LoRA-Based Diffusion Data Augmentation for Underwater Garbage Detection: An Empirical Study with YOLOv8s

قاع المحيط هو مكان يصارع فيه الضوء للوصول، حيث تعمل المياه نفسها كستارة سميكة وضبابية. في هذه الأعماق المعتمة والموحلة، لا تستقر الزجاجات البلاستيكية، وشباك الصيد، والإطارات المهملة التي فقدها البشر بشكل واضح أمام الرمال؛ بل غالبًا ما تكون مشوهة بسبب الطريقة التي يكسر بها الماء الضوء، أو محجوبة بالجسيمات العائمة، أو مخفية في الظلال. بالنسبة للعلماء الذين يحاولون تنظيف المحيطات، يعد هذا الارتباك البصري عقبة رئيسية. وللعثور على هذه النفايات تحت الماء وعدّها، يعتمدون على الكاميرات والحواسيب، لكن الحواسيب تحتاج إلى التدرب على آلاف الأمثلة الواضحة لتعلم ما تبحث عنه. تكمن المشكلة في أن التقاط صور واضحة تحت الماء أمر صعب للغاية؛ فالبيئة يصعب الوصول إليها، والمعدات باهظة الثمن، والصور الموجودة غالبًا ما تكون ضبابية جدًا أو مظلمة لدرجة تجعلها غير مفيدة لتعليم الحاسوب.

ولحل هذا النقص في بيانات التدريب الجيدة، لجأ الباحثون إلى نوع جديد من الأدوات: ذكاء اصطناعي يمكنه تخيل وإنشاء الصور. هذه الأدوات، المعروفة بالنماذج التوليدية، يمكنها إنتاج صور تبدو وكأنها صور فوتوغرافية دون استخدام كاميرا قط. ومع ذلك، فإن مجرد طلب "رسم كيس بلاستيكي تحت الماء" من الحاسوب غالبًا ما يؤدي إلى صورة لا تشبه الواقع بتاتًا؛ فقد يكون للجسم المولد شكل خاطئ، أو لون خاطئ، أو يظهر في مكان لا ينتمي إليه. إذا تعلم الحاسوب من هذه الصور المزيفة، فقد يصاب بالارتباك ويفشل في رصد النفايات الحقيقية لاحقًا. لذا، فإن التحدي لا يكمل فقط في صنع المزيد من الصور، بل في صنع صور مقنعة ودقيقة لدرجة تمكن الحاسوب من التعلم منها كما لو كانت حقيقية.

وضع فريق من الباحثين خطة لاختبار ما إذا كان هذا النهج يمكن أن ينجح فعليًا في تنظيف المحيط. ركزوا على نوع محدد من أنظمة الذكاء الاصطناعي القادرة على توليد الصور، مدمجًا بطريقة لتعليم هذا النظام بدقة كيف تبدو أنواع مختلفة من النفايات تحت الماء. لم يحاولوا استبدال الحاجة إلى الصور الحقيقية تمامًا، بل أرادوا معرفة ما إذا كان إضافة عدد صغير من الصور المزيفة المصنوعة بعناقة بعناية إلى مجموعة محدودة من الصور الحقيقية يمكن أن يساعد الكاشف الحاسوبي ليصبح أكثر ذكاءً. اختاروا دراسة خمسة أنواع محددة من الحطام الشائع: الأكياس البلاستيكية، والقفازات، وأقنعة الوجه، وشباك الصيد، والعلب. وتعتبر هذه العناصر صعبة الرصد بشكل ملحوظ لأنها غالبًا ما تكون شفافة، أو مجعدة، أو تندمج مع قاع البحر.

بدأ الباحثون بمجموعة من الصور الحقيقية تحت الماء التي تم تصنيفها بالفعل من قبل البشر. ولضمان عدالة اختبارهم وموثوقية نتائجهم، قاموا بفصل هذه الصور الحقيقية بعناية إلى ثلاث مجموعات قبل البدء في أي عملية توليد حاسوبي. استُخدمت مجموعة واحدة لتعليم نظام صنع الصور كيف يجب أن يبدو شكل النفايات. واستُخدمت مجموعة أخرى لتدريب الكاشف الحاسوبي. أما المجموعة الثالثة، التي لم تُعرض أبدًا على صانع الصور أو الكاشف أثناء مرحلة التعلم، فقد حُفظت بصرامة للاختبار النهائي فقط. منع هذا الفصل الصارم الحاسوب من استخدام إجابات الاختبار أثناء مرحلة التعلم.

