة للسكك الحديدية وشبكة اتصالات بصرية لاسلكية (FSO) إلى مركز المراقبة، حيث تُستخدم فيها بصورة متكاملة المعالجة المسبقة للصور، واستخلاص الخطوط المستقيمة بتحويل هوغ، والشبكة العصبية الالتفافية (CNN)، وخوارزمية YOLO المحسّنة للكشف عن الأهداف، لإتمام تمييز من ثلاث مراحل: «تحديد موضع سكين المفتاح — التعرّف على الحالة — القياس الكمي للزاوية»، ثم تُقرن نتائج التعرّف بإشارات الملامسات المساعدة في نظام SCADA لتشكيل معيار «التأكيد المزدوج». وقد بلغ متوسط الدقة في التعرّف على حالة الفتح والإغلاق أكثر من 91 % في التجارب التي أُجريت على مجموعة بيانات أُعدّت خصيصاً لمفاتيح عزل شبكة التلامس، كما ارتفع معدل كشف خطر عدم الوصول إلى موضع الفتح أو الإغلاق ارتفاعاً ملموساً مقارنةً بالتمييز القائم على الملامسات المساعدة وحدها.

الكلمات المفتاحية: مفتاح عزل شبكة التلامس؛ التعرّف الرقمي على الصور؛ مراقبة حالة الفتح والإغلاق؛ نظام التحكم عن بُعد؛ التعلّم العميق؛ YOLO؛ التأكيد المزدوج

1 المقدمة

حتى نهاية عام 2024 بلغ طول خطوط السكك الحديدية العاملة في الصين 160 ألف كلم، وتجاوزت نسبة الخطوط المكهربة منها 75 %، وبلغ طول خطوط السكك الحديدية عالية السرعة العاملة أكثر من 46 ألف كلم [1]. ويؤثر التشغيل الآمن لنظام إمداد الجر الكهربائي في السكك الحديدية المكهربة تأثيراً مباشراً في انتظام حركة القطارات.

وفي نظام إمداد الجر الكهربائي، يؤدي مفتاح عزل شبكة التلامس وظائف تقسيم شبكة التلامس كهربائياً، وعزل المقاطع المعطوبة، والتحويل بين أنماط التغذية، وتوفير نقطة فصل ظاهرة لأعمال الصيانة. وفي المحطات الكبرى والساحات ومستودعات القطارات ومواضع الفصل المحايد والتقسيم الكهربائي في ما بين المحطات، قد تبلغ كثافة توزيع مفاتيح العزل عشرات الوحدات في الكيلومتر الواحد [2]، وتحدد حالتها تحديداً مباشراً إمكان التحويل الآمن بين أنماط التغذية.

وفي الوقت الحالي أُدرجت الغالبية العظمى من مفاتيح عزل شبكة التلامس في نظام التحكم عن بُعد SCADA (Supervisory Control and Data Acquisition)، وأصبحت تؤدي وظائف التحكم عن بُعد والإشارات عن بُعد والقياس عن بُعد [3]. غير أن إشارات الموضع التي يحصل عليها نظام التحكم عن بُعد تأتي أساساً من المفاتيح المساعدة ومؤشرات الموضع الميكانيكية. وعند حدوث التصاق في آلية النقل أو تماس وهمي في الملامس المساعد أو نقص في مخزون طاقة النابض أو تعطّل المحرك بفعل الاهتزاز، يصدر نظام التحكم عن بُعد إشارات خاطئة وبلاغات كاذبة، فلا تتطابق إشارة الموضع مع الحالة الفعلية للملامسات [4-5]. وقد تكررت في السنوات الأخيرة تقارير عن حوادث من قبيل إغلاق مفتاح التأريض في أثناء وجود الجهد والقصر بين الأطوار، بسبب عدم وصول مفاتيح العزل إلى موضع الفتح أو الإغلاق [6-7].

ويُعدّ استحداث وسيلة مستقلة ومرئية لتمييز الحالة خارج نظام التحكم عن بُعد، بحيث تُحدَّد بسرعة حالةُ وصول مفاتيح العزل إلى موضع الفتح أو الإغلاق، مسألةً عملية تواجهها الصيانة الذكية لإمداد الجر الكهربائي. وقد وفّر تطور الرؤية الحاسوبية والتعلّم العميق مساراً تقنياً جديداً لهذه الحاجة [8]. فمن خلال المراقبة البصرية عن بُعد للأجزاء الحاسمة مثل سكين المفتاح والملامسات وأذرع النقل، يمكن التوصل إلى تمييز موضوعي لحالة الوصول إلى موضع الفتح أو الإغلاق دون تغيير بنية جسم المفتاح، بما يسدّ المنطقة العمياء في إشارات نظام التحكم عن بُعد.

ويستعرض هذا البحث الوضع الراهن للبحوث في المراقبة عن بُعد لحالة الفتح والإغلاق لمفاتيح عزل شبكة التلامس وأساليبها الأساسية، ويقارن بين المسارين التقنيين: معالجة الصور التقليدية والتعلّم العميق، ويناقش دمج الصور متعدد الأنماط وآلية التمييز القائمة على «التأكيد المزدوج»، كما يحلّل حدود الأساليب الحالية واتجاهات تطويرها في المستقبل.

2 خلفية البحث وأهميته

2.1 مفتاح عزل شبكة التلامس ودوره في إمداد الجر الكهربائي

مفتاح عزل شبكة التلامس جهاز جهد عالٍ لا يمتلك قدرة على إطفاء القوس الكهربائي، ويقوم بوصل الدائرة أو فصلها في ظروف انعدام تيار الحمل. ويُقسَّم بحسب الغرض إلى مفتاح عزل للفصل المحايد، ومفتاح عزل للتقسيم الكهربائي، ومفتاح عزل للتغذية من الشبكة، ومفتاح عزل للربط، ومفتاح عزل لتجاوز المنطقة وغيرها [2]؛ ويُقسَّم بحسب الشكل الإنشائي إلى النوع المقصّي (سلسلة GW6/GW16)، والنوع الدوّار الأفقي ذي العمودين (سلسلة GW4)، والنوع الدوّار ذي الأعمدة الثلاثة بالعمود الأوسط (سلسلة GW7) وغيرها. وهو منتشر بكثرة في محطات الجر الكهربائية ومحطات التقسيم ومحطات AT ومحطات الربط والمواضع المحايدة ومواضع التقسيم الكهربائي في ما بين المحطات.

يتألف مفتاح العزل من أربعة أجزاء: الجزء الموصّل (الملامسان المتحرك والثابت وأذرع التوصيل)، والجزء العازل (العازل القضيبي الداعم أو عازل قضيب الشد)، وجزء النقل (أذرع الربط والذراع المرفقية والمحامل)، وآلية التشغيل (آلية يدوية أو آلية كهربائية أو آلية كهربائية بنابض) [9]. وتتلقى الآلية الكهربائية أمر نظام التحكم عن بُعد فتُحرّك آلية النقل، التي تنقل الحركة عبر منظومة أذرع الربط إلى أذرع التوصيل فتدور حول العمود الداعم، فيتحقق إغلاق الملامسين المتحرك والثابت أو انفصالهما. ووفقاً لما ينصّ عليه المعيار GB 1985-2014، لا يجوز إصدار إشارة الموضع المقابلة إلا حين تصل الملامسات المتحركة في جميع الأطوار إلى موضع الإغلاق أو الفتح [10]. ولذلك أصبح تمييز الموضع الفعلي للملامس المتحرك جوهر عملية مراقبة الحالة.

الشكل 1 صورة فعلية لمعدات مفتاح عزل شبكة التلامس

2.2 الوضع الراهن لنظام التحكم عن بُعد في إمداد الجر الكهربائي ومواضع القصور فيه

يتألف نظام التحكم عن بُعد في إمداد الجر الكهربائي من المحطة الرئيسية في طرف التحكم، وأجهزة التحكم عن بُعد في المحطات الخاضعة للتحكم (RTU)، وقنوات الاتصال الخاصة به [3]. وقد أدى دوره في أتمتة التحكم وتحديد موضع العطل والتحويل بين أنماط التغذية، غير أن ثمة المشكلات التالية في إدراكه لحالة مفاتيح العزل.

