A Scoping Review of Deep Learning for Urban Visual Pollution and Proposal of a Real-Time Monitoring Framework with a Visual Pollution Index

ملخص تقني: مراجعة نطاق لاستخدام التعلم العميق في التلوث البصري الحضري واقتراح إطار عمل للمراقبة في الوقت الفعلي

1. بيان المشكلة

يُعد التلوث البصري الحضري (UVP) — والذي يُعرف بوجود عناصر غير منظمة، أو اقتحامية، أو مشوهة جمالياً مثل اللوحات الإعلانية المفرطة، والنفايات الملقاة في أماكن غير ملائمة، والأسلاك الفوضوية، والعيوب الهيكلية — مصدر قلق عالمي متزايد. وبخلاف التلوث المادي، يؤثر التلوث البصري الحضري بشكل أساسف على الرفاه النفسي للمواطنين، مما يساهم في الإجهاد المعرفي وانخفاض جودة الحياة.

تعتمد الإدارة الحالية للتلوث البصري الحضري على المسوحات اليدوية والنوعية والذاتية، وهي عمليات تفتقر إلى القابلية للتوسع، وتتسم بعدم الاتساق، وتستغرق وقتاً طويلاً. وبينما توفر الرؤية الحاسوبية مساراً نحو الأتمتة، إلا أن الأبحاث الحالية مجزأة: حيث غالباً ما تكون الدراسات محددة بمجال معين (تركز على ملوث واحد)، ومنحازة جغرافياً، وتفتقر إلى تصنيف موحد أو منهجية معيارية لقياس شدة التلوث.

2. المنهجية

استخدم المؤلفون نهجاً ثنائي المرحلة:

• المرحلة الأولى: مراجعة النطاق: باتباع إرشادات PRISMA-ScR (إرشادات تمديد تقارير المراجعات المنهجية والتحليل التلوي لمراجعات النطاق)، قام الباحثون بالبحث المنهجي في سبع قواعد بيانات أكاديمية رئيسية (بما في ذلك Scopus وIEEE Xplore وWeb of Science). ومن بين مجموعة أولية بلغت 3,439 مقالاً، تم اختيار 26 دراسة عالية الجودة ومراجعة من قبل الأقران تركز على الكشف عن التلوث البصري الحضري القائم على التعلم العميق للتحليل.
• المرحلة الثانية: اقتراح إطار العمل: بناءً على الفجوات التي تم تحديدها في المراجعة، صمم المؤلفون إطار عمل مفاهيمياً متعدد الطبقات وشاملاً للمراقبة في الوقت الفعلي للتلوث البصري الحضري.

3. المساهمات الرئيسية

يقدم البحث ثلاث مساهمات أساسية في هذا المجال:

• رسم خرائط أدبية شاملة: تصنيف منهجي لبنيات التعلم العميق الموجودة (الشبكات العصبية التلافيفية CNNs، متغيرات YOLO، والمحولات Transformers)، ومجموعات البيانات، والتطبيقات على مستوى التنفيذ المستخدمة في أبحاث التلوث البصري الحضري.
• التصنيف الموحد المقترح: لحل مشكلة غياب المعايير، يقترح المؤلفون تصنيفاً هرمياً للملوثات البصرية، مصنفة إلى:
  • العيوب الهيكلية/الطرق (الحفر، الواجهات المتهالكة).
  • الإعلانات/اللوحات (اللوحات الإعلانية، الملصقات غير القانونية).
  • كابلات المرافق (الأسلاك العلوية، أبراج الاتصالات).
  • القمامة/النفايات (نفايات الشوارع، النفايات الصناعية).
  • الكتابة على الجدران/التشويه.
• إطار عمل المراقبة في الوقت الفعلي: تصميم معماري مكون من خمس طبقات:
  1. جمع البيانات: مدخلات متعددة المصادر (كاميرات المراقبة CCTV، الطائر بدون طيار UAVs، الهواتف الذكية) مع البيانات الوصفية.
  2. طبقة الكشف: استخدام نماذج خفيفة الوزن وتعمل في الوقت الفعلي (مثل YOLOv8) لتحديد مواقع الأجسام.
  3. طبقة التجزئة (Segmentation): تحديد دقيق على مستوى البكسل لحساب نسبة مساحة الملوثات.
  4. طبقة التصنيف: تعيين فئات مفهومة بشرياً ومستويات الشدة.
  5. طبقة التقارير والفهرسة: تقديم مؤشر التلوث البصري (VPI) الرياضي.

4. النتائج والرؤى التقنية

• اتجاهات النماذج: وجدت المراجعة أن متغيرات YOLO (من الإصدار الثالث إلى الثامن) هي الأكثر اعتماداً نظراً لتوازنها الأمثل بين سرعة الاستدلال والدقة، مما يجعلها مناسبة للنشر عند الحافة (Edge Deployment). بينما تُستخدم نماذج Faster R-CNN وMask R-CNN لتحقيق دقة أعلى ولكنها تعاني من زمن انتقال مرتفع.
• ندرة مجموعات البيانات: رغم وجود مجموعات بيانات مثل TACO (للنفايات) ومجموعات بيانات إقليمية متنوعة (مثل طرق المملكة العربية السعودية العامة، وVP-Dhaka)، إلا أنها غالباً ما تكون غير متوازنة من حيث الفئات، أو محدودة جغرافياً، أو تفتقر إلى تسميات معيارية من نوع COCO.
• مؤشر التلوث البصري (VPI): يقترح المؤلفون صيغة مبتكرة لقياس الجماليات الحضرية:
  $$VPI = 100 \times (\alpha D + \beta S + \gamma R) \times W$$
  حيث $D$ هي كثافة الملوثات، $S$ هي نسبة الشدة/المساحة، $R$ هو تكرار الحدوث، $W$ هو وزن السياق المكاني (مثل القرب من المستشفيات)، و $\alpha, \beta, \gamma$ هي أوزان قابلة للضبط.

5. الأهمية

ينقل هذا البحث النقاش من "كشف الأجسام" إلى "إدارة البيئات الحضرية". وتكمن الأهمية في فائدته المتعددة التخصصات:

• التخطيط الحضري: يوفر خرائط حرارية قائمة على البيانات لمساعدة المخططين في تحديد أولويات إصلاح البنية التحتية والتدخلات الجمالية.
• الصحة العامة: يربط التلوث البصري الحضري بالسيطرة على الأوبئة (على سبيل المثال، تحديد النفايات غير المدارة التي تعمل كمواقع لتكاثر البعوض الناقل لمرض الدنج).
• التكامل مع المدن الذكية: يقدم مخططاً قابلاً للتوسع لدمج المراقبة البيئية المدعومة بالذكاء الاصطناعي في أنظمة الإدارة البلدية القائمة، مما يحول إدارة التلوث البصري الحضري من عملية قائمة على التقارير وردود الفعل إلى نموذج استباقي في الوقت الفعلي.