ولجعل الصور المزيفة مفيدة، استخدم الفريق تقنيتين خاصتين. أولاً، علموا مولد الصور أن ينتبه بدقة للتفاصيل المحددة لكل نوع من النفايات. عرضوا على النظام بضع عشرات من الأمثلة الحقيقية لكيس بلاستيكي، أو قفاز، أو شبكة، وتركوا النظام يتعلم المظهر الفريد لهذه العناصر تحت الماء — طياتها، وشفافيتها، وكيف يؤثر الضوء الأزرق المخضر في أعماق البحار على ألوانها. ثانيًا، أعطوا النظام خريطة بسيطة ليتبعها؛ فقبل توليد الصورة، رسم الباحثون مربعًا على لوحة فارغة حيث يريدون ظهور النفايات، ثم أُجبر النظام على وضع الجسم المولد داخل ذلك المربع تمامًا. ضمن هذا الأمر أن الصور المولدة ستتطابق مع التصنيفات التي يتوقعها الكاشف الحاسوبي، مما يمنع الارتباك بشأن مكان وجود الجسم الفعلي.

أنشأ الفريق مئات الصور الاصطناعية، لكنهم كانوا انتقائيين للغاية بشأن الصور التي استخدموها. قاموا بفحص الصور المولدة يدويًا، واستبعدوا أي صور بدت غريبة جدًا، أو ذات أشكال مكسورة، أو لم تتطابق مع التصنيف. تمت إضافة أفضل الصور فقط إلى مجموعة التدريب الخاصة بالكاشف الحاسوبي؛ وتحديدًا، تمت إضافة 50 صورة اصطناعية إضافية فقط لكل تجربة. ثم أجروا ثلاث تجارب مختلفة لمعرفة ما سيحدث. في التجربة الأولى، تدرب الكاشف على الصور الحقيقية فقط. وفي الثانية، أضافوا صورًا مزيفة تم توليدها دون أي تدريب خاص على أنواع النفايات المحددة. وفي الثالثة، أضافوا الصور المزيفة التي تم ضبطها بعناية لتبدو مثل عناصر النفايات المحددة.

أظهرت النتائج أن مجرد إضافة المزيد من الصور المزيفة لم يكن كافيًا. فعندما تم تدريب الكاشف باستخدام الصور المزيفة غير المضبوطة، تراجعت كفاءته في الأداء فعليًا؛ حيث أصبح أقل دقة في العثور على النفايات وفقد الكثير من العناصر مقارنة بما سبق. أشار هذا إلى أنه إذا كانت الصور المزيفة تبدو مختلفة جدًا عن الواقع، فإنها ستؤدي فقط إلى إرباك الحاسوب. ومع ذلك، عندما تم تدريب الكاشف باستخدام الصور المزيفة التي تم ضبطها بعناية، تحسنت النتائج. أصبح الحاسوب أفضل في تحديد النفايات، والعثور على المزيد منها، وتحديد موقعها بدقة أكبر. ارتفعت دقة الكاشف من حوالي 83 بالمائة إلى 85 بالمائة، وتحسنت قدرته على العثيد على العناصر الصحيحة أيضًا.

كما كشفت الدراسة أن هذا التحسن لم يحدث بالتساوي لكل نوع من أنواع النفايات. فقد أصبح الحاسوب أفضل بشكل ملحوظ في رصد القفازات والعلب وشباك الصيد عندما تعلم من الصور المزيفة المضبوطة. ومع ذلك، بالنسبة لأقنعة الوجه والأكياس البلاستيكية، كان التحسن طفيفًا جدًا، وفي بعض الحالات، لم يتغير الأداء على الإطلاق. يشير هذا إلى أن الطريقة تعمل بشكل أفضل مع الأشياء التي لها شكل وملمس واضحين، لكنها تواجه صعوبة مع العناصر الرقيقة جدًا أو الشفافة أو سهلة التشويه. وخلص الباحثون إلى أنه بينما يمكن لهذه الصور المولدة بالذكاء الاصطناعي أن تساعد، إلا أنها ليست بديلًا مثاليًا للبيانات الحقيقية؛ فهي مكمل مفيد يمكنه تعزيز الأداء عند ندرة الصور الحقيقية، ولكن يجب إنشاؤها بعناية فائقة والتحقق من جودتها.

في النهاية، يوضح هذا العمل أنه يمكننا استخدام الذكاء الاصطناعي للمساعدة في حل مشكلة تلوث المحيطات، ولكن يجب أن يكون التكنولوجيا موجهة بالفهم البشري. لا يمكن الاكتفاء بإخبار الحاسوب "اصنع المزيد من الصور" فحسب؛ بل يجب تعليمه اللغة البصرية المحددة لعالم ما تحت الماء. ومن خلال الجمع بين البيانات الحقيقية والصور الاصطناعية عالية الجودة والمتحكم بها بعناية، يمكن للباحثين بناء أدوات أفضل لمراقبة وحماية قاع المحيط. تؤكد الدراسة أن هذا النهج يمثل خطوة واعدة للأمام، مما يوفر طريقة للاستفادة القصوى من الموارد المحدودة مع الإقرار بأن تعقيد البيئة تحت الماء لا يزال يتطلب تعاملًا دقيقًا.