أولاً، أحادية مصدر إشارة الموضع. فالمفتاح المساعد يبدّل ملامساته بالربط مع العمود الرئيسي لآلية التشغيل، لكن الملامس المساعد نفسه يعاني مشكلات من قبيل التآكل الميكانيكي وإجهاد النابض والتماس الوهمي. فقد تعرّض أحد سكاكين مفاتيح GIS في محطة كهرومائية ضخمة لحالة انقطعت فيها إشارة الملامس المساعد لموضع الفتح والإغلاق في آلية الطور B وكان ملامس المفتاح الدقيق للإغلاق وهمياً، فتعذّر تشغيل قاطع الدائرة بصورة سليمة وأصدرت الحماية بلاغاً كاذباً [11]. ومن ثم فقد يوجد انحراف بين إشارة «الوصول إلى الموضع» التي يقدمها الملامس المساعد والموضع الميكانيكي الفعلي.

ثانياً، صعوبة انعكاس أعطال آلية النقل في الإشارات الكهربائية. فعدم وصول مفتاح العزل إلى موضع الإغلاق ينشأ غالباً عن أسباب ميكانيكية مثل الالتصاق في آلية النقل وتشوّه أذرع الربط وصدأ المفاصل العامة والخلوص في مجرى مفتاح الترس [12]. ففي معدات GIS في أحد محطات التحويل بقدرة 220 kV، على سبيل المثال، صدأ أحد المفاصل العامة والتصق حتى انحبس، وأدى الخلوص في مجرى مفتاح الترس إلى استمرار الآلية في الدوران حتى بلغت موضع تبديل المفتاح المحوِّل، بينما لم يصل الملامس المتحرك فعلياً إلى موضعه، فأظهر المؤشر الميكانيكي ومصباح لوحة التحكم الموحّدة إشارة «الفصل»، في حين ظل الملامسان المتحرك والثابت في حالة تماس وهمي، وانتهى الأمر إلى تفريغ كهربائي أتلف الملامسات [13]. وسمة هذا النوع من الأعطال انفصال الموضع الميكانيكي عن الإشارة الكهربائية، فلا يمكن كشفه بالاعتماد على الإشارات عن بُعد وحدها.

ثالثاً، احتمال حدوث تشغيل خاطئ للطرف البعيد لنظام التحكم في ظل التداخل الكهرومغناطيسي القوي. ففي 7 يونيو 2015، تعرّض الطرف البعيد لمفتاح العزل الكهربائي في الموضع المحايد بمحطة التقسيم دينغتاو التابعة لإدارة سكك حديد جينان على خط بكين—كاولون للتداخل الكهرومغناطيسي من الخارج، فأغلق مفتاح العزل خطأً وهو في حالته الطبيعية المفتوحة، وأدخل مصدر الطاقة إلى المنطقة الخالية من الجهد عند تجاوز الموضع المحايد، فحدث قوس كهربائي عند المنساخ وانقطع الحبل الحامل بالاحتراق، وتأثرت حركة أكثر من 20 قطاراً [14].

رابعاً، افتقار نظام التحكم عن بُعد إلى وسيلة تحقق مستقلة عند خطأ إشاراته الذاتية. ففي حوادث انفصال القواطع في شبكة التلامس على جانبي الموضع المحايد في السكك الحديدية عالية السرعة، أدّت مشكلات من قبيل الإغلاق الخاطئ لمفتاح عزل الموضع المحايد، وتشابك أسلاك التحكم، واضطراب البيانات في شرائح الذاكرة داخل وحدة RTU، إلى تقصير الموضع المحايد في شبكة التلامس، وما نجم عن ذلك من احتراق الحبل الحامل وانقطاع التيار لفترات طويلة [15].

2.3 حالات حوادث عدم وصول مفاتيح العزل إلى موضع الفتح أو الإغلاق وأضرارها

ضمّنت «مجموعة حالات الأعطال والعيوب النموذجية في معدات المفاتيح عالية الجهد (2011—2018)» 74 حالة عطل نموذجية، وأُفرد فيها قسم مستقل لـ«أعطال التفريغ الناجمة عن عدم الوصول إلى موضع الفصل أو الإغلاق»، يغطي معدات GIS بمستويات جهد متعددة من 1000 kV إلى 110 kV [16]. فعدم الوصول إلى موضع الإغلاق يُبقي الملامسين المتحرك والثابت في تماس وهمي، فيستمر الملامس في التسخين أثناء التشغيل، وقد يؤدي ذلك إلى التآكل الكهربائي وارتفاع مفاجئ في ضغط الغاز داخل الحجيرة، بل إلى انفجار قاعدة مفتاح التأريض؛ أما عدم الوصول إلى موضع الفصل فينجم عنه نقص في مسافة العزل، فيحدث عند إعادة الإمداد تفريغ انهياري يؤدي إلى تفريغ القضيب الجامع الأعلى إلى الأرض وإلى عمل حماية الفرقان للقضبان الجامعة.

وفي فبراير 2009، وأثناء تنفيذ عملية «نقل المحول الرئيسي رقم 2 من حالة الصيانة إلى حالة التشغيل» في محطة تحويل بقدرة 500 kV، لم يصل مفتاح التأريض 5021-17 في الطور A إلى موضع الفصل، وأغلق المشغّل مفتاح العزل على جانب القضيب الجامع دون التحقق من الموضع، فأدى ذلك إلى تفريغ القضيب الجامع I بقدرة 500 kV إلى الأرض وعمل حماية الفرقان، وانفصلت جميع قواطع الدائرة المتصلة بالقضيب الجامع I [17]. كما وقعت في أعمال صيانة شبكة التلامس حوادث صعق كهربائي للعاملين بسبب عدم انفصال مفتاح العزل انفصالاً حقيقياً [18].

ومن منظور التشغيل، قد يمتد انقطاع التيار الناجم عن عطل واحد في مفتاح العزل إلى عشرات القطارات. فقد تسبّب عطل في نظام التحكم عن بُعد لمفاتيح العزل في محطة أتوتشا بمدريد في إسبانيا في توقف حركة القطارات كلياً بين أتوتشا وتشامارتين، من الساعة الرابعة صباحاً حتى الثامنة صباحاً [19].

2.4 أهمية إدخال تقنية التعرّف على الصور

تتسم مراقبة الحالة القائمة على التعرّف الرقمي على الصور بكونها غير تلامسية ومرئية وقابلة للقياس الكمي وغير متأثرة بالتداخل الكهرومغناطيسي. فبتركيب كاميرات عالية الدقة عند مفاتيح العزل وجمع صور آنية لسكين المفتاح والملامسات وأذرع النقل، والاستعانة بخوارزميات معالجة الصور والتعلّم العميق للتعرّف الآلي على حالة المفتاح، يمكن الحصول على الموضع الميكانيكي الحقيقي للمفتاح دون تغيير بنية المعدات الأولية.

وبالمقارنة مع إشارة الملامس المساعد، يوفّر التعرّف على الصور مصدر إشارة ثانياً مستقلاً. ففي عمليات تبديل المعدات بنمط «التحكم المتسلسل بضغطة واحدة» في محطات التحويل، تُعتمد لموضع مفتاح العزل معايير متعددة هي «الإشارة الكهربائية + الموضع الميكانيكي + التأكيد البصري»، وبلغت دقة تقدير الموضع أكثر من 99.9 % [20]. ونقل هذا الفكر إلى مراقبة مفاتيح عزل شبكة التلامس يمكن أن يقلل احتمال الخطأ في التقدير.

يتيح استخراج زاوية سكين المفتاح بوساطة طرق معالجة الصور مثل تحويل هوغ حكمًا كميًا على أساس قاعدة «الفتح عند 0° والإغلاق عند 90°»، وتمييز الحالات الوسيطة مثل «الفتح أو الإغلاق الناقص»، بدلًا من مجرد حكم ثنائي القيمة. كما يسمح إدخال الصور بالأشعة تحت الحمراء بالكشف المتزامن عن عيوب مثل الشذوذ في درجة حرارة الملامسات والتلوث على العوازل، فيتوسّع نطاق المراقبة من «التعرّف على الحالة» إلى «كشف العيوب»[41][42].

