SFE-YOLO: Spatial-Frequency Dual-Domain Enhanced YOLO for SAR Ship Detection
لمعالجة أوجه القصور في الكواشف الحالية في البيئات البحرية المعقدة، تقترح الورقة البحثية SFE-YOLO، وهو إطار عمل YOLO معزز ثنائي المجال يدمج التلافيف المروحية (pinwheel convolution) لاستخراج الميزات متعددة الاتجاهات وكتلة المجال الترددي لتخميد ضجيج البحر، محققاً أداءً فائقاً في كشف السفن بواسطة رادار الفتحة الاصطناعية (SAR) على مجموعتي بيانات SSDD وHRSID.
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
المحيط عبارة عن لوحة شاسعة ومتحولة حيث يمكن أن يندمج الخط الفاصل بين السفينة والموجة ليصبح ضجيجاً لا يمكن تمييزه. لعقود من الزمن، اعتمدت مراقبة هذا المجال على أداتين رئيسيتين: الكاميرات التي ترى العالم كما نراه نحن، والرادار الذي يراه من خلال عيون الفيزياء. توفر الكاميرات تفاصيل غنية ولكنها تخفق عندما تغرب الشمس أو يحل ضباب كثيف. أما الرادار، فيعمل ليل نهار، مخترقاً السحب والظلام عبر عكس موجات راديوية عن السطح. وهذا ما يجعله العين الوحيدة الموثوقة لمراقبة السفن في أكثر الظروف الجوية قسوة. ومع ذلك، فإن صور الرادار يصعب قراءتها بشكل ملحوظ؛ فهي مليئة بالتشويش والحبيبات، وهو فوضى بصرية تُعرف باسم "ضجيج النقطة" (speckle noise)، حيث يمكن لملمس البحر الهائج أن يبدو تماماً مثل الهيكل المعدني لسفينة. لقد كان تمييز قارب صغير عن بقعة من المياه الهائجة صراعاً طويلاً للحواسيب المكلفة بمسح هذه الصور، مما يؤدي غالباً إلى حالات تفويت في الرصد أو إنذارات كاذبة قد تكون لها عواقب وخيمة على السلامة والأمن.
لقد لجأ الباحثون إلى الذكاء الاصطناعي لحل هذه المعضلة، عبر تعليم الحواسيب كيفية التعرف على الأنماط في هذه الصور المحببة. يعتمد النهج الأكثر شيوعاً على نوع من المرشحات الرقمية التي تمسح الصورة في مربعات صغيرة، بحثاً عن الحواف والأشكال. وبينما يعمل هذا النهج جيداً في مهام عديدة، إلا أنه يعاني مع الطبيعة الخاصة للسفن. فالسفينة جسم طويل ونحيف يمكن أن يتجه في أي اتجاه، لكن المرشحات القياسية صلبة ومربعة، مصممة لالتقاط الأشكال المستديرة أو الضخمة. وغالباً ما تفشل هذه المرشحات في التقاط الخطوط النحيفة لهيكل السفينة إذا كانت مائلة أو إذا كانت الصورة شديدة الضجيج. علاوة على ذلك، تكتفي هذه المرشحات القياسية بالنظر إلى الجوار المباشر للبكسلات، مما يجعلها تغفل عن الصورة الكلية للمشهد، وهو ما يصعّب التمييز بين سفينة حقيقية وبين بقعة مربكة من ضجيج البحر.
ولمعالجة نقاط الضعف المحددة هذه، طور فريق من الباحثين من مؤسسات في الصين نظام كشف جديداً يسمى SFE-YOLO. فبدلاً من الاعتماد على طريقة واحدة للنظر إلى الصورة، ابتكروا إطار عمل ثنائي المجال يفحص الصورة بطريقتين مختلفتين في آن واحد. يتناول الجزء الأول من نظامهم مشكلة الشكل؛ حيث استبدلوا المرشحات المربعة القياسية بنوع جديد من المرشحات يعمل مثل "المنقلب" أو "الدوامة" (pinwheel)، القادر على المسح في اتجاهات متعددة في وقت واحد. وهذا يسمح للحاسوب بتتبع الخطوط الطويلة والنحيفة للسفينة بغض النظر عن الاتجاه الذي تواجهه، مما يلتقط التفاصيل التي كانت المرشحات الصلبة القديمة تتجاهلها ببساطة.
أما الجزء الثاني من النظام فيعالج مشكلة الضجيج عبر تغيير كيفية معالجة الحاسوب لمعلومات الصورة. فبدلاً من مجرد النظر إلى البكسلات كما تظهر، يقوم النظام مؤقتاً بترجمة الصورة إلى لغة مختلفة تعتمد على "التردد"، وهي طريقة لوصف مدى سرعة تغير سطوع الصورة من نقطة إلى أخرى. وفي منظور التردد هذا، تبرز الأنماط المتكررة والثابتة لضجيج البحر بوضوح عن الحواف الحادة والفريدة للسفينة. وقد بنى الباحثون وحدة يمكنها تحديد وتخميد الضجيج منخفض التردد الناتج عن المحيط، مع تعزيز الإشارات عالية التردد التي تحدد معالم السفينة في الوقت نفسه. وبعد تنظيف الصورة في منظور التردد هذا، يقوم النظام بترجمتها مرة أخرى إلى الصورة العادية، لتصبح الآن أكثر وضوحاً وسهولة في القراءة.
عندما اختبر الفريق هذه الطريقة الجديدة على مجموعتين رئيسيتين من صور السفن الرادارية، كانت النتال مذهلة. ففي مجموعة بيانات قياسية تحتوي على أكثر من ألف صورة، حدد نظامهم السفن بدقة عالية، محققاً درجة 0.973 على مقياس يكون فيه الرقم 1.0 هو المثالي. وفي مجموعة بيانات أخرى أكثر صعوبة وعالية الدقة تضم ما يقرب من ستة آلاف صورة، والتي تتضمن العديد من السفن الصغيرة وخلفيات الموانئ المعقدة، حافظ النظام على أداء قوي بدرجة 0.885. والأهم من ذلك، أثبت النظام كفاءة خاصة في العثٍ على السفن الصغيرة، وهي مهمة غالباً ما فشلت فيها النماذج السابقة. فقد قلل النظام من عدد المرات التي فات فيها رصد قارب صغير، كما خفض أيضاً من عدد المرات التي اعتبر فيها موجةً بمثابة سفينة عن طريق الخطأ.
وجد الباحثون أن الجمع بين هذين النهجين — المسح الاتجاهي للشكل والتنقية القائمة على التردد — خلق تآزراً كان أكبر من مجموع أجزائه. لم يكتفِ النظام بأن يصبح أفضل قليلاً فحسب، بل أصبح قوياً بما يكفي للتعامل مع الواقع الفوضوي للمحيط المفتوح. ومن خلال تعليم الحاسوب رؤية هيكل السفينة من كل زاوية وتجاهل ضجيج الخلفية الناتج عن المحيط، يوفر النهج الجديد طريقة أكثر موثوقية لمراقبة حركة المرور البحرية. ويشير هذا التقدم إلى أنه في المستقبل، يمكن للأنظمة المؤتمتة أن توفر مراقبة أكثر اتساقاً ودقة لعمليات إنفاذ القانون وعمليات البحث والإنقاذ، مما يضمن عدم ضياع حتى أصغر السفن في ضجيج البحر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.