🤖 machine learning

Smart Railway Obstruction Detection System using IoT and Computer Vision

تقدم هذه الورقة نظام NETRA، وهو نظام إنترنت الأشياء غير المعتمد على الإنترنت ومنخفض التكلفة، والذي يستخدم دمج المستشعرات والذكاء الاصطنا edge (الحافة) على منصات Raspberry Pi للكشف عن العوائق في السكك الحديدية والحياة البرية بدقة 95% وتكاليف نشر أقل بنسبة 75% من الحلول الحالية، مع تنبيه السائقين بنجاح خلال 2.4 ثانية عبر اتصالات LoRa.

المؤلفون الأصليون: Pravin Kumar, Mritunjay Shall Peelam, Ramakant Kumar, Sanjay Kumar, Vinay Chamola

نُشر 2026-05-12

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Pravin Kumar, Mritunjay Shall Peelam, Ramakant Kumar, Sanjay Kumar, Vinay Chamola

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 مسار سكة حديدية يمر عبر غابة كثيفة. إنه مكان خطير لسببين: إما أن تضل الفيلة البرية طريقها وتدخل إلى المسارات، أو يقوم مخرب بوضع صخرة ثقيلة أو قضيب حديدي هناك لتعطيل مسار القطار. التحدي يكمن في أن هذه المسارات غالبًا ما تكون في مناطق نائية لا يتوفر فيها إنترنت، ولا شبكة كهرباء، ولا حراس أمن.

تقدم الورقة البحثية نظام NETRA، وهو نظام "كلب حراسة" ذكي ومنخفض التكلفة مصمم لحل هذه المشكلة. إليك كيف يعمل، مقسمًا إلى أجزات بسيطة:

1. المشكلة في الحراس الحاليين

تستخدم السكك الحديدية الهندية حاليًا نظامًا يسمى "Gajraj" (المسمى على اسم إله الفيل). فكر في "Gajraj" كأنه سياج أمني عالي التقنية ومكلف للغاية مصنوع من الألياف البصرية. إنه يعمل بشكل جيد، لكن تكلفته تصل إلى 1,000 دولار لكل كيلومتر. ولأن سعره باهظ، لا يمكنهم سوى توفير تغطية 20 مسارًا فقط من أصل 101 مسار للفيلة. كما أنه أحيانًا يصرخ "ذئب!" بينما ليس هناك سوى ريح تهب ورقة شجر، مما يسبب إنذارات كاذبة.

2. حل NETRA: فحص ذكي من خطوتين

NETRA يشبه حارس أمن ذكي ومنخفض التكلفة لا يحتاج إلى إنترنت. يستخدم عملية "تحقق من خطوتين" لتجنب إهدار الطاقة وللتأكد من وجود متسلل بالفعل.

الخطوة 1: مستشعر الحركة (الأذنان)
يبدأ النظام بمستشعر PIR (مثل تلك الموجودة في مصابيح الشرفة التي تعمل عند استشعار الحركة). هو يستمع للحركة. إذا لم يسمع شيئًا، يعود لوضع النوم. وإذا سمع شيئًا ما، فإنه يوقظ الجزء التالي.
الخطوة 2: المستشعر فوق الصوتي (الأعين التي تقيس)
قبل تشغيل الكاميرا المكلفة، يستخدم النظام مستشعرًا فوق صوتي (مثل نظام السونار لدى الخفافيش) لقياس المسافة إلى الجسم.
- المنطق: إذا سمع مستشعر PIR ضجيجًا (ربما طائر أو ريح) ولكن المستشعر فوق الصوتي قال: "مهلًا، لا يوجد شيء هناك"، فإن النظام يتجاهله. هذا يمنع "الإنذارات الكاذبة".
- العتبة: يقوم النظام بتشغيل الكاميرا فقط إذا كان متأكدًا بنسبة 65% من وجود شيء ما بالفعل. هذه هي "الدمج الاحتمالي" المذكور في الورقة البحثية.

