دستیابی به عمق دانش هوش مصنوعی فناوری

نکته: سه پروژه مهم در حوزه هوش مصنوعی در شرکت بهیار صنعت سپاهان

پروژه 1: تشخیص ناخالصی‌های مواد ورودی کارخانه فولاد مبارکه

اهداف پروژه :

• تشخیص خودکار ناخالصی‌ها در مواد اولیه ورودی
• کنترل کیفیت بهینه مواد ورودی

مواد هدف :

• آهن اسفنجی
• گنداله
• سایر مواد اولیه فرآیند فولادسازی

فواید انتظاری :

• افزایش دقت کنترل کیفیت
• کاهش خطای انسانی
• بهینه‌سازی فرآیند تولید
• صرفه‌جویی در زمان و هزینه

فناوری مورد استفاده :

سیستم‌های بینایی ماشین و الگوریتم‌های یادگیری عمیق برای تشخیص و طبقه‌بندی مواد.

1. تشخیص ناخالصی های مواد ورودی کارخانه فولاد مبارکه مانند آهن اسفنجی و گنداله و جداسازی آن ها از مواد غیر نرمال
2. شناسایی دقیق مواد در میان انواع مواد ناخالص ممکن
3. مدل های Self-Supervised و Anomaly Detection توسعه داده شده برای شناسایی موادی که قبلا دیده نشده اند ،که این مورد لرزش علمی و عملی زیادی دارد

نتیجه: عملی پیاده سازی این پروژه،کاهش خطای تشخیص مواد ناخالص و جلوگیری از آسیب به تجهیزات و پیشگیری از ضررهای هنگفت مالی به شرکت فولاد اشت.

4. قابلیت توسعه به سایر صنایع معدنی یا متالوژی: پروژه اجرا شده به عنوان یک راهکار می تواند یک راه حل قابل تجاری سازی برای صنایع معدنی و متالوژی مختلف مورد استفاده قرار گیرد.
5. مرزبندی خودکار ارگان های حیاتی بدن در تصاویر CT-Scan برای سیستم مدیریت پرتو درمانی(TPS)
6. ترسیم مرز ارگان های حیاتی بدن :بررسی تصاویر CT بوسیله هوش مصنوعی و یادگیری عمیق بجای متخصص انسانی ، باعث کاهش خطاها و افزایش سرعت و کارایی فرایند پرتو درمانی خواهد شد.
7. فرایند ترسیم مرز ارگان های حیاتی بدن در تصاویر CT،(Contouring) توسط افراد ،کاری زمان بر است. خودکار سازی این فرایند با AI ، زمان طراحی پلن درمانی در پرتو درمانی را بشدت کاهش می دهد که برای بیماران هم می تواند بسیار حیاتی باشد.
8. بیش از 100 ارگان مختلف در تصاویر CT اکنون می تواند توسط مدل های یادگیری عمیق مورد ترسیم قرار گیرد.
9. خروجی بخش Auto Contouring ،هماهنگ با دستگاه ها و نرم افزار های مختلف است که بتابراین می تواند در نرم افزارهای غیر از BEHRAD(نرم افزار TPS بهیار مورد استفاده قرار گیرد.)

پروژه 2: پزشکی Auto Contouring CT-Scan

هدف :

• مرزبندی خودکار ارگان‌های حیاتی در تصاویر CT
• کاربرد : سیستم مدیریت پرتو درمانی (TPS)

ویژگی‌های کلیدی :

• فناوری : یادگیری عمیق برای جایگزینی متخصص انسانی
• دقت: کاهش خطاها و افزایش کارایی
• سرعت : کاهش زمان طراحی پلن درمانی
• ظرفیت : ترسیم بیش از 100 ارگان مختلف
• سازگاری : هماهنگی با دستگاه‌ها و نرم‌افزارهای مختلف غیر از BEHRAD (نرم افزار TPS بهیار)

مزایای عملی :

• بالینی : کاهش زمان درمان برای بیماران
• اقتصادی : افزایش کارایی فرآیندهای پزشکی
• فناوری : خودکارسازی فرآیندهای زمان ‌بر

این پروژه‌ها نشان‌دهنده توانایی شرکت در توسعه راه‌حل‌های هوش مصنوعی کاربردی در حوزه‌های صنعتی و پزشکی هستند.