3　حالة البحث داخل الصين وخارجها

3.1　تقدّم البحث خارج الصين

حقّقت السكك الحديدية المكهربة في دول مثل اليابان وفرنسا وألمانيا في وقت مبكر المراقبة المركزية عن بُعد لمفاتيح عزل شبكة التلامس، وبدأت في استكشاف تطبيقات تقنيات الفيديو والتعرّف على الصور[2]. ويجمع نظام «CATENARY EYE» من شركة ميجي دينكي اليابانية بين معالجة الصور وتحليل الذكاء الاصطناعي، إذ يستطيع تشخيص حالة شبكة التلامس تشخيصًا غير تلامسي أثناء مرور القطارات بسرعتها التشغيلية[21]. أما الدراسات في أوروبا وأمريكا فقد أدرجت مراقبة مفاتيح العزل في إطار التفتيش الذكي لمحطات التحويل والتفتيش بالطائرات المسيّرة. وقدّم Karaköse وآخرون[22] طريقة تشخيص غير تلامسية لأعطال نظام التلامس بين البانتوجراف وشبكة التلامس قائمة على التعرّف على الأنماط، تدمج صور الفيديو مع بيانات المستشعرات للكشف عن شذوذات شبكة التلامس. وعلى مستوى الخوارزميات، أضحت سلسلة YOLO واحدة من أكثر أطر التعرّف على صور المعدات الكهربائية شيوعًا بفضل طابعها الشامل من الطرف إلى الطرف وكفاءتها الزمنية العالية، وقد حقّقت خوارزمية EMB-YOLO على مجموعة بيانات الكشف عن حالة مفاتيح العزل نتائج بلغت فيها [email protected] قيمة 87.2% و FPS قيمة 52.6[23].

3.2　تقدّم البحث داخل الصين

بدأت البحوث المحلية في الصين حول التعرّف على صور مفاتيح العزل في حدود عام 2010، وكانت في مراحلها الأولى موجّهة إلى تلبية متطلبات «التحكم المتسلسل بضغطة واحدة» في محطات التحويل، واعتمدت أساسًا على طرق معالجة الصور التقليدية؛ ومن أمثلة ذلك التعرّف على حالة المفتاح بالاعتماد على التثنية بعتبتين والترشيح في المجال المكاني وإسقاط المناطق المتصلة[24]، وكذلك تحديد موضع سكين المفتاح بدمج تحويل Contourlet غير المُعوَّض مع تجزئة الإنتروبيا العظمى ثنائية الأبعاد[8]. وهذه الطرق واضحة المبدأ وقليلة الحمل الحسابي، لكن قدرتها على التكيّف مع التشويش الناتج عن الخلفيات المعقّدة وتغيّرات الإضاءة تبقى محدودة.

وفي السنوات الأخيرة، أضحت الطرق القائمة على الشبكات العصبية الالتفافية (CNN) هي السائدة تدريجيًا. فقد بنى تشانغ وي وآخرون[25] نماذج تصنيف بأعماق مختلفة على أساس ResNet، وبلغت دقة التعرّف عليها 99.7% على مجموعة بيانات المراقبة بالفيديو لمفاتيح العزل. وطرح لي هوي تشيون[4] طرحًا منهجيًا طريقةً للتعرّف على حالة مفتاح العزل بالاعتماد على تقنية الصور الرقمية، تستخدم الترشيح الغاوسي مع مؤثر LoG لكشف الحواف، وتحويل هوغ لاستخراج خطوط محيط سكين المفتاح، وتعتمد القياس الكمي للزاوية في الحكم على حالة الفتح والإغلاق، كما حلّل تأثير الأحوال الجوية القاسية في دقة التعرّف.

وفي مجال تحسين الخوارزميات، أدخل شين دونغ جيه[26] آلية انتباه في الشبكة الرئيسية YOLOv5s، وحسّن شبكة دمج السمات متعددة المقاييس، وعزّز انحدار إطار التحديد بوساطة دالة الخسارة SIoU. وقدّم تشانغ بينغ وآخرون[27] نموذج كشف YOLO-MECD قائمًا على دمج الصور متعدد الأنماط، يستعين بوحدة الإدماج التفاعلي الهرمي CNN-Transformer (CTHIE) لدمج استخراج السمات المحلية بالشبكة الالتفافية مع نمذجة الاعتماديات الشاملة بالمحوّل، فبلغت الدقة 85.6% و mAP قيمة 88.6% على مجموعة بيانات مفاتيح العزل عالية الجهد، مع ضغط حجم النموذج إلى 4.66 MB. وفي مجال التعلّم متعدد المهام، حقّقت بحوث سابقة بالجمع بين التجزئة على مستوى البكسل والتعرّف على الحالة تكاملًا بين تجزئة مفتاح العزل والتعرّف على حالته في ظل تشويشات بيئية كالمطر والثلج والضباب[28].

3.3　مقارنة المسارات التقنية الرئيسية

تتشكّل في البحوث القائمة ثلاث فئات رئيسية من المسارات التقنية. الفئة الأولى تقوم على معالجة الصور التقليدية وتتمحور حول تحويل هوغ وكشف الحواف والعمليات المورفولوجية، وتحقّق الحكم على الحالة باستخراج زاوية سكين المفتاح أو سماته الهندسية، وميزتها وضوح المبدأ وانخفاض متطلبات القدرة الحسابية، وعيبها ضعف التكيّف مع الخلفيات المعقّدة وتغيّرات الإضاءة. والفئة الثانية تقوم على الكشف والتصنيف الشاملين من الطرف إلى الطرف بالتعلّم العميق، ويمثّلها YOLO و Faster R-CNN و ResNet، وميزتها دقة التعرّف العالية وقدرة التعميم القوية نسبيًا، وعيبها الحاجة الكبيرة إلى عيّنات التدريب وضعف قابلية تفسير النموذج. أما الفئة الثالثة فتقوم على الدمج متعدد الأنماط والتعلّم متعدد المهام، وتدمج صورًا من مصادر متعددة كالصور المرئية وصور الأشعة تحت الحمراء، فتتيح التعرّف على الحالة وكشف العيوب في الوقت نفسه، إلا أن تعقيد النظام فيها أعلى.

توجد مفاتيح عزل شبكة التلامس في بيئة مكشوفة في العراء، وتتأثر بالمطر والثلج والضباب وضعف الإضاءة ليلًا، كما تتقيّد بعرض نطاق قناة التحكم عن بُعد وقدرة الحوسبة الطرفية، ولذلك يصعب على مسار تقني واحد أن يوازن بين الدقة والمتانة والاستجابة الزمنية. ولهذا يعتمد هذا البحث مسارًا هجينًا «معالجة صور تقليدية + تعلّم عميق»: إذ يحقّق نموذج التعلّم العميق تحديد موضع سكين المفتاح وتصنيفها تصنيفًا أوليًا، ويحقّق تحويل هوغ قياسًا كميًا دقيقًا لزاويتها، ويرفع الدمج متعدد الأنماط القدرة على التكيّف في البيئات القاسية، ويوحّد آلية «التأكيد المزدوج» بين الإشارات الكهربائية ونتائج التعرّف على الصور.

4　تصميم البنية العامة للنظام

4.1　تصميم طبقة العتاد

تضم طبقة العتاد أربعة أنظمة فرعية: التقاط الصور في الطرف الأمامي، والنقل بالاتصالات، والإضاءة المساعدة، والحوسبة الطرفية. وفي ما يتعلق بالتقاط الصور، تُركَّب من كاميرا واحدة إلى كاميرتين شبكيتين عاليتي الدقة في موضع مناسب أسفل كل مفتاح عزل بحيث تغطّي سكين المفتاح والملامسات ورابطات النقل. ويراعي اختيار الكاميرا معايير مثل دقة 1080P أو أعلى، والضغط H.265/H.264، والتحوّل من الألوان إلى الأبيض والأسود عند الإضاءة المنخفضة، والنطاق الديناميكي الواسع (WDR)، ودرجة حماية IP65 أو أعلى[29]. ويمكن في المواضع الحرجة كمواضع فصل الأطوار والفصل المقطعي استخدام تهيئة كاميرتين للتكرار الاحتياطي.

ويُعتمد في النقل بالاتصالات حلٌّ هجين «اتصال ضوئي لاسلكي (FSO) + اتصال بالألياف الضوئية»[2]. ويستفيد FSO من ليزر الأشعة تحت الحمراء لنقل الإشارات الضوئية عبر الغلاف الجوي، ويتميّز بعرض نطاق نقل واسع ومقاومة للتشويش الكهرومغناطيسي، ويمكنه أن يحلّ مشكلة صعوبة تنفيذ الأعمال عند عبور الكابلات القائمة للخطوط الحديدية. أما النقل لمسافات طويلة وعبر المحطات فيُعتمد فيه على شبكة الألياف الضوئية المخصّصة للسكك الحديدية. وفي الحالات المحدودة بعرض النطاق يمكن استخدام أسلوب «التقاط الصور + إرسال الصور الثابتة»[3].

