← أحدث الأبحاث
💻 computer science

EMA-Det: Hardware-Aware Edge Verification for Two-Stage UAV Detection

تقدم هذه الورقة EMA-Det، وهي شبكة للتحقق من المناطق تعتمد على الخروج المبكر ومدركة للأجهزة لعمليات كشف الطائرات بدون طيار ذات المرحلتين، والتي تعطي الأولوية للاستدعاء على حساب متوسط الدقة المتوسطة (mAP) للتغلب على اختناقات النظام، محققة أداءً فائقاً على أجهزة الحافة ومثبتةً ضرورة التدريب المتخصص في المجال لتطبيقات الأشعة تحت الحمراء الحرارية.

المؤلفون الأصليون: Enes Mert AYDIN, Osman TOKLUOGLU, Enver CAVUS

نُشر 2026-08-20
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Enes Mert AYDIN, Osman TOKLUOGLU, Enver CAVUS

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

في السماوات فوق مدننا وحدودنا، ظهر نوع جديد من التحديات الصامتة: طائرات بدون طيار صغيرة، بطيئة، ومنخفضة التحليق. هذه الطائرات غير المأهولة، التي غالباً ما لا يتجاوز حجمها حجم طائر، يمكنها التسلل بعيداً عن الرادارات والكاميرات التقليدية، مما يشكل مخاطر على المطارات والملاعب والبنية التحتية الحيوية. إن الدفاع ضدها يتطلب نظاماً يمكنه الرؤية، والقرار، والتحرك في جزء من الثانية. ومع ذلك، فإن الحواسيب التي ستحتاج لتشغيل هذه الدفاعات هي غالباً أجهزة صغيرة تعمل بالبطارية ذات ذاكرة وقدرة معالجة محدودة. لا يمكن لهذه الأجهزة ببساطة مسح بث فيديو ضخم وعالي الدقة بنفس البرمجيات الثقيلة المستخدمة في الحواسيب الفائقة؛ فتدفق البيانات واسع جداً، والذاكرة ضيقة للغاية. ولحل هذه المشكلة، يستخدم المهندسون غالباً نهجاً يتكون من خطوتين: أولاً، يقوم مسح استشعاري سريع وبسيط بتحديد بضع مناطق صغيرة في السماء قد تحتوي على طائرة بدون طيار. ثم يأتي نظام ثانٍ أكثر دقة ليزوم (يقرب النظر) على تلك الرقع الصغيرة فقط للتأكد مما إذا كان هناك تهديد حقيقي أم لا. ويعتمد نجاح الدفاع بأكمله على هذه الخطوة الثانية: فإذا فشل النظام في رصد طائرة بدون طيار، سيفشل النظام بالكامل، بغض النظر عن مدى جودة الخطوة الأولى.

لقد طور باحثون في جامعة أنقرة يلدريم بيضيت طريقة جديدة تسمى EMA-Det لجعل هذه الخطوة الثانية أسرع وأكثر موثوقية على هذه الأجهزة الطرفية الصغيرة. فبدلاً من محاولة بناء شبكة واحدة ضخمة تقوم بكل شيء، صمموا "محقِّقاً" متخصصاً يفهم الطبيعة الفريدة لهذه المهمة. لقد أدركوا أن معظم رقع الصور الصغيرة المرسلة للتحقق هي في الواقع سماء فارغة. وأنظمة الرؤية الحاسوبية القياسية ستضيع الوقت في تحليل كل رقعة بنفس الجهد الثقيل، سواء كانت تحتوي على طائرة بدون طيار أو مجرد سماء زرقاء. ويغير النظام الجديد هذا الأمر بإضافة "مخارج مبكرة". فبينما تتدفق بيانات الصورة عبر الشبكة، تجري عمليات فحص بسيطة في البداية تماماً؛ فإذا كان النظام واثقاً للغاية من أن الرقعة هي مجرد سماء فارغة، فإنه يتوقف عن المعالجة فوراً ويتخلص منها، مما يوفر وقتاً وطاقة ثمينين. أما الرقع التي تبدو مشبوهة فقط، فيُسمح لها بالانتقال عبر الطبقات الأعمق والأكثر تعقيداً للشبكة. هذا التصميم يحول حقيقة أن معظم المرشحين هم أهداف غير ضارة إلى ميزة في السرعة، مما يسمح للجهاز بالتعامل مع المزيد من التهديدات المحتملة دون تباطؤ.

