Automatic Road Subsurface Distress Recognition from Ground Penetrating Radar Images using Deep Learning-based Cross-verification
تقترح هذه الورقة استراتيجية تحقق متبادل مبتكرة باستخدام ثلاثة نماذج تعتمد على YOLO، تم تدريبها على زوايا رؤية مختلفة لصور الرادار المخترق للأرض ثلاثي الأبعاد، لتحقيق معدل استدعاء يتجاوز 98.6% في الكشف التلقائي عن عيوب تحت سطح الطريق، مما يقلل من عمالة الفحص البشري بنسبة 90% تقريبًا.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن الطريق الذي تقود عليه كل يوم يشبه كعكة ضخمة متعددة الطبقات. أحياناً، تصبح الطبقات الموجودة في الأسفل رطبة، أو متفتتة، أو حتى تظهر فيها فجوات فارغة (فراغات) لا يمكنك رؤيتها من الأعلى. إذا لم تجد هذه البقع الضعيفة، فقد تنهار الكعكة بأكملها تحت سيارة، مما يسبب حفرة خطيرة أو حتى فجوة غائرة (بالوعة).
لفترة طويلة، كان العثور على هذه المشكلات الخفية يشبه محاولة العثور على إبرة في كومة قش وأنت ترتدي قفازات تغطي عينيك. يستخدم الخبراء جهازاً يسمى الرادار المخترق للأرض (GPR) لـ "رؤية" ما تحت الأرض. يقوم الجهاز بإرسال موجات راديو إلى الأرض ويستمع إلى الأصداء المرتدة. لكن البيانات التي يخرجها تبدو كأنها فوضى مربكة من التشويش والخطوط المتعرجة. تقليدياً، يتعين على خبير بشري التحديق في آلاف هذه الصور، محاولاً تخمين أي تعرج يعني "خطر" وأيها يعني "آمن". إنها عملية بطيئة، ومجهدة، وعرضة للخطأ البشري.
تقدم هذه الورقة البحثية طريقة ذكية للغاية لأتمتة هذه العملية باستخدام الذكاء الاصطائي (AI). وإليك كيف فعلوا ذلك، مشروحاً ببساطة:
١. المشكلة: زاوية واحدة ليست كافية
تخيل أنك تحاول تحديد جسم غامض في غرفة مظلمة.
- إذا نظرت إليه من الأمام فقط، قد يبدو كدائرة مسطحة.
- إذا نظرت إليه من الجانب، قد يبدو كمستطيل طويل.
- إذا نظرت إليه من الأعلى، قد يبدو كمربع.
أدرك الباحثون أن بيانات الرادار (GPR) تأتي في ثلاثة "مشاهد" مختلفة (تسمى B-scan و C-scan و D-scan). نوع معين من أضرار الطرق (مثل الفراغ المجوف) يبدو مختلفاً تماماً حسب الزاوية التي تشاهده منها. بعض نماذج الذكاء الاصطناعي بارعة في اكتشاف الأضرار من "المشهد العلوي" ولكنها سيئة في "المشهد الجانبي"، والعكس صحيح.
٢. الحل: فريق "المحققين الثلاثة برؤوس مختلفة"
بدلاً من بناء نموذج ذكاء اصطناعي واحد ضخم ومعقد يحاول القيام بكل شيء (وهو ما غالباً ما يؤدي إلى الارتباك)، قام الباحثون ببناء فريق من ثلاثة محققين متخصصين في الذكاء الاصطنا Artificial Intelligence، كل منهم مدرب على زاوية كاميرا مختلفة:
- المحقق C (صاحب الصورة الشاملة): ينظر هذا المحقق إلى عرض "الخريطة" الأفقي. إنه بارع حقاً في ملاحظة أن هناك خطباً ما (مثل بقعة ضعيفة في الطريق)، لكنه يخطئ أحياناً ويظن أن غطاء البالوعة هو حفرة.
