التعرّف الآلي على عناصر المناظر الطبيعية وتحسين التخطيط استنادًا إلى تقسيم الصور وكشف الأشياء

حدائق ومساحات خضراء أكثر ذكاءً

تتنافس المدن في كل مكان لإضافة المزيد من الأشجار والحدائق ومسارات المشي، لكن تصميم هذه المساحات جيدًا أصعب مما يبدو. يجب على المخططين الموازنة بين الجمال والراحة والسلامة والمناخ أثناء فحص آلاف الصور والخرائط وزيارات الموقع. تقدم هذه الورقة طريقة لتمكين الحواسيب من أداء الجزء الأكبر من العمل الشاق: قراءة صور المناظر الطبيعية تلقائيًا، وفهم محتواها، واقتراح تخطيطات محسنة للحدائق والمساحات العامة المستقبلية.

لماذا تحتاج المناظر الحضرية إلى مجموعة أدوات جديدة

يعتمد التصميم التقليدي للمناظر الطبيعية على خبراء يجوبون المواقع، يدوِّنون ملاحظات، ويرسمون خيارات يدوياً. هذا الأمر بطيء ومكلف وقد يؤدي إلى نتائج متباينة من مصمم إلى آخر أو من مشروع لآخر. مع تضخم المدن وزيادة ضغوط المناخ، يحتاج المخططون إلى أدوات تستطيع مسح مساحات واسعة بسرعة، والتعرّف على مواضع الأشجار والمروج والمياه والمسارات والمباني، وتجربة العديد من الأفكار التصميمية قبل صب الخرسانة أو زراعة شجيرة واحدة. يجادل المؤلفون بأن التقدّم في مجال الرؤية الحاسوبية والذكاء الاصطناعي يجعل الآن الانتقال من الرسومات اليدوية إلى دعم التصميم المبني على البيانات ممكنًا.

تعليم الحواسيب قراءة المدينة

لجعل ذلك ممكنًا، بنى الباحثون أولًا مجموعة كبيرة من الصور الحقيقية للمناظر: أكثر من 17,000 صورة من حدائق ومتنزهات وحرمات وسقوف ومناطق ساحلية. كل صورة وُسمت بعناية من قبل خبراء حتى يتعلم الحاسوب التعرف على العناصر الرئيسة مثل الأشجار النفضية والدائمة الخضرة، والشجيرات، والعشب، والمياه، والمسارات، والمباني، والمقاعد، ومعدات الملاعب، والأضواء، وأحواض الزهور، والصخور. وعلى قاعدة بيانات هذه الصور، دربوا مجموعة من النماذج البصرية التي تقوم بعملين في آن واحد. نموذج واحد يصبغ كل بيكسل بفئة معينة، محددًا الأشكال الدقيقة للمروج والبرك وأغطية أشجار السطح. ونموذج ثانٍ مكمل يرسم حدودًا منفصلة حول الأشياء الفردية مثل المقاعد أو أجزاء معدات اللعب، بينما يحدد مواقعها في الفضاء.

من الصور الخام إلى العناصر المعترف بها

جوهر النظام هو شبكة تحليل صور جديدة مصممة خصيصًا للمشاهد الخارجية الفوضوية. تنظر الشبكة إلى كل صورة على عدة مقاييس في آن واحد، بحيث تلتقط تفاصيل دقيقة مثل حافة مسار وكذلك هياكل كبيرة مثل مبنى أو بركة. تساعد آليات "الانتباه" الخاصة الشبكة على التركيز على المناطق الأكثر أهمية وتجاهل الخلفيات المشتتة. جزء آخر من التصميم يولي اهتمامًا إضافيًا للحدود، بحيث تُرسم الفواصل بين الشجيرة والعشب، أو بين المسار وحوض الزهور، بوضوح حاد. في الاختبارات، ثبت أن هذا النهج أكثر دقة بشكل ملحوظ من عدة طرق معروفة في الرؤية الحاسوبية صُممت في الأصل للشوارع أو للأشياء العامة، لا سيما للفئات الصعبة مثل حواف المياه والنباتات غير المنتظمة.

السماح للخوارزميات بتجربة تخطيطات جديدة

بمجرد أن يقوم النظام برسم خريطة كل العناصر في المكان، يبدأ محرك تحسين منفصل بإعادة ترتيبها افتراضيًا. يريدِد قواعد تصميم شائعة — مثل الحفاظ على مسافات آمنة بين الاستخدامات غير المتوافقة، وربط المساحات ذات الصلة بمسارات مشي واضحة، وموازنة المروج المفتوحة بالمناطق المظللة — في مجموعة من القيود الرياضية. تعمل استراتيجيتان للبحث مستلهمتان من التطور وسلوك التجمّع معًا لخلط وتحسين التخطيطات، سعيًا للحصول على ترتيب يحقق درجات أفضل من حيث كفاءة المساحة وقابلية المشي والتوازن البصري. يمكن للحاسوب توليد العديد من البدائل في وقت قصير، مما يزود المصممين بقائمة خيارات محسنة للنظر فيها بدلاً من خطة واحدة مرسومة يدويًا.

إلى أي مدى ينجح هذا عمليًا؟

لاختبار ما إذا كانت هذه الاقتراحات الآلية مفيدة بالفعل، دعا الفريق معماريي مناظر طبيعية محترفين ومستخدمين آخرين لمراجعة مشاريع نموذجية. قيّم الخبراء، غير المدركين أي التخطيطات من صنع البشر وأيها من صنع النظام، التصاميم المعتمدة على الحاسوب بشكل أعلى باستمرار من حيث التنظيم الفراغي والوظيفة والجودة العامة. كما أبلغ المشاركون في الاستطلاع عن رضا كبير، مع ملاحظة أن الاختيارات الدقيقة مثل لوحات الألوان ولمسات المواد لا تزال تستفيد من الذوق البشري والمعرفة المحلية. تعاملت النماذج مع مواسم ومواقع مختلفة بشكل موثوق، رغم أن العناصر الصغيرة جدًا مثل الأضواء والمقاعد، أو النباتات شديدة الموسمية، بقي من الصعب اكتشافها تمامًا.

ماذا يعني هذا للمدن المستقبلية

ببساطة، تُظهر الدراسة أن الحواسيب باتت قادرة على قراءة صور المناظر الطبيعية بدقة كافية لتتولى جزءًا كبيرًا من أعمال القياس والعد والتحقق من القواعد التي تبطئ التصميم الحضري. من خلال التعرّف التلقائي على ما هو موجود على الأرض واستكشاف تخطيطات أفضل، يمنح الإطار المصممين البشر مزيدًا من الوقت للتركيز على الإبداع واحتياجات المجتمع. ورغم أنه لن يحل محل معماريي المناظر الطبيعية، فإنه يقدّم مساعدًا قويًا يمكنه التوسع ليشمل أحياءً أو مدنًا كاملة، مما يساعد على توفير مساحات عامة أكثر خضرة وتماسكًا مع تخفيف التخمين وإسناد كل خيار تصميمي إلى دليل أقوى.

الاستشهاد: Zhang, H., Tang, N. & Sun, J. Automated landscape element recognition and layout optimization based on image segmentation and object detection. Sci Rep 16, 10841 (2026). https://doi.org/10.1038/s41598-026-45851-0

الكلمات المفتاحية: تصميم المناظر الحضرية, الرؤية الحاسوبية, تقسيم الصور, تحسين التخطيط, المدن الذكية