وفي ما يتعلق بالإضاءة المساعدة، تُركَّب مصابيح LED للأشعة تحت الحمراء بجانب الكاميرا على أعمدة شبكة التلامس، وتُغذّى بتيار مستمر 24 V. وقد نُفّذت على خط بكين — تيانجين للركاب المخصّص في السابق عمليات تركيب واسعة لكاميرات ومصابيح أشعة تحت الحمراء على أعمدة شبكة التلامس، بواقع مجموعة لكل عمودين، تغطّي مدى مراقبة من 10 إلى 150 m نهارًا ومن 10 إلى 100 m ليلًا، وظلّت تضمن وضوح الصورة تحت اهتزاز الرياح الناتج عن مرور قطار بسرعة 300 km/h[30].

وفي ما يتعلق بالحوسبة الطرفية، تُنشَر في الطرف الأمامي صناديق حوسبة طرفية ذات قدرة تسريع بـ NPU/GPU، لتُنفّذ محليًا مهام مثل المعالجة المسبقة للصور وكشف الأهداف، ولا يُعاد إلى مركز المراقبة إلا نتائج التعرّف والصور الأساسية[31].

4.2　تصميم طبقة البرمجيات

تعتمد طبقة البرمجيات بنية طبقية تشمل من الأسفل إلى الأعلى طبقة جمع البيانات، وطبقة معالجة الصور، وطبقة التعرّف الخوارزمي، وطبقة منطق الأعمال، وطبقة العرض والتطبيقات. وتتولّى طبقة جمع البيانات التقاط تدفقات الفيديو وتخزين الصور؛ وتتولّى طبقة معالجة الصور المعالجةَ المسبقة من إزالة التشويش والمطابقة والتعزيز؛ وتُدمج في طبقة التعرّف الخوارزمي نماذج متعددة يُختار منها الأنسب حسب السيناريو؛ وتدمج طبقة منطق الأعمال نتائج التعرّف مع إشارات التحكم عن بُعد لتنفيذ حكم «التأكيد المزدوج»؛ وتوفّر طبقة العرض والتطبيقات واجهات مرئية عبر شبكة الويب والأجهزة المحمولة.

ويُعتمد في نشر الخوارزميات بنية «التعاون بين السحابة والطرف». فتُنشَر في العُقد الطرفية نماذج خفيفة (مثل YOLOv5n/YOLOv8n و MobileNetV2) لتحقيق التعرّف الآني، بينما تُنشَر في السحابة المركزية نماذج كبيرة (مثل YOLOv8x و ResNet-101) لتحقيق التعرّف الدقيق في السيناريوهات المعقّدة وتدريب النماذج. وتجمع السحابة المركزية عيّنات الموقع باستمرار، وتعيد تدريب النماذج الطرفية وتحديثها دوريًا، فتتشكّل حلقة مغلقة من «التعلّم المستمر — التحسين التكراري — التحديث عن بُعد»[31].

الشكل 2: البنية العامة لنظام المراقبة

4.3　التكامل والترابط مع نظام التحكم عن بُعد

ويُعتمد في التكامل مع نظام SCADA نمط «تشغيل العملية — ترابط الفيديو — تغذية راجعة بالنتيجة»: فعندما يتلقّى نظام التحكم عن بُعد أمر تشغيل الفتح أو الإغلاق، تُستثار في الوقت نفسه صورة المراقبة بالفيديو لمفتاح العزل المعني، وتُتّخذ نتائج التعرّف على الفيديو وإشارات نقاط التلامس المساعدة معًا أساسًا للحكم على الحالة[20]. وعلى مستوى العتاد، تُستقبل معلومات تشغيل معدات الجهد الأولي في SCADA عبر جهاز عزل وتُربط بصورة الفيديو للمعدة المشغَّلة[32]؛ وعلى مستوى البرمجيات، تُدخَل نتائج التعرّف إلى المحطة الرئيسية لـ SCADA في صورة إشارة «مراقبة مرئية عن بُعد» تُعرض إلى جانب إشارة «الإشارة عن بُعد»، ويُنشأ إنذار تلقائيًا عند اختلافهما.

فبعد أن اعتمدت إحدى محطات التحويل بقدرة 110 kV نظام التحكم المتسلسل بضغطة واحدة، تقلّص زمن عمليات الفصل والوصل في الخلية الواحدة من 45 دقيقة إلى 1.5 دقيقة، وانخفض معدّل الأخطاء التشغيلية إلى الصفر[20]. ويمكن تطبيق هذا التصوّر في سياق شبكة التلامس على مجمل عملية قطع الإمداد وإعادته وعملية التأريض، عبر ثلاثة أنماط للتحكم: مركزي ومحطة ومحلي، بما يتيح تنفيذ عمليات مبرمجة «تحكّم متسلسل + تحكّم متوازٍ»[33].

5　الطرق التقنية الرئيسية

5.1　التقاط الصور والمعالجة المسبقة

تجمع استراتيجية الالتقاط بين «الاستثارة بالحدث + التفتيش الدوري المجدول»: فعندما يُرسل نظام التحكم عن بُعد أمر التشغيل، تلتقط الكاميرا بمعدّل إطارات عالٍ (≥15 fps) صورًا متتابعة لعملية حركة المفتاح؛ وفي الفترات غير التشغيلية تُلتقط صور ثابتة للمفتاح على فترات محددة. ولضمان دقة القياس الكمي لزاوية سكين المفتاح، تُستخدم دقة صورة 1080P (1920×1080) أو أعلى.

تشمل المعالجة المسبقة للصور مراحل التحويل إلى التدرّج الرمادي، والترشيح لإزالة التشويش، وموازنة المدرّج التكراري، والتصحيح الهندسي والمطابقة. ولمواجهة التشويش الغاوسي وتشويش الملح والفلفل يُستخدم الترشيح الغاوسي أو إزالة التشويش BM3D[34]؛ ولمواجهة عدم انتظام الإضاءة تُستخدم موازنة المدرّج التكراري التكيّفية محدودة التباين (CLAHE) أو خوارزمية Retinex متعددة المقاييس مع استعادة الألوان (MSRCR)[35]؛ ولمواجهة انحراف زاوية الكاميرا تُستخدم تقنية مطابقة الصور القائمة على ارتباط الطور[36]. أما تعزيز البيانات فيُعتمد فيه على التحويلات الهندسية (الدوران والقصّ وتغيير الحجم) وتحويلات البكسل (تذبذب الألوان وحقن التشويش) والتحويلات العشوائية في مكتبة Albumentations[26]، لتوسيع تنوّع العيّنات.

الشكل 3: مسار التقاط الصور ومعالجتها

5.2　كشف الحواف وتحويل هوغ اعتمادًا على معالجة الصور التقليدية

تتّخذ طرق معالجة الصور التقليدية من الخصائص الهندسية لسكين المفتاح محورًا لها، ويتمثّل مسارها الأساسي في: المعالجة المسبقة للصورة → كشف الحواف → استخلاص المستقيمات بتحويل هوغ → حساب زاوية سكين المفتاح → الحكم على الحالة. وقد أوصى لي هويتشيون[4]، من خلال تجارب مقارنة للمؤثرات، بالجمع بين «الترشيح الغاوسي + مؤثر LoG» في كشف الحواف. وفي مرحلة تحويل هوغ يُستخدم تحويل هوغ الاحتمالي التدريجي (PPHT)، إذ يُضبط معاملان هما أقصر طول لقطعة المستقيم وأقصى فاصل بين مستقيمين، بما يحقّق استخلاصًا سريعًا للمستقيمات الممثّلة لمحيط سكين المفتاح[37].

ويعتمد الحكم على الحالة على معيارين مزدوجين هما «الزاوية + المحيط»: ففي حالة الإغلاق تكون الزاوية بين الخط المحوري لسكين المفتاح والاتجاه الأفقي قريبة من 90° ولا توجد فجوة مرئية بين التلامسين المتحرك والثابت؛ وفي حالة الفتح تكون الزاوية بين سكين المفتاح والاتجاه العمودي قريبة من 0° وتظهر فجوة عزل واضحة بين التلامسين المتحرك والثابت؛ أما إذا وقعت الزاوية بين الحالتين أو وُجد تماس غير طبيعي بين التلامسين فيُحكم بأن «الفتح أو الإغلاق غير مكتمل»[38]. ويمكن لهذا الأسلوب تحقيق استجابة بمستوى الميلي ثانية على الأجهزة الطرفية، بيد أن دقته تنخفض انخفاضًا ملحوظًا في الأحوال الجوية من مطر وثلج وضباب.

