كشف السقوط القابل للتفسير والخفيف الوزن في معرض تراثي باستخدام YOLOv11-SEFA للنشر على الحافة

لماذا تهم سلامة المعارض

مع تقدم المجتمعات في العمر، يزداد عدد كبار السن الذين يزورون المتاحف والمعارض التراثية — أماكن جميلة لم تُصمّم يوماً لمراقبة السلامة الحديثة. يمكن أن يؤدي سقوط بسيط في هذه البيئات إلى إصابة خطيرة، ومع ذلك فإن تركيب مستشعرات جديدة أو مشاهدة لقطات الكاميرا باستمرار مكلف ومتطفل وغالباً غير عملي. تستعرض هذه الورقة طريقة جديدة لرصد السقوط آلياً وبسرعة في مثل هذه الأماكن، باستخدام ذكاء اصطناعي مدمج يمكن تشغيله قرب الكاميرات نفسها دون إغراق الإنترنت بالفيديو أو انتهاك خصوصية الزوار.

مكان صعب للمراقبة

يُستخدم معرض روشفورت في شمال سيدني، وهو مبنى مُرمَّم من عشرينيات القرن العشرين بسقوف عالية وتشطيبات مزخرفة وأرضيات لامعة وواجهات زجاجية، كميدان اختبار لهذا العمل. تجعل هذه الميزات المكان غنياً بصرياً للزوار لكنها صعبة للآلات: ينعكس الضوء على الزجاج، وتتحرك الظلال خلال اليوم، وتتغير أعداد الزوار. كما تقيد قواعد حماية التراث الحفر والتمديدات والأسلاك والمعدات الضخمة. يجادل الكُتّاب بأن أي نظام لكشف السقوط هنا يجب أن يكون مدمجاً، موفِّراً للطاقة، ومحترماً للخصوصية، وفي الوقت نفسه موثوقاً بما يكفي لمساعدة العاملين في الحفاظ على سلامة الزوار المعرضين للخطر.

تعليم الحواسيب شكل السقوط

لتدريب نظامهم، لم يعتمد الفريق على مجموعة بيانات صغيرة ومعدّة تمثيلياً. بل قاموا بتوسيع مجموعة صور موجودة بآلاف الصور الإضافية التُقطت في متاحف ومعارض ومراكز مجتمعية. وُسُمَت كل صورة كوضعية طبيعية (مثل الوقوف أو المشي) أو كوضعية سقوط (ممدود على الأرض بأوضاع واتجاهات مختلفة)، والتُقطت من زوايا متنوعة — مزروعة في السقف، من الجانب، وعلى مستوى العين — وتحت ظروف إضاءة تتراوح من ضوء النهار إلى غرف خافتة ومسلطة عليها أضواء. كما شملوا عمداً مشاهد بها حجب جزئي بواسطة أثاث أو زوار آخرين، فضلاً عن غرف مزدحمة، لتعكس الفوضى والارتباك في الأماكن العامة الحقيقية.

مراقب ذكي خفيف على الحافة

جوهر النظام هو شبكة كشف كائنات مبسطة تُسمى YOLOv11-SEFA، التي تحلل كل إطار كاميرا وتقرر ما إذا كان شخص ما قد سقط. بدلاً من بناء نموذج أثقل وأكثر تعقيداً، أضاف الباحثون تعديلين محددين إلى كاشف سريع موجود ليجعلَه يركز بشكل خاص على الأجسام الصغيرة أو المخفية جزئياً وعلى المناطق حيث يلامس الشخص الأرض. هذا يعزز كلاً من حِصة السقوط الحقيقية المكتشفة ودقة صناديق التحديد، مع إبقاء الحسابات منخفضة بما يكفي للعمل على حواسيب «حافة» متواضعة مُثبتة في المبنى. تُظهر الاختبارات مقابل عدة بدائل شائعة أن هذا النموذج المُعدّل يقدم أحد أفضل التوازنات بين الدقة والسرعة، مستخدماً زيادة بسيطة فقط في طاقة المعالجة مقارنة بنقطة انطلاقه.