3. "الكاميرا الذكية" (العقل)

بمجرد أن يتأكد النظام من وجود شيء ما، يلتقط صورة ويستخدم كمبيوتر صغير (Raspberry Pi) ليعرف ماهية هذا الشيء. اختبرت الورقة نسختين من هذا "العقل":

العقل الاقتصادي (Raspberry Pi Zero): هذا كمبيوتر صغير ورخيص (22 دولارًا). يستخدم خدعة بسيطة: يخمن أن الحيوان هو فيل إذا بدا كبيرًا بما يكفي في الصورة.
- العيب: يرتبك بسهولة. غالبًا ما يخطئ بين البقرة والفيل (أو العكس) لأنهما يبدوان متشابهين في الحجم من مسافة بعيدة. لقد نجح في تحديد الفيلة بنسبة 15% فقط.
العقل المحترف (Raspberry Pi 4): هذا كمبيوتر أكثر قوة (55 دولارًا). يستخدم نموذج ذكاء اصطناعي متطور (YOLOv5) تم تدريبه خصيصًا للتعرف على الفيلة، البشر، والصخور.
- النتيجة: حقق دقة بلغت 83.5% في التعرف على الفيلة. وهذا جيد بما يكفي لاستخدامه في المناطق الأكثر خطورة.

4. الرسالة في زجاجة (LoRa)

بمجرد أن يحدد النظام تهديدًا حقيقيًا (مثل فيل أو صخرة)، فإنه لا يحتاج إلى Wi-Fi أو 4G لإرسال تنبيه. يستخدم تقنية LoRa، وهي تشبه جهاز اللاسلكي (Walkie-Talkie) بعيد المدى.

يرسل إشارة لمسافة تصل إلى 1-2 كيلومتر إلى جهاز استقبال موجود في القطار.
يتلقى سائق القطار التنبيه في غض_ن 2.4 ثانية فقط.
في الاختبارات، نجحت عملية تسليم هذه الرسالة بنسبة 100% من المرات.

5. لماذا يعد هذا تغييراً جذرياً؟

التكلفة: يكلف النظام بأكمله حوالي 247 دولارًا لكل كيلومتر. وهذا أقل بنسبة 75% من نظام "Gajraj" الحالي.
عمر البطارية: نظرًا لأن الكاميرا لا تعمل إلا عندما تكون متأكدة تقريبًا من وجود شيء ما، فإنها توفر قدرًا هائلاً من الطاقة. يمكن للنظام العمل بالطاقة الشمسية لأيام دون الحاجة إلى إعادة شحن.
تعدد الاستخدامات: على عكس الأنظمة الأخرى التي تبحث عن الفيلة فقط، يمكن لـ NETRA رصد البشر الذين يحاولون تخريب المسار أو الصخور التي تسد الطريق.

الخلاصة

NETRA هو نظام "اضبطه وانسه". يجلس بهدوء على جانب المسار، مستخدمًا مستشعرات رخيصة للاستماع والقياس. لا يوقظ "عقله" و"كاميرته" إلا عندما يكون متأكدًا من اقتراب خطر حقيقي. ثم يرسل رسالة راديو سريعة وموثوقة لسائق القطار ليضغط على المكابح.

اختبرت الورقة البحثية هذا النظام في بيئة غابة ووجدت أنه يمكنه اكتشاف 95% من التسللات الحقيقية مع تقديم صفر إنذارات كاذبة (لم يصرخ "خطر" عندما لم يكن هناك خطر). وبينما تعاني النسخة الرخيصة في التمييز بين الفيلة والأبقار، فإن النسخة الأكثر تكلفة قليلاً تعمل بشكل جيد جدًا، مما يوفر وسيلة عملية وبأسعار معقولة للحفاظ على سلامة القطارات والحياة البرية.

