طريقة فعالة لمراقبة أهداف الطيور الصغيرة في بيئات الأراضي الرطبة تعتمد على كشف الأجسام

مراقبة الأراضي الرطبة دون إزعاجها

تعد الأراضي الرطبة حضانات للحياة، والطيور من بين أكثر سكانها ظهورًا. يساعد عدّ وتتبع هذه الطيور العلماء على تقييم صحة الأراضي الرطبة، لكن القيام بذلك بصريًا بطيء ومكلف وقد يخيف الحيوانات أيضًا. تقدم هذه الدراسة طريقة رؤية حاسوبية أذكى يمكنها رصد طيور صغيرة جدًا في مشاهد الأراضي الرطبة الحقيقية والفوضوية، مما يساعد المحافظين على مراقبة الحياة البرية بهدوء وتكرار أكبر.

لماذا يصعب رؤية الطيور الصغيرة

من مسافة بعيدة، يمكن أن يتقلص حجم بطة أو رملة إلى بضع بكسلات فقط في الصورة. في الأراضي الرطبة، تحاط هذه البقع الباهتة بالقصب، وانعكاسات الماء، والضوء المتغير الذي يجعلها تندمج مع الخلفية. تعتمد المسوح التقليدية على الأشخاص مع المناظير أو الكاميرات، وحتى الطائرات بدون طيار والرادار الحديثة تكافح لتمييز طيور فردية في مشاهد مكتظة بهذا الشكل. التحدي هو العثور تلقائيًا على العديد من الطيور الصغيرة مرة واحدة، في صور قد تكون مخفية جزئيًا خلف النباتات، أو مغمورة بتوهج غروب الشمس، أو متناثرة عبر مياه متلألئة.

بناء اختبار صعب للآلة

لمعالجة هذه المشكلة، أنشأ الباحثون أولًا مجموعة صورهم الخاصة في حديقة صن آيلاند الوطنية للأراضي الرطبة في الصين. جمعوا صورًا وإطارات فيديو على مدار عدة مواسم باستخدام الهواتف، وعدسات تليفوتوغرافية، وكاميرات مراقبة ثابتة. احتفظوا فقط بالأمثلة الأكثر صعوبة: طيور تشغل أقل من عُشر الصورة، وفوضى خلفية شديدة، وتمويه، واختفاء جزئي خلف القصب أو الفروع. ثم وسعوا مجموعة التدريب بتدوير الصور، وإضافة ضوضاء، وتغيير السطوع حتى يتعلم النموذج التعامل مع الكاميرات المهتزة، والتوهج، والضوء الخافت أو الحاد. احتوى مجموعة البيانات النهائية على آلاف المشاهد الطيرية الصعبة المصممة لمحاكاة ظروف المراقبة الحقيقية.

رصد رقمي أخف وزناً

بنى الفريق على كاشف كائنات سريع شائع يُدعى YOLO وأعاد تصميمه لهذه المهمة في الأراضي الرطبة، فأنشأوا نسخة يسمونها RLCB-YOLO. بدلاً من معاملة كل جزء من الصورة بنفس الطريقة، يولي نموذجهم اهتمامًا إضافيًا للفروق النسيجية الدقيقة التي تميز الطائر عن القصب أو التموجات الشبيهة به. تساعد وحدات جديدة الشبكة على جمع التفاصيل المقربة مع سياق المشهد الأوسع، بحيث يمكنها التمييز ما إذا كانت بقعة داكنة صغيرة طائرًا أم مجرد بقعة ظل. تغييرات أخرى تحسّن كيفية دمج المعلومات عبر المقاييس المختلفة وكيفية تكبير الخرائط منخفضة الدقة مرة أخرى، محافظة على الحواف الحادة بدلاً من تمويهها. معًا، تجعل هذه الخطوات النظام أفضل في الاستدلال على الطيور الصغيرة البعيدة دون زيادة كبيرة في حجمه.

اختبار السرعة والدقة

قارن الباحثون بعناية بين اختيارات تصميم مختلفة، مثل عدة مخططات انتباه وتخطيطات اندماج السمات، لمعرفة أيها يقدم أكبر تحسّن مقابل أقل حساب إضافي. كما تحققوا كيف صمد النظام عندما تغير حجم الصورة أو معدل التعلم، مبرزين أن مكاسبها لم تكن مرتبطة بإعداد ضيق واحد. على مجموعة بيانات طيور الأراضي الرطبة الخاصة بهم، اكتشف RLCB-YOLO الطيور بدقة أكبر من نموذج YOLO الأصلي، محققًا درجات أعلى على مقاييس معيارية بينما يستخدم عددًا أقل من المعاملات القابلة للتعلم. لقد طابق أو تفوق حتى على كواشف أكبر وأكثر تعقيدًا، وكل ذلك بينما ظل سريعًا بما يكفي لتحليل أكثر من مئة صورة في الثانية على أجهزة رسومات حديثة. أظهرت الاختبارات البصرية وجود طيور مفقودة أقل وإنذارات كاذبة أقل في مشاهد بها أسراب كثيفة أو تمويه أو اختفاء جزئي.

ماذا يعني هذا لرعاية الأراضي الرطبة

بالنسبة للمحافظين، الرسالة الأساسية هي أن مراقبة الطيور الصغيرة في أراضٍ رطبة واسعة وصعبة الوصول تصبح عملية باستخدام كاميرات ثابتة وبرمجيات ذكية بدلًا من الزيارات الميدانية المستمرة. يوفر RLCB-YOLO طريقة لعد وتحديد مواقع الطيور بدقة أكبر في الوقت الفعلي، حتى في ظل ظروف إضاءة وخلفية معقدة، مع إبقاء نموذج الحاسوب خفيفًا بما يكفي للعمل على معدات متواضعة. على الرغم من أن العمل الحالي يركز على نوع واحد من الطيور وعلى حديقة واحدة، يمكن توسيع نفس الأفكار لتشمل أنواعًا وبيئات متعددة، مما يساعد العلماء على متابعة اتجاهات الحياة البرية وحماية النظم البيئية الهشة بقليل من الإزعاج وتفاصيل أكثر.

الاستشهاد: Xing, C., Qu, C., Zhang, P. et al. An efficient method for monitoring small bird targets in wetland environments based on object detection. Sci Rep 16, 15828 (2026). https://doi.org/10.1038/s41598-026-46593-9

الكلمات المفتاحية: طيور الأراضي الرطبة, كشف الأجسام الصغيرة, رؤية حاسوبية, المراقبة البيئية, نموذج YOLO