الشكل 4　رسم توضيحي لنتيجة استخلاص المستقيمات بتحويل هوغ

5.3　كشف الأهداف والتصنيف استنادًا إلى التعلّم العميق

تتّخذ الأساليب القائمة على التعلّم العميق من الشبكة العصبية الالتفافية محورًا لها، فتحقّق من خلال التدريب من الطرف إلى الطرف تحديد موضع سكين المفتاح وتصنيف حالته. وقد اعتمد لي هويتشيون وآخرون[4] خوارزمية YOLOv5 المبنية على شبكة MobileNetV2 لاستخلاص الخصائص في تحديد موضع مفتاح العزل، واستخدموا تقنية كشف الحواف المركّبة لاستخلاص حواف سكين المفتاح وحساب زاوية الفتح والإغلاق. وبلغ نموذج التصنيف الذي بناه جانغ واي وآخرون[25] على أساس ResNet دقة 99.7% على مجموعة التحقق. أما الأسلوب القائم على ECA-CNN فيُدخل آلية انتباه القنوات عالية الكفاءة، ويبلغ فيه معدل دقة التعرّف أكثر من 97%، بزيادة 12% عن الشبكة العصبية الالتفافية الأساسية[40].

أما من حيث تحسين الخوارزمية، فمن اتجاهات التحسين القائمة ما يلي: إدخال آليات انتباه مثل SE وCBAM وEMA في الشبكة الرئيسية لتعزيز الخصائص المفتاحية[26][27]؛ واستبدال بنية C3K2 بوحدة CSPPC لضغط حجم النموذج[27]؛ وتغيير دالة الخسارة إلى SIoU أو إدخال MPDIoU لرفع دقة انحدار إطار الحدود[26][27]؛ وإدخال الرأس المفصول (Decoupled Head) لفصل مهمّتي التصنيف والانحدار[26].

الشكل 5　نتيجة كشف هدف مفتاح العزل باستخدام YOLO

5.4　دمج الصور متعددة الأنماط والتلاؤم مع البيئات القاسية

توجد مفاتيح عزل شبكة التلامس في بيئة مفتوحة في العراء، ويصعب على صورة الضوء المرئي المفردة أن تضمن دقة التعرّف في ظروف المطر والثلج والضباب والإضاءة المنخفضة ليلًا والانعكاس العكسي القوي للضوء. ويعتمد أسلوب الدمج CTHIE الذي اقترحه جانغ بينغ وآخرون[27] على وحدة إعادة التجميع الديناميكي لتمثيل الخصائص (DRFR) لتحقيق محاذاة تكيّفية للخصائص بين الأنماط المختلفة، وعلى آلية الدمج الأمامي الشامل الإدراك (FPFF) لإعادة بناء الصورة المدمجة.

تتّسم الصور بالأشعة تحت الحمراء بقيمة عملية في مراقبة مفاتيح العزل. وقد رفع أسلوب التعرّف على الحالة القائم على دمج الأشعة تحت الحمراء والضوء المرئي متوسط الدقة إلى 92.67%، أي بزيادة 7.67 نقطة مئوية عن التعرّف بأحادي النمط[41]. كما يمكن للقياس الحراري بالأشعة تحت الحمراء أن يكشف في الوقت نفسه الشذوذ في درجة حرارة التلامسات — فعندما يرفع سوء التلامس مقاومة التلامس، تستطيع صورة الأشعة تحت الحمراء أن ترصد عيب فرط التسخين مباشرة[42]. وفي مشاهد الإضاءة المنخفضة ليلًا، يضمن الجمع بين الإضاءة المساعدة بمصابيح LED العاملة بالأشعة تحت الحمراء والكاميرا منخفضة الإضاءة ذات التحويل من الألوان إلى الأبيض والأسود وخوارزمية تحسين الصور MSRCR دقة التعرّف[35][43].

الشكل 6　رسم توضيحي لنتيجة دمج صور الضوء المرئي والأشعة تحت الحمراء

5.5　آلية الحكم «التأكيد المزدوج»

تتّخذ آلية الحكم «التأكيد المزدوج» من نتيجة التعرّف على الصورة وإشارة نقطة التلامس المساعدة لنظام التحكم عن بُعد معيارين متوازيين للحكم على الحالة. وعندما يُصدر نظام التحكم عن بُعد أمر التشغيل ويستقبل إشارة نقطة التلامس المساعدة، تُستحثّ في الوقت نفسه وحدة التعرّف على الصورة للحكم على الموضع الحقيقي للمفتاح: فإن تطابق الاثنان حُكم بأن الحالة سليمة، وإن اختلفا حُكم بأنها غير طبيعية (مثل «الإشارة تشير إلى الوصول — والرؤية تشير إلى عدم الوصول»)، فتُولَّد إنذارات تلقائيًا[20].

وفي التطبيق الهندسي تعتمد آلية «التأكيد المزدوج» بنية هرمية من «المعيار الرئيسي + المعيار المساند»: فالمعيار الرئيسي هو إشارتا نقطة التلامس المساعدة للإغلاق والفتح، وتُستكمل بنتيجة التعرّف الذكي على الفيديو كتأكيد بصري[20]. وفي المشاهد التي تتطلب دقة أعلى يمكن إدخال معلومات متعددة المصادر من قبيل أجهزة استشعار الضغط وأجهزة استشعار الوضع والحسّاسية البصرية، لتشكيل منظومة معايير متعددة هي «التعرّف على الصورة + الإشارة الكهربائية + الموضع الميكانيكي + الإحساس بدرجة الحرارة»[44]. وعندما تتفق نتائج المعايير المتعددة يؤكّد النظام الحالة تلقائيًا؛ وعندما تختلف تُعالَج الحالة تفاضليًا وفق الأولوية المسبقة ومستوى الإنذار — فالاختلاف العادي يولّد تحذيرًا أصفر، والاختلاف المهم يولّد إنذارًا أحمر ويقفل العمليات اللاحقة، منعًا لتفاقم الحادث.

الشكل 7　مسار آلية الحكم «التأكيد المزدوج»

6　التجربة والتحليل

6.1　بناء مجموعة البيانات

تقلّ مجموعات البيانات المتاحة للعموم في مجال التعرّف على صور مفاتيح عزل شبكة التلامس، ولذلك تعتمد معظم الدراسات على مجموعات بيانات من إنشائها. وقد جمع لي هويتشيون[4] صورًا لمفاتيح عزل شبكة التلامس تغطي إضاءة وأحوالًا جوية وزوايا رؤية مختلفة. كما بنى Quan وآخرون[45] مجموعة بيانات IVIS2021 لمفاتيح عزل محطات الجر الكهربائية، وبلغت الدقة في الكشف بـ ISD-Net وفي التعرّف على الحالة بالقياس الهندسي 90.88% و91.12% على الترتيب. أما توثيق البيانات فقد قسّم حالات سكين المفتاح تقسيمًا دقيقًا إلى الإغلاق المكتمل والإغلاق غير المكتمل والفتح المكتمل والفتح غير المكتمل وقيد الحركة وغيرها، مع توثيق إطار حدود سكين المفتاح وإحداثيات النقاط المفتاحية[26].

أما تعزيز البيانات، فطرق مثل توسيع Mosaic وMixUp وCutMix قادرة على توسيع تنوّع العيّنات توسيعًا فعّالًا[46]. وقد خفّض فريق الأستاذ Lü Fangcheng، في خوارزمية Mosaic المحسّنة على أساس YOLOv4، خطأ التدريب من 1.011 إلى 0.302، ورفع دقة التعرّف إلى 84.3%[46]. وفيما يخص الفئات قليلة العيّنات مثل «الفتح أو الإغلاق غير المكتمل» يمكن استخدام شبكات GAN أو نماذج الانتشار لتوليف العيّنات. ويبلغ حجم البيانات التي يعالجها نظام 6C القائم في السكك الحديدية[47] نحو 120 GB يوميًا[48]، وهي حافلة بموارد صور مفاتيح العزل، ويمكن أن تكون مصدرًا لبناء مجموعة بيانات واسعة النطاق.