- المحقق B (صاحب الملف الجانبي): ينظر هذا المحقق إلى المقطع العرضي الرأسي. وهو ممتاز في التمييز بين غطاء البالوعة وبين ضرر الطريق الفعلي.
- المحقق D (صاحب المنظر المستعرض): ينظر هذا المحقق إلى المقطع العرضي من الجانب الآخر. وهو الخبير في التمييز بين الفراغ المجوف (مساحة فارغة كبيرة) وبين التربة المفككة (مجرد تراب متفتت).
٣. استراتيجية "التحقق المتقاطع": نظام الفلترة
هذا هو الجزء الذكي. لم يكتفوا بجعل المحققين الثلاثة يصرخون بتخميناتهم فحسب، بل أنشأوا نظام فلترة من ثلاث خطوات:
- الخطوة ١ (المسح): يقوم المحقق C بمسح الطريق بالكامل. إذا قال: "هذه المنطقة تبدو سليمة"، نتجاهلها. أما إذا قال: "هناك شيء غريب هنا"، فنمررها للخطوة التالية.
- الخطوة ٢ (فحص البالوعة): تذهب البقع المشبوهة إلى المحقق B. إذا قال: "هذا مجرد غطاء بالوعة"، فنحن نستبعده. أما إذا قال: "لا، هذا بالتأكيد ضرر"، فنحن نبقي عليه.
- الخطوة ٣ (التشخيص): تذهب النقاط "الخطيرة" المتبقية إلى المحقق D. يقرر D: "هل هذا فراغ مجوف (خطير جداً) أم مجرد تربة مفككة (تحتاج إصلاحاً ولكنها أقل إلحاحاً)؟"
من خلال جعلهم يدققون في عمل بعضهم البعض، فإنهم يلغون أخطاء بعضهم. إذا ارتبك أحد المحققين، فإن المحققين الآخرين سيكتشفون ذلك عادةً.
٤. النتائج: أسرع، أذكى، وأكثر أماناً
اختبر الفريق هذا النظام على أكثر من ١,٢٥٠ كيلومتراً من الطرق الحقيقية في الصين.
- الدقة: وجد النظام ٩٨.٦٪ من جميع مشاكل الطرق. وفي اختبار واقعي على ١٥ طريقاً جديداً، وجد ١٠٠٪ من المشاكل. لم يفت منه أي مشكلة.
- السرعة: هذا هو الفوز الأكبر.
- الطريقة القديمة: يستغرق الخبير البشري حوالي ساعة واحدة لفحص كيلومتر واحد فقط من الطريق.
- الطريقة الجديدة: يقوم الكمبيوتر بالعمل الشاق في ثوانٍ. يحتاج الإنسان فقط لقضاء بضع دقائق في مراجعة "المشتبه بهم" الذين حددهم الكمبيوتر.
- النتيجة: هذا يقلل من عبء العمل البشري بنسبة ٩٠٪. الأمر يشبه الانتقال من فرز كومة من البريد يدوياً إلى استخدام آلة فرز عالية السرعة تحتاج فقط لنظرة سريعة لالتقاط الرسائل الغريبة.
لماذا يهم هذا؟
يعترف الباحثون بأن النظام "مرتاب" قليلاً. فهو أحياناً يصنف الأماكن السليمة على أنها خطرة (إنذارات كاذبة) لمجرد التأكد تماماً من عدم تفويت أي مشكلة حقيقية. لكن هذا أمر جيد! فمن الأفضل فحص بعض الأماكن الإضافية بدلاً من تفويت فجوة غائرة.
باختاً، تعلمنا هذه الورقة البحثية أنه بدلاً من محاولة بناء "عقل خارق" واحد من الذكاء الاصطناعي لحل مشكلة معقدة، فمن الأفضل غالباً بناء فريق من الخبراء المتخصصين الذين يدققون في عمل بعضهم البعض. هذا النهج يجعل فحص الطرق أسرع، وأرخص، وأكثر أماناً للجميع الذين يقودون على الطريق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.