From Orthomosaics to Raw UAV Imagery: Enhancing Palm Detection and Crown-Center Localization

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "من الصور المسطحة المجمعة (Orthomosaics) إلى صور الطائر بدون طيار الخام: تعزيز اكتشاف النخيل وتحديد مركز التاج."

1. بيان المشكلة

يعد التخطيط الدقيق للأشجار الفردية، وتحديداً النخيل (Arecaceae)، أمراً بالغ الأهمية للمراقبة البيئية وإدارة الغابات في النظم البيئية الاستوائية. وبينما تُستخدم صور الطائرات بدون طيار (UAV) على نطاق واسع، تعتمد سير العمل الحالية بشكل كبير على الصور المسطحة المجمعة (Orthomosaics) (الصور المجمعة من عدة لقطات). ويفرض هذا النهج عدة قيود:

• العيوب وفقدان الدقة: تؤدي عمليات التجميع (Stitching) إلى ظهور عيوب وغالباً ما تقلل من الدقة.
• اختناقات المعالجة المسبقة: تتطلب عمليات معالجة مسبقة ولاحقة مكثفة، مما يعيق النشر في الوقت الفعلي أو على الأجهزة الطرفية (Edge deployment).
• أخطاء التحديد المكاني: في الغابات الكثيفة، تسبب تداخل التيجان إزاحات منهجية بين مركز صندوق الإحاطة (Bounding box) المتوقع والمركز الفعلي لتاج الشجرة (Crown center). وهذا يقلل من دقة نماذج التوزيع المكاني والتحليلات البيئية اللاحقة.

تعالج الدراسة الحاجة للانتقال من الصور المسطحة المجمعة إلى صور الطائرات بدون طيار الخام (Raw UAV imagery) لتحسين الجودة البصرية والكفاءة الحسابية، مع التحقق أيضاً مما إذا كان استخدام توصيفات مركز التاج الصريحة يمكن أن يتغلب على قيود مراكز صناديق الإحاطة القياسية.

2. المنهجية

جمع البيانات ومجموعات البيانات

استخدمت الدراسة بيانات من محمية "فونداسيون بارا لا كونسرفاسيون دي لوس أنديس تروبيكاليس" (FCAT) في الإكوادور.

• الأجهزة: طائرة بدون طيار من طراز DJI Phantom 4 RTK مزودة بمستشعر CMOS بحجم 1 بوصة، تحلق على ارتفاع 90 متراً.
• مجموعتان من البيانات:
  1. قطع من الصور المسطحة المجمعة (Orthomosaic Patches): 1,500 صورة (800×800 بكسل) مقتطعة من صور مسطحة واسعة النطاق. تحتوي على 8,842 صندوق إحاطة.
  2. القطع الخام (Raw Patches): 880 صورة (912×912 بكسل) من لقطات الطائرات بدون طيار الخام. تحتوي على 5,850 صندوق إحاطة و 5,430 توصيفاً صريحاً لمركز التاج.
  • بروتوكول التوصيف: تمثل مراكز التيجان المركز الهندسي للتاج المرئي، وهي تختلف عن مراكز صناديق الإحاطة، وهو أمر حيوي للتعامل مع حالات الحجب (Occlusion) والقطع (Truncation).

الإعداد التجريبي

قيم الباحثون سؤالين بحثيين رئيسيين (RQs) باستخدام نماذج التعلم العميق المتطورة:

• س1 (نقل المجال - Domain Transfer): كيف يختلف الأداء بين التدريب والاختبار على الصور المسطحة المجمعة مقابل الصور الخام (داخل المجال وعبر المجالات)؟
• س2 (دقة التحديد المكاني): هل تؤدي توصيفات مركز التاج الصريحة إلى تحسين دقة التحديد مقارنة باستخراج المراكز من صناديق الإحاطة؟

النماذج المستخدمة:

• الاكتشاف (Detection): نماذج RT-DETR (الإصدار 1، 2) ومتغيرات YOLO (من الإصدار 8 إلى 12).
• تحديد النقاط الرئيسية/المركز (Keypoint/Center Localization): نماذج YOLO Pose (الإصدارات 8، 11، 12) المدربة للتنبؤ بمراكز التيجان مباشرة.
• المقاييس: مقاييس نمط COCO (مثل mAP، mAR) للاكتشاف؛ ومقياس تشابه النقاط الرئيسية للكائن (OKS) بناءً على mAP، والدقة (Precision)، والاستدعاء (Recall)، ودرجة F1 للتحديد المكاني.

