Hybrid Multi- Expert Deep Learning Framework for Operational SAR Maritime Surveillance and Dark Vessel Identification

تخيل المحيط كطريق سريع عملاق ومزدحم حيث السفن هي السيارات. لعقود من الزمن، تتبعنا هذه السيارات باستخدام نظام يسمى AIS، وهو بمثابة لوحة ترخيص رقمية تبثها السفن طواعية لتقول: "أنا هنا!". ولكن تماماً كما قد يطفئ السائق مصابيح الأمامية للتسلل عبر بوابة الرسوم، تقوم بعض السفن بإيقاف تشغيل إشارات AIS الخاصة بها للاختباء. تُسمى هذه "السفن المظلمة"، ويمكن استخدامها في عمليات التهريب، أو الصيد غير القانوني، أو غيرها من الأعمال المشبوهة. ولإمساكها، نحتاج إلى عيون يمكنها الرؤية عبر الضباب، والمطر، والليل الحالك. وهنا يأتي دور رادار الفتحة الاصطناعية (SAR). فكر في SAR ككشاف فائق القوة لا يستخدم الضوء، بل يستخدم حزم ميكروويف غير مرئية. يمكنه الارتداد عن السفن وإنشاء صورة حتى عندما تعصف العواصف أو يختفي القمر. ومع ذلك، فإن النظر إلى صور الرادار هذه أمر صعب؛ فهي غالباً ما تكون محببة، ومليئة بالتشويش (مثل التلفاز القديم)، ومربكة، خاصة بالقرب من الموانئ المزدحمة حيث تكون السفن متراصة فوق بعضها البعض مثل علب السردين. لقد حاول العلماء استخدام أجهزة الكمبيوتر للعث على هذه السفن، لكن معظم البرامج الحاسوبية تشبه "العموميين": فهي جيدة في رصد سفينة في المحيط المفتوح، لكنها ترتبك في ميناء مزدحم أو ساحل صخري.

هنا يأتي دور دراسة جديدة من باحثين من جامعة أميتي (Amity University)، حيث يقترحون "إطار عمل التعلم العميق الهجين متعدد الخبراء"، وهي طريقة معقدة لقول إنهم بنوا فريقاً من المحققين المتخصصين بدلاً من الاعتماد على محقق واحد فقط. تخيل مركز شرطة حيث لا ترسل كل المحققين إلى كل مسرح جريمة؛ بدلاً من ذلك، لديك موزع ذكي ينظر إلى المشهد أولاً. إذا كان محيطاً هادئاً ومفتوحاً، يرسل الموزع "الخبير أ"، وهو محقق سريع وفعال. وإذا كان ساحلاً مضطرباً، يرسل "الخبير ب"، وهو أكثر حذراً قليلاً. وإذا كان ميناءً شديد الازدحام حيث تتداخل السفن فوق بعضها البعض، يرسل "الخبير ج"، وهو الأكثر تقدماً ويمتلك أدوات خاصة لفك هذا الاشتباك. اختبر الباحثون هذا الفريق باستخدام صور أقمار صناعية حقيقية ووجدوا أن نظام "الموزع الذكي" هذا يعمل بشكل جيد للغاية. لقد أظهروا أنه من خلال مطابقة ما يراه الرادار مع "لوحات الترخيص الرقمية" (AIS) التي تبثها السفن التي تلتزم بالبث، يمكنهم رصد السفن التي تحاول الاختباء. وفي اختبار أجري على مضيق سنغافورة المزدحم، وجد النظام أكثر من 1,000 سفينة وحدد 96 منها كـ "سفن مظلمة" كانت تحاول البقاء غير مرئية.

المشكلة مع المحقق "الذي يناسب الجميع"

لفترة طويلة، حاول العلماء استخدام برنامج كمبيوتر واحد للعثور على السفن في صور الرادار. الأمر يشبه محاولة استخدام نظارة واحدة لقراءة كتاب، وقيادة سيارة، والنظر إلى النجوم في آن واحد؛ قد تنجح في شيء واحد، لكنها ليست جيدة في الب lainnya. في المحيط المفتوح، تكون السفن متباعدة، لذا يعمل الكاشف البسيط والسريع بشكل جيد. ولكن بالقرب من الساحل، تكون المياه هائجة، ويصاب الرادار بالارتباك بسبب الأمواج. وفي ميناء كثيف، تكون السفن قريبة جداً من بعضها لدرجة أنها تبدو ككتلة واحدة ضخمة. الأساليب التقليدية، مثل تقنية "معدل الإنذار الكاذب المستمر" (CFAR)، غالباً ما تتعرض للارتباك بسبب ضوضاء الخلفية هذه، مما يؤدي لإطلاق الإنذار لكل موجة وتفويت السفن الفعلية.