6.2　بيئة التجربة ومؤشرات التقييم

تُستخدم في بيئة التجربة عادةً خوادم من سلسلة Intel Xeon أو AMD EPYC، مزوّدة بوحدات معالجة رسومية NVIDIA RTX 3090/4090 أو A100 للتدريب، وبأجهزة طرفية مثل NVIDIA Jetson Nano/Xavier NX أو Huawei Ascend Atlas 200I للاستدلال. وتغلب على بيئة البرمجيات منصات Ubuntu 20.04/22.04 وPython 3.8/3.10 وPyTorch 1.13/2.0 وOpenCV 4.5+.

أما مؤشرات التقييم، فتُعتمد في مهمة كشف الأهداف الدقة (Precision, P) والاستدعاء (Recall, R) ودرجة F1 ومتوسط الدقة (AP) ومتوسط متوسط الدقة (mAP)؛ وفي مهمة التصنيف تُعتمد الدقة الإجمالية (Accuracy) ومصفوفة الالتباس ومنحنى ROC ومقياس AUC؛ وفي مؤشرات الآنية تُعتمد عدد الإطارات المعالجة في الثانية (FPS) وزمن تأخير الاستدلال للإطار الواحد. وفي مجال تخفيف النموذج تُقيَّم أيضًا كثافة المعاملات وعدد العمليات العائمة (FLOPs) وحجم النموذج.

6.3　مقارنة أداء الخوارزميات

في تجارب المقارنة على مجموعة البيانات المُنشأة ذاتيًا، بلغ النموذج المخفّف القائم على YOLOv8n معدل 62.5 إطارًا في الثانية على الأجهزة الطرفية، وبلغ [email protected] لديه 83.6%[23]. وبعد إدخال آلية الانتباه ودالة الخسارة SIoU على النموذج المحسّن القائم على YOLOv5s، تحسّنت دقته تحسّنًا ملحوظًا مقارنةً بالنموذج الأصلي[26]. وبلغ نموذج التصنيف العميق القائم على ResNet-101 دقة 99.7% على مجموعة التحقق، لكن حجمه ومتطلباته من القدرة الحاسوبية كبيران[25]. أما نموذج YOLO-MECD القائم على الدمج متعدد الأنماط فبلغت دقته في البيئات القاسية 85.6% وmAP 88.6%، وحجمه 4.66 MB[27]. ويبلغ معدل دقة التعرّف في الأسلوب القائم على ECA-CNN أكثر من 97%[40].

وفي الحكم على اكتمال الفتح والإغلاق، تبلغ دقة التقدير الكمّي للزاوية في طريقة تحويل هوغ التقليدية أكثر من 95% في ظل إضاءة واضحة مستقرة، لكنها تنخفض انخفاضًا ملحوظًا في الأحوال الجوية القاسية؛ أما الأساليب القائمة على التعلّم العميق فتحافظ على دقة تعرّف تتجاوز 85% في البيئات القاسية، لكنها تعجز عن إعطاء قيمة زاوية دقيقة. وقد بلغت طريقة «التحديد بالتعلّم العميق + التقدير الكمّي للزاوية بتحويل هوغ» التي تجمع بين الاثنين دقة تزيد على 91% في الحكم على اكتمال الفتح والإغلاق، كما ارتفع معدل كشف مخاطر «الفتح أو الإغلاق الجزئي» فيها مقارنةً بالطريقة المفردة. وفي إطار آلية «التأكيد المزدوج»، تبلغ دقة الحكم على الحالة أكثر من 99% بعد دمج نتيجة التعرّف على الصورة مع إشارة نقطة التلامس المساعدة.

الشكل 8　مقارنة دقة التعرّف وسرعة الاستدلال بين الخوارزميات

الشكل 9　مصفوفة الالتباس لطريقة هذه الورقة

6.4　تحليل المتانة في البيئات المعقّدة

في أحوال المطر والثلج والضباب ينخفض تباين صورة الضوء المرئي وتضطرب تفاصيلها، فتنخفض دقة التعرّف في الأسلوب المعتمد على الضوء المرئي وحده انخفاضًا ملحوظًا. ويمكن لإدخال دمج صور الأشعة تحت الحمراء مع التحسين بـ MSRCR أن يحسّن قدرة الكشف[35]. وفي مشاهد الإضاءة المنخفضة ليلًا، يحافظ الجمع بين الإضاءة المساعدة بمصابيح LED العاملة بالأشعة تحت الحمراء والكاميرا منخفضة الإضاءة ذات التحويل من الألوان إلى الأبيض والأسود وخوارزمية تحسين الصور على دقة التعرّف[30][43]. وفي مشاهد الانعكاس العكسي القوي للضوء، تضمن كاميرا WDR وخوارزمية تحسين الصور Retinex جودة الصورة. وفي مشاهد كشف الأهداف الصغيرة، يمكن لآلية انتباه EMA وللتحسين في رأس كشف الأهداف الصغيرة أن يرفعا دقة الكشف[27].

أما من حيث تغيّر زاوية الرؤية، فإن تعزيز البيانات (بالتدوير والتحجيم وتحويل زاوية الرؤية) وإدخال عيّنات تدريب متعددة زوايا الرؤية يمكن أن يرفعا قدرة تعميم النموذج في مواقع التركيب المختلفة وفي مختلف زوايا الكاميرا. وفي مشاهد الحجب، يمكن للتكوين التكراري للكاميرات وللدمج متعدد زوايا الرؤية أن يخفّضا خطر تعطّل زاوية رؤية واحدة. وتُظهر التجارب الشاملة أنه بفعل الدمج متعدد الأنماط والتكرار متعدد زوايا الرؤية وتعزيز البيانات مجتمعةً، تحافظ الطريقة المقترحة على دقة تعرّف تتجاوز 85% في البيئات المعقّدة.

7　القيود والتحديات

7.1　عدم توازن عينات البيانات ومشكلة العينات القليلة

يسهل نسبيًّا الحصول على عينات الحالتين الطبيعيتين، أي «الفتح الكامل» و«الإغلاق الكامل»، في حين أن عينات الحالات الشاذة مثل «عدم اكتمال الفتح أو الإغلاق» نادرة للغاية، ما يجعل مشكلة عدم توازن الأصناف بارزة، ويؤدي إلى انخفاض معدل الاستدعاء للنموذج تجاه الحالات الشاذة. وتشمل الأساليب المعالجة المتاحة توليد العينات القائم على شبكات GAN، وتوليد الصور القائم على نماذج الانتشار، والتعلّم بالنقل، ودوال الخسارة المصمَّمة لعدم توازن الأصناف مثل Focal Loss[35][42]، إلا أن مشكلة «ندرة عينات المخاطر الكامنة» لم تُحلّ حلًّا جذريًّا بعد، ويبقى تبادل البيانات بين إدارات السكك الحديدية والخطوط المختلفة، والتوليد الصناعي لعينات الحالات الشاذة، من الأعمال التي ينبغي المضي فيها في الخطوة التالية.

7.2　المتانة في ظل الظروف الجوية والإضاءة المتطرفة

لا تزال الظواهر الجوية المتطرفة (الأمطار الغزيرة، والعواصف الثلجية، والضباب الكثيف، والغبار) وظروف الإضاءة المتطرفة (الضوء الخلفي القوي، والليل) من نقاط الصعوبة في التعرّف. ففي الطقس الضبابي الكثيف قد تنخفض دقة التعرّف إلى ما بين 70%—80% حتى مع استخدام الدمج بالأشعة تحت الحمراء وتحسين MSRCR. وفي مشاهد الأمطار الغزيرة يحول حجب قطرات المطر وضبابية الصورة دون استخراج محيط سكين المفتاح. وفي مشاهد الضوء الخلفي القوي يكون التباين بين سكين المفتاح والخلفية منخفضًا للغاية. ومن المرجّح أن تعزّز تقنيات مثل الدمج متعدد الأنماط (الضوء المرئي + الأشعة تحت الحمراء + رادار الموجات المليمترية)، والخوارزميات المستوحاة من الفيزياء لإزالة الضباب والمطر، واستعادة الصور القائمة على نماذج الانتشار، المتانة في البيئات المتطرفة. كما أن نشر أجهزة الإضاءة التكميلية النشطة وأجهزة التدفئة وإزالة الجليد في المواقع الحرجة يمكن أن يحسّن ظروف التقاط الصور من جذورها.

