MSF-TrashDet: A Lightweight Multi-Scale Feature Fusion Network for Automatic Waste Object Detection Using the TrashNet Dataset
تقترح هذه الورقة البحثية MSF-TrashDet، وهي شبكة دمج ميزات متعددة المقاييس خفيفة الوزن تستخدم كتلة تعزيز الميزات متعددة المقاييس مبتكرة وتقليم القنوات الهيكلي لتحقيق كشف عالي الدقة وفعال للأجسام النفايات على مجموعة بيانات TrashNet، متفوقة بذلك على النماذج الرائدة مثل YOLOv5n وYOLOv8n وYOLOv11n بنسبة 91.91% mAP50 مع الحفاظ على تعقيد حسابي منخفض.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 أنك تحاول تعليم روبوت فرز كومة فوضوية من الألعاب. بعض هذه الألعاب ضخمة، وبعضها صغير جداً، وبعضها مخفي تحت بطانية، كما أن الإضاءة في الغرفة تتغير باستمرار. هذا هو التحدي اليومي للحواسيب التي تحاول "رؤية" وفرز النفايات في العالم الحقيقي. يعتمد هذا المجال، المعروف باسم الرؤية الحاسوبية، على التعلم العميق — فكر فيه كدماغ رقمي يتعلم من خلال النظر إلى آلاف الأمثلة حتى يتعرف على الأنماط. الهدف هو بناء نظام ليس ذكياً بما يكفي للتمييز بين علبة الصودا والكيس البلاستيكي فحسب، بل يكون أيضاً صغيراً وسريعاً بما يكفي ليعمل على شريحة بسيطة داخل حاوية إعادة التدوير، بدلاً من الحاجة إلى حاسوب خارق ضخم ومستهلك للطاقة. إذا تمكنا من ضبط هذا الأمر، يمكننا أتمتة مهمة فرز النفايات المملة والمتسخة، مما يجعل مدننا أنظف ومواردنا قابلة لإعادة الاستخدام دون الاعتماد على العمال البشر في البحث وسط القمامة.
هنا يأتي دور الباحثين من جامعة جيوجيانغ المهنية، الذين بنوا دماغاً رقمياً جديداً مصمماً خصيصاً لهذه المهمة الفوضوية. أطلقوا على ابتكارهم اسم MSF-TrashDet. فكر في برامج اكتشاف النفايات القياسية كأنها نظارات لها إعداد تركيز واحد فقط؛ قد ترى النفايات الكبيرة بوضوح ولكنها تفقد القطع الصغيرة، أو قد ترتبك عندما تكون قطعة من النفايات مخفية جزئياً. أدرك المؤلفون أن النماذج "خفيفة الوزن" الموجودة حالياً (النماذج الصغيرة والسريعة المخصصة للأجهزة الطرفية) كانت بسيطة للغاية للتعامل مع فوضى النفايات في العالم الحقيقي، بينما كانت النماذج فائقة الدقة ثقيلة جداً بحيث لا يمكن وضعها على جهاز صغير.
ولحل هذه المشكلة، صمم الفريق شبكة تعمل مثل محقق يمتلك ثلاث عدسات مكبرة مختلفة في آن واحد. لقد قدموا أداة خاصة تسمى كتلة تعزيز الميزات متعددة المقاييس (MSFE). تخيل أنك تنظر إلى كومة من أوراق الشجر: عدسة واحدة تركز على العروق الدقيقة لورقة واحدة، وأخرى ترى شكل الورقة بالكامل، وثالثة ترى كيف تتناسب الورقة مع الغصن بأكمله. تقوم كتلة MSFE بهذا بالضبط بالنسبة للنفايات، باستخدام رؤى "متمددة" (dilated) مختلفة لالتقاط كل شيء، بدءاً من غلاف مجعد وصولاً إلى صندوق كرتوني كبير، حتى لو كان مخفياً جزئياً. كما تستخدم نظام "وزن ديناميكي"، وهو يشبه مساعداً ذكياً يقرر: "مهلاً، هذا الجزء من الصورة يبدو كزجاجة، لذا سأركز انتباهي هناك"، بينما يتجاهل الضجيج المربك في الخلفية.