ولتلقين هذا النظام ما يجب أن يبحث عنه، كان على الباحثين توخي الحذر الشديد بشأن البيانات التي استخدموها. فقد جمعوا آلاف الصور للطائرات بدون طيار والسماوات الفارغة من مصادر عامة، لكنهم لاحظوا أن العديد من الصور كانت نسخاً متطابقة تقريباً مأخوذة من إطارات فيديو واحدة. ولضمان أن النظام يتعلم حقاً وليس مجرد حفظ النسخ المكررة، أنشأوا عملية تنظيف صارمة؛ حيث أزالوا الصور المكررة وقسموا الصور الفريدة المتبقية إلى مجموعات تدريب واختبار، مع التأكد من عدم ظهور صورة واحدة في كلتا المجموعتين. كما بدأوا عملية تعلم النظام بحيلة ذكية: فبدلاً من ترك الكمبيوتر يخمن شكل الحواف والأشكال من الصفر، أعطوه دفعة قوية عبر برمجة الطبقة الأولى للتعرف على الخطوط والحواف الأساسية، تماماً مثل الإنسان الذي يرسم الخطوط العريضة لشيء ما قبل تلوينه. ساعدت هذه "البداية الفيزيائية" النظام على التعلم بشكل أسرع وأكثر استقراراً.

كانت نتائج هذا النهج مذهلة عند اختباره مقابل الطرق القياسية. فبينما تمكنت أنظمة الكشف الشهيرة الأخرى، المصممة لمسح مشاهد كاملة واسعة الزاوية، من العثور على حوالي 74 بالمائة من الطائرات بدون طيار في هذه الرقع الصغيرة، وجد النظام الجديد ما يقرب من 96 بالمائة. ووجد الباحثون أن الطريقة القياسية لقياس النجاح، والتي تنظر إلى درجة متوسطة معقدة، كانت في الواقع مضللة لهذه المهمة تحديداً؛ إذ يمكن لنظام أن يبدو جيداً وفقاً لهذا المتوسط، ولكنه قد يخطئ في رصد الكثير من الطائرات، وهو عيب قاتل لنظام دفاعي. ومن خلال التركيز على القدرة على اصطياد كل هدف، أثبت التصميم الجديد تفوقاً كبيراً. كما اختبر الفريق مدى كفاءة عمل النظام إذا تم تدريبه على كاميرات الضوء المرئي ثم طُلب منه النظر في صور الأشعة تحت الحمراء الحرارية، التي تظهر الحرارة بدلاً من الألوان. ودون أي إعادة تدريب، لا يزال النظام يتعرف على الطائرات بدون طيار بدقة عالية، رغم أنه فاته عدد أكبر مما فاته مع الضوء المرئي. ومع ذلك، عندما قاموا بتدريب النظام من الصفر باستخدام الصور الحرارية، فقد عمل بشكل استثنائي، مما أثبت أن الفجوة بين نوعي الرؤية تعود إلى الاختلاف في الصور نفسها، وليس بسبب قصور في تصميم النظام.

ولإثبات أن هذا النظام يمكنه العمل فعلياً على أجهزة حقيقية، أخذ الفريق الجزء الأول من شبكتهم وبنى مخططاً رقمياً لنوع معين من الرقائق المستخدمة في الأجهزة الميدانية. وقد تحققوا من أن هذا المخطط سيتناسب مع حدود الذاكرة والطاقة الصارمة للرقاقة، مؤكدين أن التصميم ليس مجرد نظرية بل هو حل عملي للنشر في العالم الحقيقي. يوضح هذا العمل أنه بالنسبة للحماية من الطائرات الصغيرة والبطيئة، فإن المفتاح ليس فقط بناء عقل أذكى، بل بناء عقل يعرف متى يتوقف عن التفكير. فمن خلال السماح للنظام باستبعاد السماء الفارغة بسرعة، فإنه يوفر طاقته للحظات الحاسمة، مما يضمن أنه عندما تكون هناك طائرة بدون طيار موجودة، فسيتم رؤيتها.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →