A Physics-Informed MobileNetV2 Framework for Thermal Infrared Gas Classification: Combining Thermodynamic Input Features and Loss-Level Physics Penalization

ملخص تقني: إطار عمل MobileNetV2 مدعوم بالفيزياء لتصنيف الغازات بالأشعة تحت الحمراء الحرارية

بيان المشكلة
تتعامل مناهج التعلم العميق الحالية لتصنيف الغازات بالأشعة تحت الحمراء الحرارية (TIR) مع الصور الحرارية المعايرة كأنها صور RGB قياسية، متجاهلةً القوانين الديناميكية الحرارية الأساسية التي تحكم البيانات. وتحديداً، تفشل الدراسات السابقة على معيار MultimodalGasData في الاستفادة من حقيقة أن قيم البكسل تمثل درجات حرارة حقيقية معايرة بالكاميرا وتخضع لقوانين فيزيائية ثابتة. ويؤدي هذا الإغفال إلى مشكلتين حرجتين:

1. عدم المعقولية الفيزيائية: تؤدي تقنيات تعزيز البيانات القياسية (مثل القلب الرأسي) إلى خلق سيناريوهات مستحيلة فيزيائياً، مثل هبوط أعمدة الغاز الساخنة ضد الجاذبية، مما يتناقض مع الحمل الحراري المدفوع بالطفو.
2. الافتقار إلى القابلية للتفسير: قد تحقق النماذج دقة عالية من خلال تعلم سمات بصرية خاصة بمجموعة البيانات بدلاً من الإشارات الديناميكية الحرارية الحقيقية. وبناءً على ذلك، يمكن للمصنفات تخصيص ثقة عالية لمخاطر الغاز في مناطق مسطحة حرارياً وخالية من الميزات حيث لا يوجد مبرر فيزيائي، مما يشكل خطراً على عمليات النشر في البيئات الحرجة للسلامة التي تتطلب تعميماً على الظروف المحيطة المتغيرة.

المنهجية
يقترح المؤلفون إطار عمل للتعلم الآلي المدعوم بالفيزياء (PIML) يدمج المبادئ الديناميكية الحرارية مباشرة في كل من تمثيل المدخلات وهدف التدريب. تتكون المنهجية من أربعة مكونات أساسية:

1. بناء تينسور المدخلات المدعوم بالفيزياء:
   بدلاً من تمثيل RGB المكون من ثلاث قنوات، يقوم المؤلفون ببناء تينسور مكون من ست قنوات لكل صورة:

• RGB المعاير حرارياً: يتم إعادة تحجيم شدة البكسل الخام إلى نطاق درجة حرارة معياري ($T_{norm} \in [0, 1]$) بناءً على النطاق الفيزيائي الثابت للكاميرا (من $-40^\circ\text{C}$ إلى $330^\circ\text{C}$)، مما يحافظ على العلاقة الفيزيائية بين الشدة ودرجة الحرارة.
• خرائط التدرج الحراري: يتم حساب خرائط التدرج الأفقي ($G_x$) والرأسي ($G_y$) باستخدام عامل Sobel على صورة منزوعة الضجيج ومعززة التباين. هذه الخرائط مشتقة من قانون فورير لانتقال الحرارة ($q = -k\nabla T$)، وهي تشفر الحدود المكانية لتدفق الحرارة بين الحالات الحرارية المضطربة وغير المضطربة.
• خريطة شذوذ درجة الحرارة المحلية: خريطة يتم إنشاؤها عن طريق طرح متوسط الجوار المحلي (15×15 بكسل) من قيمة البكسل، مما يعزل الشذوذات الحرارية الموضعية المميزة لنشاط الغاز مع كبح الاتجاهات الخلفية.
• التعزيز المتسق فيزيائياً: يتم قصر عملية تعزيز البيانات على القلب الأفقي وتعديلات السطوع المحدودة. ويتم استبعاد القلب الرأسي والتدوير الكبير صراحةً لمنع توليد صور مستحيلة ديناميكياً حرارياً (مثل هبوط أعمدة الحرارة).

2. بنية النموذج:
   يستخدم إطار العمل بنية MobileNetV2، والتي تم اختيارها للتوازن بين الدقة والكفاءة الحسابية (حوالي 14 ميجابايت). لاستيعاب المدخلات المكونة من ست قنوات، يسبق بنية MobileNetV2 (المدربة مسبقاً) كتلة إسقاط المدخلات (طبقتان من التلافيف $1\times1$)، والتي تعيد إسقاط القنوات الست إلى الثلاث قنوات المتوقعة لأوزان MobileNetV2. تتضمن البنية رأس تصنيف يحتوي على تجميع متوسط عالمي (global average pooling)، وطبقة كثيفة (dense layer)، وإسقاط (dropout)، ومخرج softmax لأربعة فئات: لا يوجد غاز (No Gas)، عطر (Perfume)، دخان (Smoke)، ومزيج (Mixture).

3. دالة الخسارة المعاقبة فيزيائياً:
   يجمع هدف التدريب بين الإنتروبيا المتقاطعة الفئوية القياسية ($L_{CE}$) وعقوبة المعقولية الديناميكية الحرارية ($L_{physics}$):
   $$L_{total} = L_{CE} + \lambda \cdot L_{physics}$$
   تُعرف حد العقوبة بأنها متوسط حاصل ضرب ثقة الغاز في الاضمحلال الأسي لمقدار التدرج. هذه الصيغة تعاقب النموذج عندما يتنبأ بوجود خطر غاز بثقة عالية في المناطق التي تفتقر إلى التدرجات الحرارية الحادة المطلوبة بموجب قانون فورير، مما يؤدي فعلياً إلى تقليم الفرضيات غير المعقولة فيزيائياً أثناء الانتشار العكسي (backpropagation).

4. استراتيجية التدريب ذات المرحلتين:

• المرحلة الأولى (تكييف الميزات): يتم تجميد بنية MobileNetV2؛ ويتم تدريب كتلة إسقاط المدخلات ورأس التصنيف فقط للتكيف مع المدخلات الست القنوات المدعومة بالفيزياء.
• المرحلة الثانية (الضبط الدقيق): يتم إلغاء تجميد الطبقات الثلاثين العليا من البنية، ويتم تدريب النموذج بشكل كامل (end-to-end) مع معدل تعلم مخفض وتوقف مبكر لمنع الإفراط في التخصيص (overfitting).

المساهمات الرئيسية

1. مدخلات قائمة على الفيزياء بست قنوات: أول تطبيق لتينسور مكون من ست قنوات (RGB المعاير حرارياً، تدرجات Sobel، وخرائط الشذوذ) لهذه مجموعة البيانات، بدلاً من نهج RGB القياسي.
2. تنظيم الخسارة الديناميكية الحرارية: تقديم دالة خسارة تعاقب صراحةً تنبؤات الغاز الواثقة في المناطق المسطحة حرارياً، مما يفرض المعقولية الفيزيائية أثناء التحسين.
3. التحقق من المعقولية الفيزيائية: أول استخدام لتحليل التباين القائم على الحجب (occlusion-based saliency analysis) على هذه المجموعة من البيانات للتحقق من أن انتباه النموذج يتماشى مع المناطق ذات المعنى الديناميكي الحراري (مثل قاعدة الأعمدة الصاعدة) بدلاً من السمات البصرية العارضة.
4. المقارنة المرجعية الشاملة: تقييم كامل مقابل نتائج الحالة الراهنة السابقة على معيار MultimodalGasData، بما في ذلك تحليل مفصل للأخطاء حسب الفئة.

النتائج
حقق النموذج المقترح مقاييس الأداء التالية على مجموعة الاختبار المستبعدة (962 صورة):

• الدقة الإجمالية: 94.80% (الاختبار) و 96.67% (أفضل تحقق).
• أداء الفئات:
  • المزيج (Mixture): درجة F1 بلغت 99.58% مع صفر حالات إيجابية كاذبة عبر 722 صورة اختبار لغير المزيج.
  • الدخان (Smoke): درجة F1 بلغت 96.22%.
  • العطر (Perfume): درجة F1 بلغت 93.20%.
  • لا يوجد غاز (No Gas): درجة F1 بلغت 90.31%.
• هيكل الخطأ: ألغى النموذج جميع حالات الارتباك بين فئتي العطر والدخان (وهو نمط فشل شائع في النماذج السابقة) وحصر الأخطاء المتبقية في الحد الفاصل بين لا يوجد غاز وفئات الغاز المنفردة.
• تحليل التباين (Saliency Analysis): أكدت خرائط الحجب أن انتباه النموذج يتركز في المناطق المتوقعة ديناميكياً حرارياً: قاعدة أعمدة الدخان الصاعدة، والحرارة المنتشرة في المنطقة العلوية للهباء الجوي، والتنشيط متعدد المناطق للمزيج.

الأهمية والادعاءات
يجادل البحث بأنه بينما يتخلف النموذج المقترح عن نموذج MobileNetV2 الذي يعتمد على تحسين الدقة البحتة (99.76% دقة) بمقدار 4.96 نقطة مئوية، فإن هذه الفجوة تمثل مقايضة كمية ومواتية بين الدقة الخام والتأسيس الفيزيائي.

• الموثوقية في البيئات الحرجة للسلامة: يزعم المؤلفون أنه بالنسبة للنشر في البيئات الحرجة للسلامة، فإن إعادة الهيكلة النوعية للأخطاء أكثر أهمية من مكاسب الدقة الإجمالية. فمن خلال القضاء على الإنذارات الكاذبة لفئة "المزيج" ذات العواقب الأعلى، وإزالة الارتباك بين أنواع المخاطر المتميزة، يعطي النموذج الأولوية للمتانة الهيكلية على استغلال السمات الخاصة بمجموعة البيانات.
• إمكانات التعميم: يُقال إن إطار العمل أكثر متانة تجاه التغيرات في درجة الحرارة المحيطة، أو اتجاه الكاميرا، أو الظروف الخلفية، لأنه يعتمد على ثوابت ديناميكية حرارية عالمية (قانون فوريد) بدلاً من الارتباطات الزائفة.
• القابلية للتفسير: توفر الدراسة أول تحقق من المعقولية الفيزيائية لهذا المعيار، مما يثبت أن الدقة العالية في المعيار لا تضمن أن منطق النموذج آمن للاعتماد عليه دون التحقق من القوانين الفيزيائية.

يخلص المؤلفون إلى أن نهجهم يقدم مساراً قابلاً للتطبيق نحو أنظمة كشف غاز قابلة للتفسير وواعية للسلامة، مشيرين إلى أن العمل المستقبلي يمكن أن يدمج هذه الميزات الحرارية المدعومة بالفيزياء مع بيانات مصفوفة المستشعرات للاقتراب من أداء دمج الوسائط المتعددة أو تجاوزه مع الاحتفاظ بالتفسير الفيزيائي.