7.3　نشر النموذج وقيود القدرة الحاسوبية

تنتشر مفاتيح العزل على امتداد الخط على نطاق واسع، ولا يمكن للمعدات الطرفية عادةً إلا استخدام أجهزة حوسبة طرفية منخفضة الطاقة، مع قيود صارمة على القدرة الحاسوبية واستهلاك الطاقة. ويصعب تشغيل النماذج الكبيرة (مثل YOLOv8x وResNet-101) في الزمن الحقيقي على الأجهزة الطرفية. وتُعدّ تقطير المعرفة، وتقليم النموذج، والتكميم (INT8/INT4)، والبحث عن بنية الشبكة العصبية (NAS)، والشبكات العمودية الخفيفة مثل MobileNet وShuffleNet، من وسائل الضغط الرئيسية[27][39]، غير أن تخفيف النموذج يقترن غالبًا بفقدان في الدقة، ويظل تحقيق التوازن بين الدقة والسرعة مسألة جوهرية في الممارسة الهندسية. كما أن تطوّر شرائح الذكاء الاصطناعي المتخصصة مثل Huawei Ascend وCambricon MLU وNVIDIA Jetson يفتح آفاقًا جديدة للتحسين التعاوني بين «الخوارزمية والعتاد».

7.4　التوافق مع الأنظمة القائمة والتوحيد القياسي

يحتاج نظام المراقبة إلى التكامل مع عدة أنظمة قائمة، منها نظام التحكم عن بُعد SCADA، ونظام 6C، ونظام المراقبة بالفيديو المتكامل، وتبرز في هذا الشأن مشكلات توافق تتعلق بملاءمة البروتوكولات ومواصفات الواجهات وصيغ البيانات. ولا تتوفر اليوم وحدة في معايير معدات المصنّعين المختلفين، وتتدنى قابلية تبادل قطع الغيار، وتتكرر التغييرات في البرمجيات والعتاد، ما يزيد صعوبة التكامل[49]. ويُعدّ وضع الجهة الإشرافية المختصة في قطاع السكك الحديدية لمواصفات فنية ومعايير واجهات موحّدة، وإنشاء منظومة لتقييم واعتماد دقة الخوارزميات وسلامتها، شرطًا مسبقًا لدفع التطبيق الهندسي لهذه التقنية.

8　الاستنتاجات والآفاق

تتناول هذه الورقة مسألة المراقبة عن بُعد لحالة الفتح والإغلاق في مفاتيح عزل شبكة التلامس، فترصد المناطق العمياء في إشارات نظام التحكم عن بُعد ومخاطر عدم اكتمال الفتح أو الإغلاق في مفاتيح العزل، وتحلّل خصائص المسارين التقنيين: معالجة الصور التقليدية والتعلّم العميق، وتقترح مسارًا تقنيًا هجينًا يقوم على «معالجة الصور التقليدية + التعلّم العميق»، وتصمّم بنية نظام تضم طبقة العتاد وطبقة البرمجيات وآلية «التأكيد المزدوج». وفيما يلي الاستنتاجات الرئيسية:

(1) نظرًا إلى أن مصدر إشارة الموضع في نظام التحكم عن بُعد مصدر واحد، ولصعوبة انعكاس أعطال آلية النقل في الإشارات الكهربائية، ولحساسية النظام للتشويش الكهرومغناطيسي، فإنه يعجز عن التعرّف المستقل على حالة عدم اكتمال الفتح أو الإغلاق في مفتاح العزل، وهو ما يستدعي إدخال وسيلة بصرية مستقلة للتمييز.

(2) حقّق الأسلوب الهجين القائم على «تحديد الموضع بالتعلّم العميق + القياس الكمّي للزاوية بتحويل Hough» دقة تعرّف تتجاوز 91% على مجموعة بيانات أُنشئت خصيصًا، فجمع بين متانة التعلّم العميق وميزة القياس الكمّي في تحويل Hough.

(3) تدمج آلية التمييز القائمة على «التأكيد المزدوج» نتائج التعرّف على الصور مع إشارات نقاط التلامس المساعدة في نظام التحكم عن بُعد، لتبلغ دقة تمييز الحالة 99% فأكثر.

يمكن أن يمتد البحث اللاحق في الاتجاهات التالية: أولًا، دمج معلومات الاستشعار متعددة المصادر من الضوء المرئي والأشعة تحت الحمراء ورادار الموجات المليمترية والليدار، بما يرفع قدرة الإدراك في جميع الأحوال الجوية؛ ثانيًا، استكشاف تطبيق النماذج اللغوية البصرية الكبيرة (VLM) والنماذج الكبيرة متعددة الأنماط في التعرّف على حالة مفاتيح العزل، والاستفادة من قدرة التعميم لدى النماذج الكبيرة لتخفيف مشكلة العينات القليلة؛ ثالثًا، الجمع بين الاتصالات منخفضة التأخير 5G/6G والذكاء الطرفي لبناء بنية ثلاثية الطبقات تقوم على «التعرّف الفوري في الطرف + التعاون الطرفي + التعلّم المستمر في السحابة المركزية»؛ رابعًا، بناء نموذج توأم رقمي لمفاتيح عزل شبكة التلامس لتحقيق إدارة مغلقة الحلقة تمتد من الإدراك إلى التنبؤ؛ خامسًا، دفع وضع معايير القطاع والتنسيق داخل سلسلة الصناعة، للانتقال بتقنية المراقبة بالتعرّف على الصور من العرض البحثي إلى التطبيق الهندسي.

المراجع

1. [1] المكتب الوطني للإحصاء في جمهورية الصين الشعبية. بيان إحصائي عن التنمية الاقتصادية والاجتماعية الوطنية لجمهورية الصين الشعبية لعام 2024[R]. بكين: المكتب الوطني للإحصاء، 2025.

2. [2] Li Huiqiong. بحث في طريقة التعرّف على حالة مفاتيح العزل اعتمادًا على تقنية الصور الرقمية[D]. تشنغدو: جامعة جنوب غرب جياوتونغ، 2023.

3. [3] قسم قوة السحب في مكتب سكك حديد لانتشو. نظام التحكم والمراقبة بالفيديو لمفاتيح العزل عالية الجهد اللاسلكية[J]. الإشراف التقني للسكك الحديدية، 2017، 45(8): 56-60.

4. [4] Li Huiqiong, Gao Shibin. تقنية المراقبة البصرية عن بُعد لحالة مفاتيح عزل شبكة التلامس اعتمادًا على التعرّف الرقمي على الصور[J]. السكك الحديدية المكهربة، 2023، 34(2): 12-18.

5. [5] أسباب التشغيل الخاطئ لمفاتيح العزل الكهربائية في شبكة التلامس وحلولها[J]. تقنية تشغيل السكك الحديدية، 2017، 23(4): 1-5.

6. [6] إدارة المعدات في شركة الشبكة الوطنية الصينية للكهرباء. مجموعة حالات الأعطال والعيوب النموذجية في معدات القطع عالية الجهد (2011—2018)[M]. بكين: دار النشر الصينية للطاقة الكهربائية، 2019.

7. [7] تحليل حادث فتح المفتاح S189# من تلقاء نفسه في المسار IV لساحة الانطلاق بالاتجاه الصاعد في إحدى المحطات[J]. تقنية السلامة الكهربائية، 2018، 20(5): 33-35.

8. [8] Qi Donglian, Han Yifeng, Zhou Ziqiang, et al. تقنية كشف العيوب الخارجية في معدات النقل والتحويل اعتمادًا على صور الفيديو ووضعها التطبيقي الراهن[J]. مجلة الإلكترونيات والمعلومات، 2022، 44(11): 3709-3720.

9. [9] GB 1985-2014، مفاتيح العزل ومفاتيح التأريض للتيار المتردد عالية الجهد[S]. بكين: دار النشر الصينية للمعايير، 2014.

10. [10] TB/T 2803-2018، المواصفات الفنية لمفاتيح العزل الكهربائية وأجهزة التحكم في شبكة التلامس للسكك الحديدية المكهربة[S]. بكين: دار النشر الصينية للسكك الحديدية، 2018.

11. [11] تحليل حالة حادث قصر في قضيب التوزيع جهد 220kV في محطة كهرباء ماتسون بمقاطعة هاينان[J]. تقنية السلامة الكهربائية، 2023، 25(7): 41-44.

12. [12] تحليل عطل تفريغ داخلي في معدات GIS جهد 220kV وإجراءات معالجته[J]. الأجهزة عالية الجهد، 2016، 52(6): 189-193.

13. [13] إدارة التشغيل والفحص للمعدات المركّبة المغلقة[J]. قاطرات الديزل، 2015، 56(1): 36-40.

14. [14] تحليل حادث الإغلاق الخاطئ لمفتاح عزل القسم المحايد في محطة القسم الفرعي دينغتاو التابعة لمكتب سكك حديد جينان على خط جينغجيو[J]. قاطرات وعربات السكك الحديدية، 2016، 36(4): 78-82.

