A Marine Debris Detection Framework for Ocean Robots via Self-Attention Enhancement and Feature Interaction Optimization

ملخص تقني: YOLO-MD للكشف عن الحطام البحري

بيان المشكلة
يعد الكشف الدقيق وتحديد مواقع الحطام البحري أمراً بالغ الأهمية لحماية البيئة والتحكم في التلوث، لا سيما بالنسبة للروبوتات المحيطية. ومع ذلك، غالباً ما يتدهور أداء الكشف بسبب الطبيعة الصعبة للصور تحت الماء، والتي تعاني غالباً من الضبابية، والخلفيات المعقدة، ووجود أهداف صغيرة ذات توزيع كثيف. إن تقنيات تحسين الصور التقليدية (مثل إزالة الضباب أو تعزيز الدقة) تفرض عبئاً حسابياً باهظاً، مما يجعلها غير مناسبة للتطبيقات في الوقت الفعلي. علاوة على ذلك، بينما توفر كواشف الأشياء الحالية مثل YOLO توازناً بين السرعة والدقة، إلا أنها تواجه صعوبة في المشاهد الضبابية وفي كشف الأجسام الصغيرة. أما النماذج القائمة على المحولات (Transformer-based models)، فتوفر نمذجة عالمية قوية ولكنها غالباً ما تفتقر إلى الحساسية للميزات المحلية الدقيقة وتتسبب في تكاليف حسابية عالية، مما يحد من نشرها في السيناريوهات الروبوتية محدودة الموارد. بالإضافة إلى ذلك، يظل عدم توازن الفئات وعدم استقرار التحسين في البيئات البحرية المعقدة من العقبات الكبيرة.

المنهجية
لمعالجة هذه التحديات، اقترح المؤلفون YOLO-MD، وهو إطار عمل كشف معزز يعتمد على YOLO، مصمم لتحسين تمثيل الميزات، والتفاعل المحلي، واستقرار التدريب. يدمج الهيكل ثلاثة ابتكارات رئيسية:

1. الانتباه الذاتي المعزز بالالتفاف ثنائي المسار (DB-CASA):
   بدلاً من وحدة C2PSA القياسية في عمود YOLO الفقري، صُممت DB-CASA لتعزيز التفاعلات المكانية-القنوية دون التكلفة العالية للانتباه العالمي. وهي تقوم بتفكيك ميزات الإدخال إلى مسارين متكاملين:

• مسار التفاعل المكاني: يستخدم الالتفاف العميق (depth-wise convolution) والالتفاف بنمط $1 \times 1$ لتوليد خريطة انتباه مكاني، مما يعزز ميزات الحدود والنسيج للأهداف الصغيرة.
• مسار التفاعل القنوي: مستوحى من SENet، حيث يجمع بين متوسط التجميع العالمي (global average pooling) والالتفاف لالتقاط التبعيات بين القنوات دون تقليل عدد القنوات.
  تستخدم الوحدة استراتيجية دمج إضافية لمخرجات الاستعلام (Query) والمفتاح (Key) لهذه المسارات، مما يتجنب حسابات مصفوفة التشابه المكلفة مع الحفاظ على الميزات الدقيقة التي غالباً ما يتم قمعها بواسطة التجميع العالمي.

2. وحدة دمج إزاحة الميزات (FSFM):
   لتعزيز التفاعل المحلي للميزات بأقل قدر من التكاليف، تقدم FSFM عملية قائمة على الإزاحة بدون معاملات (parameter-free). يتم تقسيم خريطة ميزات الإدخال إلى مجموعات فرعية على طول البعد القنوي، والتي يتم بعد ذلك إزاحتها في أربعة اتجاهات (أفقياً وعمودياً). يسمح هذا التبادل الميزاتي عبر الأبعاد بالتقاط السياق المحلي متعدد الاتجاهات. ومن خلال دمجها داخل هيكل C3k2 مع اتصالات متبقية (residual connections)، تعمل FSFM على تحسين دقة التحديد دون إضافة معاملات قابلة للتعلم.