3. المساهمات الرئيسية

1. مجموعة بيانات وبروتوكول جديد: تقديم مجموعة بيانات لصور الطائرات بدون طيار الخام بتوصيفات مزدوجة (صناديق إحاطة + مراكز تيجان)، مما يسمح بتقييم دقيق لدقة التحديد في الغابات الكثيفة.
2. تحليل عبر المجالات: درسة شاملة تقارن بين مجالات الصور المسطحة المجمعة والصور الخام، مما يكشف عن المقايضات بين دقة النشر والتعميم عبر المجالات.
   ចំនួន.
3. توسيع خط الإنتاج (Pipeline): توسيع خط إنتاج PRISM لدمج تحديد مركز التتاج، مما يوفر مرجعاً أكثر دقة من الناحية البيئية للتحليل المكاني.

4. النتائج الرئيسية

أداء الاكتشاف (س1)

• تفوق الصور الخام في النشر: حققت النماذج المدربة والمختبرة على القطع الخام (Raw Patches) أعلى أداء. على سبيل المثال، وصل نموذج YOLOv11 إلى 0.627 mAP و 0.707 mAR على البيانات الخام.
• قيود الصور المسطحة المجمعة: أدت النماذج المدربة على الصور المسطحة المجمعة إلى أداء أسوأ بكثير عند اختبارها على الصور الخام (على سبيل المثال، انخفض YOLOv11 إلى حوالي 0.526 mAP)، مما يشير إلى أن الصور الخام توفر إشارات تدريب عالية الجودة للنشر الميداني.
• التعميم عبر المجالات: على العكس من ذلك، كانت النماذج المدربة على الصور المسطحة المجمعة أكثر قدرة على الانتقال إلى الصور الخام من العكس. حققت النماذج المدربة على الصور المسطحة المجمعة 0.545 mAP على بيانات الاختبار الخام، بينما انخفضت النماذج المدربة على الصور الخام إلى 0.380 mAP على الصور المسطحة المجمعة. يشير هذا إلى أن الصور المسطحة المجمعة توفر قدرة أفضل على التعميم بسبب تنوع توصيفاتها (رغم الضجيج الذي قد يشوبها).

دقة التحديد المكاني (س2)

• مركز التاج مقابل مركز الصندوق: أدى التوصيف والتنبؤ بمراكز التيجان بشكل صريح إلى تحسينات هائلة مقارنة باستخدام مراكز صنادي�.
  • تحسن mAP: ارتفع من ~0.32–0.34 (مركز الصندوق) إلى أكثر من 0.75 (مركز التاج).
  • تحسن درجة F1: ارتفع من ~0.55–0.60 إلى أكثر من 0.80.
• الأدلة البصرية: أظهر التحليل النوعي (الشكل 2) أنه في حالات التيجان الكثيفة أو المحجوبة، كانت مراكز صنودق الإحاطة مزاحة باستمرار، بينما كانت مراكز التيجان المتوقعة تتوافق بدقة مع الحقيقة الأرضية (Ground Truth).

5. الأهمية والعمل المستقبلي

• الأثر البيئي: يتيح الانتقال إلى الصور الخام وتحديد مركز التاج تحديداً أكثر دقة لمواقع الأشجار، وهو أمر ضروري للنمذجة الدقيقة للتوزيع المكاني ومراقبة التنوع البيولوجي.
• الكفاءة التشغيلية: من خلال تجاوز عملية التجميع (Stitching)، يدعم هذا النهج المراقبة في الوقت الفعلي أو القريبة من الوقت الفعلي على الأجهزة الطرفية، وهي قدرة تفتقر إليها خطوط إنتاج الصور المسطحة المجمعة التقليدية.
• الاتجاهات المستقبلية: يقترح المؤلفون الجمع بين التدريب متعدد المجالات والاستدلال باستخدام الصور الخام للاستفادة من قدرة التعميم للصور المسطحة المجمعة ومن جودة البيانات الخام. سيركز العمل المستقبلي على النماذج خفيفة الوزن للاستدلال المدمج على متن الطائرات بدون طيار وتوسيع هذه المخرجات لتشمل نماذج توزيع النخيل المكانية الأوسع.

الخلاصة: تثبت الدراسة أنه بينما تعد الصور المسطحة المجمعة مفيدة للتدريب القوي عبر المجالات، فإن صور الطائرات بدون طيار الخام هي الأفضل للنشر الميداني الفعلي. علاوة على ذلك، فإن الانتقال من صناديق الإحاطة إلى التوصيف الصريح لمركز التاج أمر بالغ الأهمية لحل أخطاء التحديد في بيئات الغابات المعقدة والكثيفة.