لكن الذكاء وحده لا يكفي؛ فقد كان النموذج بحاجة أيضاً لأن يكون صغيراً. استبدل الباحثون الأجزاء الثقيلة والبطيئة في "العمود الفقري" للشبكة (هيكلها الرئيسي) بتصميم أخف وأكثر كفاءة يسمى ShuffleNetV2. هذا يشبه استبدال شاحنة توصيل ثقيلة وبطيئة الحركة بسكوتر كهربائي رشيق يمكنه الانطلاق عبر الزحام بنفس الفعالية. ولجعله أكثر نحافة، استخدموا تقنية تقليم القنوات الهيكلي. يمكنك التفكير في هذا كعملية تحرير صارمة حيث يُطلب من النموذج تحديد أي من "عضلاته" الداخلية (القنوات العصبية) تبذل معظم الجهد وأيها في حالة راحة فقط. لقد قاموا بقص العضلات الكسولة، مما أدى إلى تقليص حجم النموذج دون فقدان قوته.
نتائج تجاربهم على مجموعة بيانات TrashNet (وهي مجموعة عامة من صور النفايات) مثيرة للإعجاب حقاً. قبل أي عملية تقليص، كان النموذج قوياً بالفعل، ولكن بعد عملية التقليم، أصبح نموذج MSF-TrashDet النهائي فعالاً للغاية. فهو يحتوي على 1.93 مليون (M) معلمة فقط ويتطلب 5.00 جيجا فلوبس (GFLOPs) فقط للتشغيل. ورغم صغر حجمه، فقد حقق دقة اكتشاف (mAP50) بلغت 91.91%.
قارن المؤلفون ابتكارهم بعدة نماذج خفيفة الوزن مشهورة أخرى مثل YOLOv5n و YOLOv8n و YOLOv11n. تشير بياناتهم إلى أن MSF-TrashDet يتفوق على هؤلاء المنافسين، حيث يقدم توازناً أفضل بين السرعة والدقة. على سبيل المثال، بينما قد تمتلك النماذج الأخرى عدداً أكبر من المعلمات أو تتطلب قوة حوسبة أكبر للوصول إلى مستويات دقة مماثلة، فإن هذا النموذج الجديد ينجح في أن يكون أصغر حجماً وأكثر دقة في آن واحد. كما أجرى الباحثون "دراسات الاستئصال" (ablation studies)، وهي تشبه تفكيك الآلة قطعة قطعة لمعرفة ما سيحدث. وقد وجدوا أن إزالة أي من ابتكاراتهم الثلاثة الرئيسية (الكتلة متعددة المقاييس، أو العمود الفقري خفيف الوزن، أو رأس الدمج الخاص) يجعل النموذج أقل دقة، مما يثبت أن كل جزء من تصميمهم ضروري.
ومع ذلك، يلاحظ المؤلفون بحذر أن نتائجهم تعتمد على مجموعة بيانات محددة وأن النموذج يتعامل حالياً مع الصور الثابتة فقط. فهو لا يتنبأ بعد بكيفية تراكم النفايات بمرور الوقت أو يعمل مع تدفقات الفيديو الحية بطريقة تتبع الحركة. ويقترحون أن العمل المستقبلي يمكن أن يضيف هذه الميزات الزمنية للمساعدة في تخطيط أكثر ذكاءً للمدن. أما الآن، فإن MSF-TrashDet يعد حلاً واعداً وعالي الكفاءة يشير إلى أنه يمكننا بالفعل بناء روبوت لفرز النفايات يكون ذكياً وصغيراً بما يكفي ليتسع داخل حاوية إعادة التدوير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.