This post is also available in:
English (אנגלית)
יוזמת מחקר חדשה מ- Singapore Management Universityבוחנת כיצד ניתן לשפר את בדיקות מעטפת המטוסים באמצעות large vision-language models (LVLMs) – סוג של בינה מלאכותית המסוגלת לעבד תמונות וטקסטים יחד. המטרה: להגביר את הדיוק והיעילות באיתור נזקים או פגמים חיצוניים במטוסים, גם בתנאים סביבתיים מורכבים בעולם האמיתי.
בדיקות חזותיות של גוף המטוס הן חיוניות לבטיחות התעופה. עם זאת, מערכות דיגיטליות קיימות עדיין תלויות במידה רבה במאגרי נתונים גדולים של פגמים מוכרים, ונוטות להיכשל כאשר התנאים משתנים או כאשר מופיעים ליקויים חדשים שטרם תועדו.
לפי אתר TechXplore, הפרויקט – שנקרא "Leveraging Foundation Models for Aircraft Surface Inspection in Open Environments" – מתמודד עם שלוש מגבלות עיקריות של מערכות הבדיקה מבוססות AI הקיימות: מחסור בנתוני אימון עבור פגמים נדירים או חדשים, קטלוג חסר של סוגי פגמים קיימים, ותנאי בדיקה לא עקביים בשל תאורה משתנה, מזג אוויר, או הבדלים בין מצלמות.
המחקר עושה שימוש ביכולות של LVLMs, המאומנים על כמויות אדירות של מידע חזותי וטקסטואלי מהאינטרנט. יכולת ההכללה הרחבה שלהם מאפשרת לזהות תקלות גם אם לא נכללו מפורשות בנתוני האימון, באמצעות זיהוי תבניות חזותיות ולשוניות משולבות.
לצורך התמודדות עם המורכבות של תנאי אמת, הפרויקט מחולק לשלושה שלבים טכנולוגיים:
- זיהוי עם מעט דוגמאות:
פיתוח מערכות שיכולות לזהות פגמים תוך הסתמכות על כמות מינימלית של דוגמאות מסומנות. ההתמקדות היא בהפחתת אזעקות שווא תוך שמירה על דיוק גבוה. - הרחבת יכולת הזיהוי של פגמים:
אימון הבינה המלאכותית להבחין בין פני שטח תקינים לפגומים, גם כאשר מדובר בפגמים נדירים או חדשים. השיטה כוללת השוואת תמונות בסיס לתמונות עם שינויים עדינים או נזקים קלים, במטרה לשפר את היכולת לזהות תקלות לא מוכרות. - הסתגלות הקשרית:
התאמת המודלים לתנאי בדיקה משתנים – כמו סוג מטוס שונה, תנאי תאורה או תצורת חיישנים – מבלי צורך לאמן אותם מחדש בכל פעם.
כרגע, הפרויקט מתמקד בניתוח דו-ממדי, אך הצוות מתכנן להתרחב גם לאנליזה מולטי-מודלית בעתיד הקרוב, על מנת לשפר עוד יותר את ביצועי הזיהוי. הפרויקט מתבסס על מחקרים קודמים בתחום האוטומציה של בדיקות מטוסים, והוא חלק ממגמה עולמית של מעבר ל-Predictive Maintenance בתעשיות רבות.
עם צפי להכפלת שוק בדיקות המטוסים הגלובלי עד שנת 2032, פתרונות מבוססי AI מסוג זה עשויים לצמצם משמעותית את עלויות התחזוקה ולשפר את הבטיחות התפעולית בענף התעופה כולו.