يجادل الباحثون بأننا بحاجة إلى نظام يتكيف مع البيئة. ويقترحون أنه بدلاً من إجبار نموذج واحد على القيام بكل شيء، يجب أن نترك الكمبيوتر يقرر أي "خبير" سيستخدم بناءً على ما يراه.

الموزع الذكي: توجيه المشهد

الخطوة الأولى في هذا الإطار الجديد هي "التوجيه الذكي للمشهد". فكر في هذا كالموزع الموجود في مكتب الاستقبال. عندما تصل صورة رادار جديدة، لا يبدأ النظام بالبحث عن السفن فوراً؛ بل يستخدم أولاً نسخة معدلة من الشبكة العصبية تسمى ResNet-50 للنظر إلى الصورة والتساؤل: "أين نحن؟".

يصنف النظام المشهد إلى ثلاثة أنواع:

1. خارج الشاطئ (Offshore): البحر المفتوح، حيث يكون الوضع هادئاً وصافياً نسبياً.
2. داخل الشاطئ (Inshore): الساحل، حيث تكون المياه أكثر اضطراباً والخلفية أكثر فوضوية.
3. ميناء كثيف (Dense Port): مرفأ مزدحم حيث السفن متراصة بإحكام.

لقد درب الباحثون هذا الموزع ليكون بارعاً في هذه المهمة. وفي اختباراتهم، حدد نوع البيئة بدقة 98.8% من الوقت. وهذا أمر بالغ الأهمية لأنه يضمن استخدام الأداة المناسبة للمهمة المناسبة. فإذا أرسل الموزع الخبير الخطأ، فقد يخطئ النظام في رصد سفينة أو يرتبك بسبب موجة.

فريق المحققين المتخصصين

بمجرد أن يعرف الموزع الموقع، يسلم الصورة إلى الخبير المحدد المصمم لتلك البيئة:

• الخبير أ (خارج الشاطئ): للمحيط المفتوح، يستخدم النظام YOLOv8n. هذا نموذج خفيف وسريع. وبما أن البحر المفتوح أقل ازدحاماً، فإن هذا الخبير لا يحتاج لأن يكون معقداً للغاية؛ يحتاج فقط لأن يكون سريعاً ودقيقاً. وجد الباحثون أن هذا الخبير حقق دقة كشف (تسمى متوسط الدقة المتوسطة أو mAP) بلغت 97%.
• الخبير ب (داخل الشاطئ): للساحل، ينتقل النظام إلى YOLOv8s، وهو أكبر قليلاً وأكثر حذراً. كما يستخدم خدعة خاصة تسمى "الترشيح التكيفي القائم على CFAR". تخيل هذا كمحقق يعدل حساسيته بناءً على مستوى الضوضاء؛ فإذا كانت الأمواج صاخبة، يعرف المحقق كيف يتجاهل التموجات الصغيرة ويركز على الأشكال الكبيرة. حقق هذا الخبير mAP بنحو 86%.
• الخبير ج (الميناء الكثيف): هذا هو "اللاعب الثقيل". في الموانئ المزدحمة، تتداخل السفن، مما يجعل فصلها أمراً صعباً. يستخدم هذا الخبير مزيجاً من SwinIR (أداة تنظف صورة الرادار المحببة وتجعلها أكثر وضوحاً) و Mask R-CNN (نموذج يمكنه رسم خط تحديد دقيق حول كل سفينة على حدة، حتى لو كانت متلامسة). كان هذا الخبير بارعاً جداً في العثور على السفن المتداخلة لدرجة أنه حقق "استدعاءً" (Recall) يقترب من 1.0، مما يعني أنه وجد كل سفينة موجودة تقريباً، ولم يفت الكثير منها.