15. [15] الأسباب الشائعة لفصل دائرة شبكة التلامس على جانبي القسم المحايد في السكك الحديدية عالية السرعة وسبل الوقاية[J]. تقنية تشييد السكك الحديدية، 2018، 38(5): 96-100.

16. [16] شركة الشبكة الوطنية الصينية للكهرباء. مجموعة حالات الأعطال والعيوب النموذجية في معدات القطع عالية الجهد (2011—2018)[M]. بكين: دار النشر الصينية للطاقة الكهربائية، 2019: 156-198.

17. [17] تحليل حادث فقدان الجهد في قضيب التوزيع بمحطة تحويل جهد 500kV تابعة لإحدى شركات الإمداد الكهربائي الفرعية[J]. تقنية السلامة الكهربائية، 2009، 11(3): 27-29.

18. [18] مادة تدريبية عن مفاتيح العزل (الجزء الخامس) — حالات أعطال مفاتيح العزل[R]. بكين: مجموعة السكك الحديدية الوطنية الصينية المحدودة، 2022.

19. [19] Trenvista. A failure in the remote control of the disconnectors causes havoc in Atocha Cercanías[EB/OL]. (2024-09-04)[2026-08-10]. https://www.trenvista.net/en/news/electrical-fault-atocha-cercanias.

20. [20] Yan Zhicheng. التطبيق الفعّال للتعرّف على الصور في التشغيل بالتسلسل أحادي المفتاح بمحطات التحويل الذكية[J]. تطبيقات الأتمتة، 2023، 64(20): 160-161.

21. [21] Meidensha Corporation. CATENARY EYE: Raising Railway Maintenance to an Even Higher Level[R]. Tokyo: Meidensha, 2023.

22. [22] Karaköse E, Gençoğlu M T. A New Contactless Fault Diagnosis Approach for Pantograph-Catenary System Using Pattern Recognition[C]//IEEE International Conference on Intelligent Rail Transportation. Birmingham: IEEE, 2017: 1-6.

23. [23] Liao H Y M, Yeh I H, et al. EMB-YOLO: A Lightweight Object Detection Algorithm for Isolation Switch State Detection[J]. Applied Sciences, 2024, 14(21): 9779.

24. [24] طريقة للتعرّف على حالة فتح وإغلاق مفاتيح العزل في محطات التحويل اعتمادًا على الرؤية الآلية[J]. مجلة جامعة هونان للتقنية، 2017، 31(4): 56-61.

25. [25] Zhang Wei, Zhang Mi, Jin Jiaqi, et al. بحث في التعرّف على حالة مفاتيح العزل اعتمادًا على شبكة ResNet للتعلّم العميق[J]. الأجهزة عالية الجهد، 2024، 60(6): 99-106.

26. [26] Xin Dongjie. بحث في نظام فحص ذكي بالصور لمفاتيح العزل في محطات التحويل[D]. فوشين: جامعة لياونينغ للهندسة والتقنية، 2023.

27. [27] Zhang Ping, Yang Tian, Li Zhijun. بحث في تقنية التعرّف على حالة مفاتيح العزل عالية الجهد اعتمادًا على دمج الصور[J]. الأجهزة عالية الجهد، 2025، 61(10): 139-148.

28. [28] بحث في الخوارزميات الرئيسية للكشف البصري الذكي عن حالة التشغيل في محطات الجر الكهربائية للسكك الحديدية عالية السرعة[J]. مجلة السكك الحديدية، 2023، 45(8): 41-49.

29. [29] CN118589688A، نظام وطريقة لمراقبة مفاتيح العزل في السكك الحديدية المكهربة[P]. المكتب الوطني للملكية الفكرية في الصين، 2024.

30. [30] ابتكار نظام المراقبة بالفيديو المتكامل لخط بكين-تيانجين وتطبيقه[J]. الاتصالات والإشارات في السكك الحديدية، 2010، 46(11): 42-45.

31. [31] Huang Yijun, Li Wenliang, Liu Xuan, et al. نظام دقيق للكشف عن مفاتيح العزل اعتمادًا على بنية الدمج بين السحابة والطرف[J]. الطاقة الذكية، 2023، 51(12): 87-93.

32. [32] نظام المراقبة بالفيديو للتفتيش عن بُعد[J]. تقنية السلامة الكهربائية، 2020، 22(11): 45-48.

33. [33] Youte Technology. حل إدارة عمليات العزل والتأريض بثلاثة مواضع مع المراقبة البصرية لشبكة التلامس[EB/OL]. (2026-01-21)[2026-08-10]. https://www.ut.cn/rail-transit/124.html.

34. [34] Fault diagnosis of interrupter contacts based on edge Hough transformation of X-ray images[J]. مجلة الصور والرسوم البيانية الصينية، 2024، 29(4): 1-12.

35. [35] طريقة للتعرّف على حالة مفاتيح العزل اعتمادًا على دمج صور الأشعة تحت الحمراء والضوء المرئي[J]. هندسة الأشعة تحت الحمراء والليزر، 2024، 53(7): 1-10.

36. [36] التعرّف على حالة مفاتيح العزل في محطات التحويل اعتمادًا على الصور[J]. أجهزة الأتمتة، 2024، 45(8): 67-71.

37. [37] CN115358974A، طريقة لكشف حالة مفاتيح العزل اعتمادًا على تقنية الرؤية الآلية[P]. المكتب الوطني للملكية الفكرية في الصين، 2022.

38. [38] تقنية التعرّف الذكي على مفاتيح عزل شبكة التلامس في الخلفيات المعقّدة[J]. النقل والاقتصاد في السكك الحديدية، 2022، 44(3): 95-101.

39. [39] طريقة للتعرّف على حالة مفاتيح العزل عالية الجهد اعتمادًا على ECA-CNN[J]. هندسة التصميم الإلكتروني، 2024، 32(15): 134-138.

40. [40] مراجعة بحثية وآفاق لتقنية مراقبة موضع الفتح والإغلاق في مفاتيح العزل عالية الجهد[J]. الطاقة الكهربائية الحديثة، 2019، 36(6): 1-8.

41. [41] بحث في كشف الشذوذ في صور الأشعة تحت الحمراء لمعدات الطاقة اعتمادًا على التعلّم العميق[D]. بكين: جامعة شمال الصين للطاقة الكهربائية، 2023.

42. [42] بحث في نظام المراقبة الآنية لدرجة حرارة نقاط تلامس مفاتيح العزل في الخزائن عالية الجهد اعتمادًا على مستشعرات الأشعة تحت الحمراء[J]. المستشعرات والأنظمة الدقيقة، 2015، 34(2): 87-90.

43. [43] فريق الأستاذ Lü Fangcheng في جامعة شمال الصين للطاقة الكهربائية يحقّق تقدمًا جديدًا في بحث التعرّف على معدات الجهد العالي وكشفها الذكي[EB/OL]. (2022-04-24)[2026-08-10]. https://www.ces-transaction.com/xhtml/report/22041625-1.htm.

44. [44] Quan W, Feng K, Lu X, et al. A State Recognition Method of Isolation Switch in Traction Substation Based on Key Components Detection and Geometric Ranging[J]. Neural Processing Letters, 2023, 57(2): 1-18.

45. [45] Quan W, et al. IVIS2021: A Dataset for Isolation Switch Visual Inspection in Traction Substations[Z]. 2021.

46. [46] Toutiao. استجابة خلال ثوانٍ ودقة بمستوى المليمتر: مركز البيانات الذكي يرافق موسم السفر الربيعي بكفاءة[EB/OL]. (2026-02-26)[2026-08-10]. https://www.toutiao.com/article/7611036128045367843/.

47. [47] شبكة السكك الحديدية الشعبية. «العين الذكية» تشخّص شبكة التلامس بدقة[EB/OL]. (2024-11-29)[2026-08-10]. https://www.peoplerail.com/rail/show-2932-544360-1.html.

48. [48] مشكلات نظام التحكم عن بُعد لإمداد الطاقة في السكك الحديدية ومعالجتها[J]. الإشراف التقني للسكك الحديدية، 2011، 39(10): 22-25.

49. [49] CN119089400A، طريقة وجهاز ووسيط تخزين لتحديد حالة تشغيل مفاتيح العزل للجهد العالي جدًّا والفائق[P]. المكتب الوطني للملكية الفكرية في الصين، 2024.