من الإنذارات البسيطة إلى تصنيف المخاطر

بدلاً من الاكتفاء بالصراخ «سقوط» أو «لا سقوط»، يذهب النظام خطوة أبعد ويُعيّن لكل حدث مكتشف مستوى مخاطرة من 0 إلى 3. يقوم بذلك بتحويل الكشف البصري إلى ستة أرقام بسيطة: نسبة الصورة التي يحتلها الشخص، مقدار انحنائه/ميلانه، المسافة الظاهرية عن الكاميرا، مدى استطالة أو تسطيح محيطه، مدى انشغال الجهة المحيطة بصرياً، وعدد الأشخاص الآخرين الحاضرين. يجمع نموذج قرار منفصل، مستوحى من آراء خبراء السلامة، هذه القيم إلى أربع فئات: نشاط طبيعي، وضعية غريبة منخفضة المخاطر، مخاطر متوسطة-عالية، وسقوط واضح وعالي الخطورة. والأهم أن الباحثين استخدموا أداة تفسيرية لتأكيد أن النموذج يعتمد فعلاً بصورة أكبر على مؤشرات متعلقة بالوضعية، مثل ميل الجسم وشكله، بدلاً من تفاصيل خلفية غير ذات صلة.

الاختبار في المعرض الحقيقي

يربط النظام الكامل الكاميرات والحواسيب المحلية على الحافة وخدمة سحابية في خط أنابيب مؤلف من أربع طبقات. تبث الكاميرات فيديو بمعدل مخفَّض إلى آلات مدمجة على نفس الطابق، التي تشغل كاشف السقوط وتولد التنبيهات؛ تُرسَل مقاطع قصيرة أو تراكبات خريطة حرارة إلى السحابة عند الحاجة فقط، مما يحدّ من كل من عرض النطاق الترددي والانكشاف على الخصوصية. في تجربة تجريبية مدتها 72 ساعة في معرض روشفورت، حافظ النظام على أزمنة استجابة تقارب ربع ثانية حتى في المشاهد المزدحمة وأنتج أقل من نصف إنذار كاذب في الساعة في أوقات الذروة — معظمها من زوار يركعون لالتقاط صور — بينما تم اكتشاف كل حالات السقوط التجريبية المتعمدة. يُشدّد الكُتّاب على أن هذه الأرقام مأخوذة من تجربة قصيرة ومراقبة جزئياً، لكنها تُظهر أن النهج عملي تقنياً في بيئة عالمية متطلبة.

ماذا يعني ذلك للمساحات العامة في المستقبل

بالنسبة لغير المتخصصين، النتيجة الأساسية هي أنه أصبح من الممكن الآن إضافة طبقة إنذار سقوط آلية ومدرجة إلى أنظمة الكاميرات الحالية في المعارض التاريخية والمباني العامة المشابهة دون إعادة بناء واسعة أو مراقبة بشرية مستمرة. من خلال تشغيل كاشف فعال على حواسيب صغيرة في الموقع وبناء طريقة محددة لتفسير النتائج ومشاركتها، يقدم النظام دليلاً مبكراً على أن التكنولوجيا يمكن أن تبقى في الخلفية — تلاحظ السقوط المحتمل، وتلمّح إلى مدى خطورته، وتفعل ذلك بمعدات متواضعة ومع مراعاة الخصوصية. ستكون هناك حاجة لتجارب أوسع وأطول، وتوسيع نطاقه لأنواع أخرى من المباني، قبل اعتباره معيار سلامة على مستوى المدينة، لكن هذا العمل يوضح مساراً عملياً وواضحاً في ذلك الاتجاه.

الاستشهاد: Wu, S., Yang, H., Hu, Y. et al. Interpretable and lightweight fall detection in a heritage gallery using YOLOv11-SEFA for edge deployment. Sci Rep 16, 7795 (2026). https://doi.org/10.1038/s41598-026-39527-y

الكلمات المفتاحية: كشف السقوط, معارض ذكية, الذكاء الاصطناعي على الحافة, سلامة المسنين, رؤية الحاسوب