الإمساك بالمختبئين: دمج بيانات AIS

العثور على السفن هو نصف المعركة فقط. الهدف الحقيقي هو العثور على السفن المظلمة—تلك التي تحاول الاختباء. وللقيام بذلك، يستخدم النظام خدعة ذكية تسمى "دمج بيانات AIS".

كل سفينة تلتزم بالقواعد تبث موقعها عبر AIS. يأخذ النظام قائمة السفن التي وجدها بالرادار ويقارنها بقائمة السفن التي تبث موقعها. يستخدم صيغة رياضية (مسافة هافرسين - Haversine distance) ليرى ما إذا كانت سفينة الرادار قريبة بما يكفي من سفينة AIS لتكون هي نفسها. وقد وضعوا قاعدة: إذا كانت سفينة الرادار ضمن 500 متر من سفينة AIS، فهما متطابقتان.

إذا رأى الرادار سفينة، ولكن لا يوجد إشارة AIS قريبة، فيقوم النظام بتصنيفها كـ سفينة مظلمة. الأمر يشبه رؤية سيارة تسير بدون مصابيح أمامية؛ أنت تعلم أنها موجودة، لكنها لا تخبرك بهويتها.

تتبع السفن الغامضة

بمجرد رصد سفينة مظلمة، لا يكتفي النظام بأخذ لقطة فحسب، بل يبدأ في تتبعها. يستخدم مرشح كالمان (Kalman Filter)، وهو طريقة رياضية للتنبؤ بمكان الشيء التالي بناءً على مكانه السابق. فكر في الأمر كلعبة "الكرة الساخنة" حيث يتنبأ النظام بمسار السفينة. إذا غيرت السفينة اتجاهها فجأة أو توقفت عن الحركة بطريقة غريبة، يمكن للنظام رصد هذا الشذوذ. وهذا يساعد السلطات على فهم ليس فقط أين توجد السفينة، بل ماذا قد تفعل.

النتائج: وضعها قيد الاختبار

لم يكتف الباحثون ببناء هذا في محاكاة حاسوبية، بل اختبروه ببيانات حقيقية. استخدموا صوراً من القمر الصناعي Sentinel-1 وبيانات من مضيق سنغافورة، أحد أكثر ممرات الشحن ازدحاماً في العالم.

إليكم ما وجدوه:

• حلل النظام 1,038 عملية رصد للسفن.
• حدد 96 منها كسفن مظلمة.
• نتج عن ذلك معدل كشف السفن المظلمة (DVDR) بنسبة 9.24%.

وهذا يعني أنه في هذا الاختبار المحدد، حوالي سفينة واحدة من كل 10 سفن رصدها الرادار لم تكن تبث موقعها. ويشير الباحثون إلى أن هذا يتوافق مع الدراسات السابقة، مما يوحي بأن جزءاً كبيراً من حركة المرور البحرية تعمل في الظل.

لماذا هذا مهم؟

الخلاصة الرئيسية من هذه الورقة هي أن نهج "النموذج الواحد الذي يناسب الجميع" للعثور على السفن ليس كافياً. من خلال إنشاء نظام يعمل كفريق من المتخصصين—لكل منهم قدراته الخاصة للبيئات المختلفة—بنى الباحثون طريقة أكثر قوة ودقة لمراقبة البحار.

تشير الدراسة إلى أن هذا الإطار الهجين يمثل خطوة قوية نحو المراقبة البحرية التشغيلية. فهو يتجاوز مجرد المحاكاة البسيطة ويظهر قدرته على العمل مع بيانات الأقمار الصناعية الحقيقية ومعلومات حركة المرور المباشرة. ورغم أن النظام ليس مثالياً (فلا يوجد نظام مثالي)، إلا أنه يقدم طريقة واعدة للإمساك بـ "السفن المظلمة" التي تحاول التسلل عبر الثغرات، مما يساعد في الحفاظ على سلامة وأمن طرق التجارة العالمية. يخطط الباحثون لمواصلة تحسين النظام، ربما من خلال دمج الرادار مع أنواع أخرى من المستشعرات في المستقبل، ولكن في الوقت الحالي، أظهروا أن الفريق الذكي متعدد الخبراء هو أفضل طريقة لحل هذا اللغز.