پروژه 3 : بازسازی تصاویر امواج RF با شبکه‌های عصبی فیزیک – آگاه

مرکز تحقیقاتی : بهیار صنعت سپاهان

عنوان پروژه :  

بازسازی تصاویر امواج RF با شبکه‌های عصبی فیزیک-آگاه (Physics-Informed Neural Networks)

اهداف اصلی :

• بازسازی دقیق و با کیفیت تصویر از سیگنال‌های خام امواج RF
• ادغام همزمان داده‌های تجربی با معادلات فیزیکی
• بهبود کیفیت تصویر نهایی در مقایسه با روش‌های سنتی

فناوری مورد استفاده:

1. شبکه‌های عصبی فیزیک-آگاه (PINNs)

• ترکیب یادگیری عمیق با قوانین فیزیکی
• آموزش مدل‌ها با در نظر گرفتن معادلات فیزیکی
• اطمینان از رعایت قوانین فیزیکی در فرآیند بازسازی

2. پردازش سیگنال‌های RF

• تحلیل سیگنال‌های رادیوفرکانسی خام
• فیلتر کردن نویز و تداخلات
• تبدیل سیگنال به تصویر با کیفیت

3. ادغام دانش فیزیکی

• معادلات انتشار موج در محیط‌های مختلف

مزایای کلیدی :

1. دقت بالاتر

• بازسازی تصاویر با جزئیات بیشتر
• کاهش آرتیفکت‌ها و نویز
• نگهداری وفاداری فیزیکی در تصاویر

2. سرعت پردازش

• کاهش زمان بازسازی تصویر
• پردازش بلادرنگ سیگنال‌ها
• بهینه‌سازی فرآیندهای تشخیصی

3. قابلیت اطمینان

• پایداری در شرایط مختلف
• کاهش خطا در تشخیص
• اعتبارسنجی علمی نتایج

مزایای رقابتی :

1. نوآوری فناورانه

• ترکیب هوش مصنوعی با فیزیک
• رویکرد چندرشته‌ای در مهندسی
• توسعه مدل‌های هوشمند فیزیک-آگاه

2. قابلیت تجاری‌سازی

• توسعه‌پذیری به صنایع مختلف
• همگرایی با استانداردهای جهانی
• پتانسیل صادرات فناوری

3. تأثیر اجتماعی

چالش‌های فنی :

1. پیچیدگی مدل‌سازی

• ادغام معادلات فیزیکی پیچیده
• بهینه‌سازی پارامترهای مدل
• اعتبارسنجی نتایج

2. نیاز به داده‌های تخصصی

• جمع‌آوری داده‌های با کیفیت بالا
• برچسب‌گذاری دقیق داده‌ها
• ایجاد مجموعه داده استاندارد

3. نیاز به منابع محاسباتی

• پردازش موازی و توزیع‌شده
• استفاده از GPUهای پیشرفته
• بهینه‌سازی مصرف انرژی

این پروژه نشان‌دهنده جایگاه پیشرفته شرکت بهیار صنعت سپاهان در زمینه توسعه فناوری‌های نوین هوش مصنوعی با رویکرد علمی و کاربردی است.

• افزایش وضوح تصویر و تشخیص اشیا پنهان :باز سازی با مدل های یادگیری فیزیکی ،تصاویری شفاف تر و قابل تفکیک تر از بدن و اشیا مخفی ارایه می دهد که برای امنیت و بازرسی اماکن مختلف حیاتی است .
• توسعه پذیری برای انواع سنسورها و پیکر بندی ها :این مدل های شبکه عصبی را می توان با تغییر در پارامترهای فیزیکی مدل گیت ها و فرکانس های مختلف مورد استفاده قرار داد.
• کاهش نیاز به داده های واقعی پر هزینه :با توجه به متکی نبودن مدل یادگیری بر صرفا داده های آموزشی و بکارگیری مدل فیزیکی دستگاه در فرایند یادگیری برای استفاده از ان ها،نیاز به جمع آوری زیادی داده ها نداریم.
• ین پروزه از نظر AI در مرز ترکیب فیزیک و یادگیری عمیق قرار داردو لرزش بالایی برای صنایع امنیتی و فرودگاهی دارد.