UAD-YOLO: An Efficient Context-Aware and Shape-Aware Framework Based on YOLOv11 for Urban Anomaly Detection in Complex Scenes

تُعد المدن أنظمة حية، تتغير وتتحول باستمرار، ومع ذلك فهي تعتمد على إيقاع ثابت من الصيانة لتبقى آمنة. فعندما يتشقق طريق، أو تسقط شجرة، أو تتضرر لافتة، يمكن أن تتراوح العواقب من مجرد إزعاج بسيط إلى خطر جسيم. ولعقود من الزمن، كانت مراقبة هذه المخاطر الحضرية وظيفة للمفتشين البشريين، الذين يتجولون سيرًا على الأقدام أو بالسيارات عبر الأحياء بحثًا عن المشكلات. هذه الطريقة بطيئة ومكلفة، وغالبًا ما تغفل عن المشكلات الصغيرة أو الخفية. وفي السنوات الأخيرة، اتجه العلماء إلى أجهزة الكمبيوتر للمساعدة، حيث علموها كيفية "رؤية" هذه المشكلات من خلال الكاميرات. هذا المجال، المعروف باسم "كشف الأشياء" (object detection)، يسمح للآلات بمسح الصور وتحديد عناصر معينة، من السيارات إلى الحفر. ومع ذلك، فإن تعليم الكمبيوتر رصد شق متعرج في شارع مزدحم أصعب بكثير من العثور على سيارة في موقف سيارات فارغ؛ إذ تكون الخلفية مزدحمة، والإضاءة متغيرة، والأجسام نفسها غالبًا ما تكون غير منتظمة أو مكسورة أو مخفية جزئيًا.

تتناول دراسة جديدة من باحثين في جامعة سيتشوان المهنية والتقنية للاتصالات هذه الصعوبات من خلال ابتكار طريقة أكثر ذكاءً لجعل أجهزة الكمبيوتر تراقب مدننا. فقد طور الفريق نظامًا يسمى UAD-YOLO، صُمم خصيصًا للعثور على مجموعة متنوعة من المشكلات الحضرية في الوقت الفعلي. وبدلاً من مجرد البحث عن أشكال تشبه الصناديق القياسية، تم بناء هذا النظام لفهم الواقع الفوضوي والمعقد لشوارع المدينة. يمكنه رصد سبعة أنواع مختلفة من الشذوذ، بما في ذلك شقوق الطرق، والحفر، واللافتات التالفة، والأشجار الساقطة، والقمامة، والكتابات على الجدران (الغرافيتي)، وأعمدة المرافق المكسورة. لم يعتمد الباحثون فقط على البيانات الموجودة؛ بل بنوا مجموعة جديدة وضخمة من الصور التي تحتوي على آلاف الأمثلة لهذه المشكلات المحددة لتعليم الكمبيوتر ما يجب أن يبحث عنه. ومن خلال الجمع بين عدة تقنيات متقدمة، ابتكروا أداة دقيقة للغاية وسريعة بما يكفي للعمل على المعدات القياسية، مما يجعلها حلاً عمليًا للمراقبة المستمرة للمدن.

كان التحدي الجوهري الذي واجهه الباحثون هو أن الشذوذ الحضري لا يبدو كأجسام مرتبة ومثالية. فقد قد يمتد شق في الطريق لأمتار في خط رفيع ومتعرج، بينما قد تكون كومة القمامة عبارة عن كتلة غير منتظمة الشكل. غالبًا ما تعاني أدوات الرؤية الحاسوبية التقليدية مع هذه الأشكال غير المنتظمة، خاصة عندما تكون محاطة بمشتتات أخرى مثل الظلال، أو المركبات الأخرى، أو الأنسجة المعقدة. ولحل هذه المشكلة، قام الفريق بتعديل إطار عمل كشف قوي موجود بالفعل، يُعرف باسم YOLOv11، المشهور بسرعته. لقد أضافوا ثلاثة تحسينات محددة لمساعدة الكمبيوتر على "التفكير" بشكل يشبه المراقب البشري. أولاً، منحوا النظام طريقة أفضل للنظر إلى الصورة الكلية؛ فمن خلال استخدام تقنية تسمح للكمبيوتر برؤية الروابط بعيدة المدى في الصورة، يمكنه فهم كيفية ارتباط شق صغير بسطح الطريق الأكبر، بدلاً من رؤيته كمجرد خط عشوائي. وهذا يساعد النظام على تجاهل ضجيج الخلفية والتركيز على ما يهم حقًا.

