مجموعة بيانات وكاشف للكائنات الأجنبية في أنظمة الأسلاك العلوية للسكك الحديدية المكهربة

لماذا تهم الأشياء الغريبة على الأسلاك العلوية

انظر فوق خط سكة حديد مكهرب وسترى شبكة من الكابلات التي توصل الطاقة بهدوء إلى القطارات المارة. عندما تتشابك أشياء غريبة مثل أعشاش الطيور أو أكياس البلاستيك أو الطائرات الورقية التي تقذفها الريح في هذه الشبكة، يمكن أن تتسبب في انقطاعات بالتيار الكهربائي وتأخيرات وحتى مخاطر على السلامة. تتناول هذه الدراسة مشكلة عملية للسكك الحديدية الحديثة: كيفية تعليم الحواسيب اكتشاف هؤلاء الدخلاء الخطيرين تلقائيًا قبل أن يتسببوا في مشاكل.

مشكلة الحفاظ على سلامة خطوط الطاقة العلوية

يتضمن نظام الطاقة العلوية، المسمى الكاتيناري، أعمدة وأسلاك تماس وكابلات داعمة تمتد لمئات الكيلومترات. مع مرور الوقت، يجلب الطقس والنشاط البشري أشياء غير متوقعة إلى هذه الخطوط. قد تحترق الأعشاش والبالونات والأغشية البلاستيكية أو تتسبب في قصر الدائرة بالمعدات أو تسقط على القطارات والسكك. اليوم، ما تزال العديد من خطوط السكك تعتمد على دوريات بشرية أو عمال يراجعون ساعات من الفيديو للبحث عن مثل هذه المخاطر. هذا عمل بطيء ومكلف وسهل الإغفال، خصوصًا حين تكون الأشياء صغيرة أو مخفية جزئيًا أو تُرى في أحوال جوية سيئة.

لماذا تفشل الرؤية الحاسوبية العادية

توفر الكاميرات الرقمية والذكاء الاصطناعي وسيلة لمراقبة الكاتيناري باستمرار، لكن الخوارزميات الجاهزة تكافح في هذا البيئة. الخلفية معقدة: أبراج، أشجار، مبانٍ وأسلاك تتداخل في أنماط مربكة، وغالبًا ما تظهر الأشياء الغريبة كبقع صغيرة أو شرائط رقيقة بعيدة عن الكاميرا. أجهزة الكشف التقليدية القائمة على الشبكات العصبية الالتفافية جيدة في اكتشاف الأجسام الواضحة والمتوسطة الحجم، لكنها ذات "مجال رؤية" محدود وقد تفوت العناصر الطويلة والرقيقة أو البعيدة المعلقة على الأسلاك. كما أن بيانات التدريب العامة نادرة، لأن جمع ومشاركة صور الأعطال الحقيقية من السكك العاملة أمر صعب.

بناء مجموعة صور واقعية

لتجاوز نقص البيانات، جمع المؤلفون مجموعة صور جديدة تركز خصيصًا على الكائنات الأجنبية على طول خطوط السكك المكهربة، أطلقوا عليها RailCatFOD-DS. تحتوي على 13,866 صورة، مع أكثر من 14,000 كائن مُعلَّم. تركز مجموعة البيانات على نوعين رئيسيين من المخاطر: أعشاش الطيور والحطام الخفيف، بما في ذلك أكياس البلاستيك والأغشية والطائرات الورقية. لمحاكاة الظروف القاسية الميدانية، لم يكتفِ الفريق بعمليات قلب وتدوير بسيطة. أضافوا مطرًا مُولدًا محوسبًا واقتراب ضبابي يشبه الضباب، وضوضاء عشوائية، وتغيرات في السطوع، وعرقلات صناعية، حتى يتعلم النموذج العمل في مطر غزير وشمس ساطعة وإضاءة منخفضة ومشاهد مزدحمة. النتيجة معيار تقييم صعب غني بالأشياء الصغيرة والمخفية جزئيًا.

شبكة مُصمَّمة للأهداف الصغيرة والمعقدة

استنادًا إلى هذه المجموعة، صمّم الباحثون نظام كشف اسمه RailCatFOD-Net. في قلبه بنية رؤية حديثة تُعرف باسم Swin Transformer، وهي تفحص كل صورة في نوافذ متداخلة وتربط المناطق البعيدة، مما يساعد النموذج على فهم كيف يرتبط جسم صغير بالمشهد الأوسع. حول هذا القلب، بنى الفريق ملحقين متخصصين. الأول عبارة عن هرم ميزات متعدد الفروع يدمج معلومات من طبقات دقيقة ومفصلة مع طبقات أكثر خشونة وعالمية حتى يمكن العثور على أجسام بأحجام مختلفة معًا. والثاني وحدة إقليمية مركزة على الحواف توسع مساحة السياق حول كل نقطة وتشحذ الحدود، لا سيما للحطام الطويل والخيطي المعلق على الأسلاك.

مدى أداء النهج الجديد

عند اختباره على مجموعة بياناتهم الجديدة، تفوق RailCatFOD-Net على مجموعة من طرق الكشف المعروفة، من نماذج تعتمد على المحولات إلى أنظمة الزمن الحقيقي الشائعة مثل YOLO. حقق مستوى دقة إجمالية بنحو 60% تحت معيار تقييم صارم، مع مكاسب قوية في العثور على الأجسام الصغيرة والأشكال الممدودة مقارنة بالتقنيات السابقة. كما عمم النظام أداءه جيدًا على مجموعة بيانات عامة منفصلة بُنِيَت بمصادر صور مختلفة وكائنات غريبة صناعية، حيث احتل الصدارة مرة أخرى. تُظهر الأمثلة المرئية أنه يكتشف بشكل صحيح الأعشاش المخفية جزئيًا، والأجسام المتعددة في مشهد واحد، والحطام في المطر والوهج والضوضاء حيث أخفقت الطرق المنافسة أو أطلقت إنذارات كاذبة.

ماذا يعني هذا لرحلات القطار المستقبلية

بالنسبة لغير المتخصصين، الخلاصة بسيطة: هذا العمل يقرب مراقبة السكك الحديدية الآلية خطوة إلى الواقع. من خلال الجمع بين مجموعة صور واقعية مُعَدَّة بعناية وشبكة كشف مُصمَّمة لخصوصيات خطوط الطاقة العلوية، يظهر المؤلفون أن الحواسيب قادرة على الإشارة بثقة إلى الأشياء الخطرة التي قد يغفلها البشر. ورغم أن النظام لا يزال ثقيلاً جدًا لأصغر الأجهزة المدمجة ويعتمد فقط على صور كاميرا عادية، فإن نجاحه يوحي بأن نسخًا أذكى وأخف وزنًا—قد تُدمج يومًا مع أجهزة تحت الحمراء أو حساسات أخرى—يمكنها مراقبة آلاف الكيلومترات من المسارات على مدار الساعة. هذا يعني رحلات أكثر أمانًا، ووقفات خدمة أقل، وصيانة أكثر كفاءة للسكك المكهربة حول العالم.

الاستشهاد: Li, F., Cao, J., Yang, H. et al. A foreign object detection dataset and network for electrified railway catenary systems. Sci Rep 16, 9104 (2026). https://doi.org/10.1038/s41598-026-39129-8

الكلمات المفتاحية: سلامة السكك الحديدية, الرؤية الحاسوبية, كشف الأشياء, خطوط الطاقة العلوية, مراقبة النقل