ملخص تقني: NETRA – نظام ذكي للكشف عن عوائق السكك الحديدية

بيان المشكلة
تواجه السكك الحديدية الهندية تحديات سلامة حرجة ناتجة عن مصدرين رئيسيين: اقتحام الحياة البرية (خاصة في ممرات الفيلة) والاعتراضات التخريبية المتعمدة (عبر قضبان حديدية أو صخور). تعاني الحلول الحالية، مثل نظام "Gajraj" القائم على الألياف البصرية، من تكاليف نشر باهظة (1,000 دولار/كم) ومعدلات إنذار كاذب عالية، مما يحد من تغطيتها لتشمل 20 فقط من أصل 101 ممر للفيلة في الهند. علاوة على ذلك، تتطلب العديد من الأنظمة القائمة على الرؤية تشغيل الكاميرا بشكل مستمر وأجهزة ذات قدرات معالجة رسومية (GPU)، مما يجعلها غير مناسبة للبيئات الطرفية النائية والمحدودة الطاقة. هناك نقص في الأنظمة الموحدة، ومنخفضة التكلفة، والمستقلة عن الإنترنت والقادرة على الكشف في الوقت الفعلي لكل من الحياة البرية والعوائق.

المنهجية
يقترح البحث إطار عمل NETRA، وهو نظام كشف عن الاقتحام متعدد الطبقات مصمم للنشر على منصات Raspberry Pi. تتكون بنية النظام من خمس مراحل متتالية:

دمج المستشعرات الاحتمالي: يستخدم النظام طبقة مستشعرات ثنائية المرحلة لتقليل الإنذارات الكاذبة قبل تشغيل المكونات المستهلكة للطاقة.
- محفز الحركة: يقوم مستشعر الحركة (PIR) من طراز HC-SR501 برصد الحركة الأولية.
- التحقق المكاني: عند تفعيل مستشعر PIR، يقوم مستشعر الموجات فوق الصوتية HC-SR04 بقياس المسافة.
- منطق الدمج: يقوم نموذج احتمالي بحساب احتمال الاقتحام ( $P_{intrusion}$ ) عبر ترجيح دليل حركة PIR ( $w_{PIR}=0.4$ ) والتحقق المكاني القائم على المسافة ( $w_{dist}=0.6$ ).
- التنشيط المدفوع بالحدث: يتم تفعيل الكاميرا فقط إذا تجاوز احتمال الاقتحام ( $P_{intrusion}$ ) عتبة مُحسنة تجريبياً ( $\tau_c = 0.65$ ). يقلل هذا النهج من المعالجة البصرية غير الضرورية بنسبة 52%.
تصنيف الذكاء الاصطنا edge (الطرفي): بمجرد التفعيل، يقوم النظام بتصنيف التهديد محلياً باستخدام نماذج التعلم العميق المصممة لتناسب الأجهزة:
- Raspberry Pi Zero (فئة التكلفة المنخفضة): يستخدم نموذج MobileNet-SSD (مدرب مسبقاً على مجموعة بيانات PASCAL VOC). ونظراً لافتقاره إلى فئة "فيل" صريحة، فإنه يعتمد على استدلال قائم على الحجم (نسبة مساحة صندوق الإحاطة $\geq 0.25$ ) لاستنتاج وجود الفيلة، إلى جانب الكشف المباشر للبشر والتحليل القائم على الخطوط الكنتورية للعوائق.
- Raspberry Pi 4 (فئة الأداء العالي): يستخدم نموذج YOLOv5s (المُكمّم إلى INT8، ويعمل عبر ONNX Runtime). تم ضبط هذا النموذج بدقة باستخدام مجموعة بيانات مخصصة تضم أكثر من 2,500 صورة للسكك الحديدية، مما يتيح الكشف الطبيعي متعدد الفئات (فيلة، بشر، عوائق) دون الحاجة إلى استدلالات.
إرسال التنبيه: يتم إرسال التهديدات المؤكدة عبر تقنية LoRa (868 ميجاهرتز) إلى متحكم ESP32 الموجود في القطار المقترب. يستخدم النظام عامل انتشار متكيف (SF7–SF12) لضمان اتصالات موثوقة عبر مسافة 1-2 كم دون الحاجة لبنية تحتية خلوية.