3. دالة الخسارة SFG-Loss (Slide-Focaler-GIoU Loss):
   للتخفيف من عدم توازن الفئات وعدم استقرار التحسين، اقترح المؤلفون دالة خسارة مركبة تجمع بين:

• التقاطع العام (GIoU): كخسارة انحدار أساسية لضمان استقرار التدرجات.
• آلية وزن ديناميكية (مستوحاة من Slide Loss): تعمل على التركيز التكيفي على العينات الصعبة مع تثبيط العينات السهلة.
• قيود Focaler-IoU: لقطع القيم المتطرفة السهلة جداً أو الصعبة جداً، مما يمنع عدم استقرار التدريب.
  يضمن هذا الإطار الموحد تقارباً قوياً في سيناريوهات الكشف المعقدة.

المساهمات الرئيسية
يلخص البحث مساهماته كما يلي:

• تصميم وحدة DB-CASA، التي تستخدم التشابه الإضافي والتفاعلات المكانية-القنوية المتوازية للحفاظ على الميزات الدقيقة للأهداف الصغيرة في الصور منخفضة الجودة.
• تطوير وحدة دمج إزاحة الميزات (FSFM)، التي تستخدم استراتيجية تبادل الميزات عبر الأبعاد عبر إزاحات مكانية مجدولة لتعزيز دقة كشف الأجسام الصغيرة دون زيادة عدد المعاملات.
• اقتراح SFG-Loss، وهي آلية إعادة وزن ديناميكية للعينات مصممة لمعالجة عدم توازن الفئات وعدم استقرار التحسين.

النتائج التجريبية
أُجريت التجارب على مجموعة بيانات UODM (5,125 صورة، 15 فئة) باستخدام وحدة معالجة رسومات NVIDIA RTX 3070. حقق نموذج YOLO-MD المقترح مقاييس الأداء التالية:

• الدقة (Precision): 0.875
• مقياس F1 (F1-score): 0.822
• mAP50: 0.849

تفوق YOLO-MD على مجموعة واسعة من كواشف الحالة الراهنة (SOTA)، بما في ذلك RT-DETR-l، وFaster R-CNN، وSSD، وإصدارات مختلفة من YOLO (v5, v8, v10, v11, v12, v13, و YOLO26). ومن الملاحظ أنه مقارنة بالنموذج الأساسي YOLOv11، حسن YOLO-MD من قيمة mAP50 بنسبة 2.8% ومن الدقة بنسبة 4.0%، مع الحفاظ على عدد معاملات مماثل (2.78 مليون). وأكدت دراسات الاستئصال (Ablation studies) أن دمج الوحدات الثلاث (DB-CASA، وFSFM، وSFG-Loss) يحقق الأداء الأمثل، مما يحل المقايضات بين الانتباه العالمي والإزاحة المحلية.

الأهمية والتحقق من الواقع
يزعم البحث أن YOLO-MD يقدم مقايضة مواتية بين دقة الكشف والكفاءة الحسابية، مما يجعله مناسباً للروبوتات المحيطية التي تعمل في الوقت الفعلي والمحدودة الموارد. وبعيداً عن أداء الاختبارات المعيارية، تم التحقق من التطبيق العملي للطريقة من خلال النشر الطرفي في العالم الحقيقي. تم اختبار النظام على مركبة سطحية غير مأهولة (USV) مجهزة بكاميرا تحت الماء وجهاز حوسبة طرفي مدمج في بحيرة اصطناعية داخل حرم جامعي. وبالرغم من الظروف الميدانية الصعبة — بما في ذلك الإضاءة المنخفضة، والعكارة العالية، وضبابية الصور — نجح YOLO-MD في تحديد مواقع الحطام المغمور والتعرف عليه في الوقت الفعلي. ويخلص المؤلفون إلى أن إطار العمل يعالج بفعالية مشكلات التدهور النوعية في البيئات البحرية، مما يوفر حلاً قوياً للحماية البيئية والإدراك الروبوتي.