ثانيًا، حسن الباحثون كيفية نظر الكمبيوتر إلى التفاصيل الدقيقة. فقد قدموا طريقة تسمح للنظام بتعلم الأنسجة المعقدة أثناء مرحلة التدريب، ثم تبسيط هيكله أثناء العمل الفعلي. يشبه هذا الأمر كيف يدرس الطالب باستخدام العديد من الملاحظات والرسوم التوضيحية، ولكنه بعد ذلك يؤدي الاختبار باستخدام خريطة ذهنية مبسطة فقط. يضمن هذا النهج قدرة الكمبيوتر على رصد التفاصيل الصغيرة، مثل حفرة صغيرة أو خدش باهت، دون إبطاء العملية. ثالثًا، قاموا بتغيير الطريقة التي يرسم بها الكمبيوتر الصندوق حول الجسم المكتشف. فالطرق القياسية غالبًا ما تجبر هذه الصناديق على اتخاذ أشكال جامدة، مما قد يؤدي إلى عدم الدقة بالنسبة للأشياء غير المنتظمة. يستخدم النظام الجديد نهجًا أكثر مرونة يحترم الشكل الفعلي للجسم، سواء كان طويلاً ونحيفًا أو قصيرًا وعريضًا، مما يضمن تحديد الموقع بدقة.

لاختبار مدى نجاح هذه التغييرات، درب الباحثون نظامهم على مجموعة بيانات جديدة أنشؤوها، والتي تضمنت أكثر من 17,000 صورة لمشاهد حضرية. وقد اختبروا النظام مقابل طرق كشف شائعة أخرى ووجدوا أن نهجهم الجديد كان أفضل بكثير في العثور على الأجسام الصحيحة مع تفويت عدد أقل منها. وفي اختباراتهم، حدد النظام الشذوذ الحضري بشكل صحيح في 83.1% من الحالات التي كان من المفترض أن يجد فيها شيئًا، وهو تحسن ملحوظ مقارنة بالنماذج القياسية. كما تمكن أيضًا من العثور على 77.1% من جميع المشكلات الفعلية الموجودة في الصور، وهو مقياس رئيسي لتطبيقات السلامة حيث يكون تفويت الخطر أمرًا خطيرًا. ولعل الأهم من ذلك بالنسبة للاستخدام في العالم الحقيقي، هو أن النظام ظل سريعًا للغاية؛ حيث يمكنه معالجة صورة وإعطاء إجابة في غضون 2.31 مللي ثانية فقط، مما يعني أنه يمكنه نظريًا تحليل مئات الصور في كل ثانية. تشير هذه السرعة إلى إمكانية تثبيت هذه التكنولوجيا في المركبات المتحركة أو الطائرات بدون طيار لمراقبة شوارع المدينة باستمرار دون تأخير.

كما استكشفت الدراسة كيف أثرت الإعدادات المختلفة على أداء النظام، مؤكدة أن الجمع المحدد بين التقنيات التي اختاروها كان الأكثر فعالية. ووجدوا أن استخدام حجم متوسط لـ "الرؤية بعيدة المدى" كان أمرًا بالغ الأهمية؛ فبالنظر بضيق شديد فُقد السياق، وبالنظر باتساع شديد دخل الكثير من الارتباك. وبالمثل، اكتشفوا أن إعدادات كشف الشكل الأكثر مرونة كانت هي الأفضل لطبيعة الضرر الحضري غير المنتظمة. ورغم أن النظام ليس مثاليًا ويمكن أن يرتبك أيضًا بسبب الإضاءة الشديدة أو العوائق الكثيفة، إلا أن النتائج تظهر مسارًا واضحًا للمضي قدمًا. ويقر الباحثون بأن هناك حاجة لمزيد من الاختبارات في ظروف جوية ومواقع مختلفة، لكن النتائج الحالية تثبت أن الكمبيوتر يمكن الآن تدريبه على رؤية التفاصيل الدقيقة والمكسورة والفوضوية للحياة الحضرية بمستوى من الدقة والسرعة كان بعيد المنال سابقًا. يقدم هذا العمل أداة واعدة للمدن للانتقال من الإصلاحات التفاعلية إلى السلامة الاستباقية، مما يضمن مراقبة البنية التحتية التي نعتمد عليها بعين ثابتة لا تغفل.