المساهمات الرئيسية

إطار كشف موحد: يعد NETRA أول نظام مقترح للكشف المتزامن عن الحياة البرية (تحديداً الفيلة) والعوائق التخريبية ضمن بنية واحدة مستقلة عن الإنترنت.
دمج المستشعرات الاحتمالي: يحقق دمج مستشعرات PIR والموجات فوق الصوتية مع عتبة قابلة للضبط ( $\tau_c = 0.65$ ) دقة كشف تصل إلى 95% مع صفر إنذارات كاذبة، متفوقاً بشكل كبير على طرق الدمج الثنائي (دقة 85%).
نشر طرفي منخفض التكلفة: يقلل النظام تكاليف النشر بنسبة 75% مقارنة بنظام Gajery ( $247/كم مقابل$ $247/كممقابل$ 1,000/كم). ويقدم استراتيجية نشر متدرجة:
- المستوى الأول (الحرج): Pi 4 + YOLOv5 ($100/كم) لممرات الفيلة عالية الخطورة.
- المستوى الثاني (القياسي): Pi Zero + MobileNet-SSD ($20/كم) للمقاطع متوسطة الخطورة.
كفاءة الطاقة: من خلال تفعيل الكاميرا فقط عند تأكيد الاقتحام، يقلل النظام استهلاك الطاقة بنسبة 62.8% مقارنة بالمراقبة المستمرة، مما يسمح بالتشغيل بالطاقة الشمسية.

النتائج التجريبية
تم تقييم النظام عبر 113 حدث حركة في بيئة شبه خارجية على مدار أسبوع:

دقة الكشف: حقق الدمج الاحتمالي معدل كشف بنسبة 95% مع معدل إنذار كاذب بنسبة 0%.
أداء التصنيف:
- Pi 4 (YOLOv5): حقق درجة F1 بنسبة 83.5% لكشف الفيلة، وهو تحسن بمقدار 5.6 مرة عن نهج الاستدلال في Pi Zero. كما حقق درجة F1 بنسبة 92% للبشر و100% للعوائق.
- Pi Zero (MobileNet-SSD): حقق فقط درجة F1 بنسبة 14.8% للفيلة بسبب الغموض في الحجم بين الفيلة والماشية الكبيرة (الجاموس)، مما يجعله غير مناسب لممرات الفيلة الحرجة ولكن قابلاً للاستخدام لمراقبة البشر/العوائق العامة.
زمن الاستجابة والموثوقية: بلغ زمن التأخير من البداية إلى النهاية (من الكشف إلى التنبيه) 2.4 ثانية على منصة Pi 4. حققت اتصالات LoRA تسليم حزم بنسبة 100% عبر مسافة 1-2 كم في التجارب الميدانية.
التحقق الميداني: في نشر دام 7 أيام، حدد النظام بشكل صحيح 42 اقتحاماً بشرياً، 15 اقتحاماً حيوانياً، 8 عبورات للفيلة، و12 عائقاً في المسار، حيث أرسل 77 تنبيهاً خطيراً دون أي إنذارات كاذبة.

الأهمية والادعاءات
يزعم البحث أن NETRA يوفر حلاً عملياً وقابلاً للتوسع لسلامة السكك الحديدية النائية حيث تغيب البنية التحتية أو تكون مكلفة للغاية. ومن خلال الجمع بين دمج المستشعرات والحوسبة الطرفية المتدرجة، فإنه يعالج التهديدات المزدوجة المتمثلة في الحياة البرية والتخريب مع الحفاظ على معدل منخفض للإنذارات الكاذبة—وهو مطلب حاسم لعمليات السكك الحديدية. ويؤكد المؤلفون أن قدرة النظام على العمل دون اتصال بالإنترنت وخفض التكلفة بنسبة 75% تجعل منه بديلاً قابلاً للتطبيق لحلول الألياف البصرية الحالية، مما قد يتيح تغطية جميع ممرات الفيلة الـ 101 في الهند.

القيود المعترف بها
يشير المؤلفون إلى بعض القيود:

نهج الاستدلال في Pi Zero غير كافٍ لكشف الفيلة في المناطق الحرجة.
يؤدي نشر ONNX على Pi 4 إلى خطأ نظامي في تصنيف الأبقار/الجاموس كبشر بسبب اختلافات معالجة الخلفية.
الكشف الليلي غير مدعوم حالياً لأن الكاميرا تفتقر إلى القدرة على الأشعة تحت الحمراء.
تم إجراء التحقق الميداني في بيئة شبه خارجية وليس على مسارات السكك الحديدية النشطة بسبب قيود السلامة.