كشف الأهداف الصغيرة للأشياء الطافية في مجاري الأنهار استنادًا إلى YOLOv7 المحسّن

لماذا يهم رصد النفايات الصغيرة في الأنهار

تحمل الأنهار والقنوات في كثير من الأحيان قطعًا صغيرة من القمامة — زجاجات، أوراق، شظايا بلاستيكية — يصعب رؤيتها لكنها قد تسبب مشكلات كبيرة للنظم البيئية وسلامة الفيضانات والبنية التحتية البشرية. تعد الطائرات بدون طيار والكاميرات الثابتة بوعد المراقبة المستمرة، ومع ذلك حتى البرامج الحاسوبية المتقدمة تكافح لاستخلاص هذه الأجسام الصغيرة سريعة الحركة من مياه متلألئة ومتغيرة باستمرار. تعرض هذه الدراسة طريقة جديدة لتعليم الحواسيب العثور على مثل هذه العناصر الطافية الصغيرة في مشاهد الأنهار بدقة وسرعة أكبر، مما يفتح أبوابًا لمياه أنظف وعمليات أكثر أمانًا.

تحدي الرؤية عبر المياه المتحركة

عند مشاهدة نهر في فيديو، يلحظ عينك بسرعة الحطام الطافي، حتى مع وميض ضوء الشمس على السطح وتموج الأمواج بشكل غير متوقع. بالنسبة للحاسوب، هذا أصعب بكثير. تتغير أشكال الأهداف الصغيرة أثناء تمايلها على الماء، وتعكس اللمعان أشياء ساطعة، والظلال قد تخفي عناصر باهتة. الأنظمة الاعتيادية تضع مربعات حول أي شيء قد يكون جسماً في كل إطار فيديو، لكن تلك المربعات تتحرك وتومض من إطار لآخر. هذه اللاتّزان يضيّع جهد الحوسبة ويجعل من السهل فقدان العناصر الصغيرة تمامًا. النتيجة هي مزيج من عمليات الكشف الفائتة، والتنبيهات الخاطئة، وبطء المعالجة، خصوصًا عندما يجب تحليل آلاف الإطارات في الزمن الحقيقي.

نهج أذكى للاتفاق على ما هو موجود بالفعل

يقترح المؤلفون إطار عمل جديدًا يُسمى كشف تداخل المناطق (Region-Overlap Detection) مدمجًا مع نسخة مُقلصة من كاشف شائع يعرف باسم YOLOv7. بدلًا من التعامل مع كل إطار على حدة، ينظر النظام إلى عدة إطارات متتالية ويطرح سؤالًا بسيطًا: أين تتراصف المربعات عبر الزمن؟ تُعامل المناطق التي تتداخل فيها المربعات بشكل متسق على أنها أكثر موثوقية من تلك التي تظهر لفترة وجيزة أو تقفز ذهابًا وإيابًا. من خلال التركيز أولًا على منطقة التداخل المستقرة، يقوم الأسلوب بفلترة العديد من التكهّنات الصاخبة وغير المستقرة حول مكان وجود الجسم. فقط المربعات الأكثر موثوقية تُمرّر إلى المرحلة التالية من التحليل، مما يعطي النظام رؤية أنظف وأكثر ثباتًا للمشهد قبل إجراء أي حسابات مكثفة.

القيام بالمزيد بعدد خطوات شبكية أقل

تعتمد أنظمة الرؤية الحديثة غالبًا على أكوام عميقة من طبقات المعالجة التي تتعلم التعرف على الأشكال والحواف والأنسجة. ورغم قوتها، فإن هذه الطبقات مكلفة في التشغيل وقد تذيب الإشارات الرقيقة للأجسام الصغيرة. يحافظ الأسلوب الجديد على الفكرة العامة لـ YOLOv7 لكنه يقلل عمدًا من عدد خطوات المعالجة هذه، ويُشغّلها فقط حيث تشير تحليلات التداخل إلى وجود جسم حقيقي. تُتخطى الطبقات التي سترى في الغالب مياه الخلفية أو ضوضاء عشوائية. تقلل هذه الاستراتيجية المُسماة "أقل التفافٍ تلافيفي" من كمية الحساب الإجمالية مع الحفاظ على حدود واضحة حول العناصر الطافية الصغيرة. وبفعالية، يركز الشبكة جهده حيث يكون أكثر أهمية بدلاً من معاملة كل بكسل على قدم المساواة.

تجربة الطريقة على أنهار حقيقية

لاختبار مدى فاعلية هذا النهج عمليًا، درّب الفريق النظام واختبره على مقاطع فيديو بطائرات بدون طيار لأنهار فعلية، مستخدمين مجموعة بيانات كبيرة تتضمن آلاف الصور المشروحة التي تحتوي على ما يقرب من أربعين ألف جسم طافي بأحجام مختلفة. كما تحققوا من الأداء على مجموعات بيانات عامة إضافية وتسلسلات فيديو نهري طويلة مع ضوء متغير وتدفق مائي وزوايا مشاهدة مختلفة. بالمقارنة مع YOLOv7 الأصلي وعدد من الكواشف الأحدث، وجد النظام الجديد عددًا أكبر من الأجسام الحقيقية، وفاتته نسبة أقل، وحلل الإطارات بشكل أسرع. تُبلغ الدراسة عن متوسط دقة متوسطٍ أعلى من 73 بالمئة واسترجاع أعلى من 70 بالمئة للأجسام الطافية الصغيرة، إلى جانب زيادة ملحوظة في سرعة المعالجة وتقليل في عدد معلمات الشبكة والعمليات المطلوبة.

ماذا يعني هذا لمياه أنظف وأكثر أمانًا

بعبارات بسيطة، تُظهر الورقة أن تثبيت ما "يعتقد الحاسوب أنه يراه" عبر الإطارات، ثم تقليم المعالجة غير الضرورية، يجعل النظام أفضل بكثير في رصد قطع الحطام الصغيرة المتحركة على أسطح المياه النشطة. وبينما لا يزال الأسلوب بحاجة إلى اختبار في نطاق أوسع من الأنهار والظروف، فإنه يتفوق بالفعل على عدة نماذج معروفة في مشاهد نهرية صعبة. هذا يجعله لبنة واعدة لأنظمة المراقبة اللحظية المثبتة على الطائرات بدون طيار أو الجسور أو محطات ضفاف الأنهار. يمكن لمثل هذه الأنظمة مساعدة المدن والوكالات البيئية على تتبع القمامة وإدارة مخاطر الفيضانات والاستجابة بسرعة لحوادث التلوث، وتحويل تغذيات الفيديو الخام إلى معلومات موثوقة وقابلة للعمل.

الاستشهاد: Yang, W., Zhang, B., Guo, S. et al. Small target detection of floating objects in river channels based on improved YOLOv7. Sci Rep 16, 11423 (2026). https://doi.org/10.1038/s41598-026-40688-z

الكلمات المفتاحية: كشف نفايات الأنهار, مراقبة الأنهار بالطائرات بدون طيار, كشف الأجسام الصغيرة, الرؤية الحاسوبية للمياه, تحسينات YOLOv7