Vision-Based Crack Segmentation and Coverage Planning for Autonomous Mobile Robots
تقدم هذه الورقة نظاماً روبوتياً متنقلاً ذاتي القيادة يدمج نموذج التعلم العميق خفيف الوزن YOLOv11n-seg للكشف عن الشقوق في الوقت الفعلي مع مخطط مسار تغطية "بوستروفيدون" (حركة الثور) مدعوم بالذاكرة، محققاً تغطية عالية للمساحة وكفاءة في المسار في مهام فحص البنية التحتية المحاكات.
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
تُعد الهياكل الخرسانية مثل الجسور والأنفاق والطرق السريعة العمود الفقري الصامت للمجتمع الحديث، لكنها تتعرض باستمرار للهجوم من قِبل الزمن والإجهاد. فعلى مر سنوات من الاستخدام، تظهر شقوق على هذه الأسطح، والتي إذا لم تُلاحظ، يمكن أن تتحول إلى إخفاقات خطيرة. ولعقود من الزمن، كانت الطريقة الوحيدة للعثور على هذه الكسور الخفية هي قيام المفتشين البشر بالتسلق والزحف والنظر عن كثب في البنية التحتية المتقادمة. وهذا العمل بطيء ومكلف، وغالبًا ما يضع الناس في مواقف خطرة، خاصة عندما يتعين عليهم فحص الجدرات العالية أو المساحات الضيقة وغير المستقرة. ولحل هذه المشكلة، يتجه المهندسون إلى الروبوتات التي يمكنها التحرك من تلقاء نفسها، ورؤية العيوب عبر الكاميرات، ورسم مسار للتحقق من كل بوصة من السطح دون مساعدة بشرية. ويكمن التحدي في تعليم هذه الآلات القيام بشيئين صعبين في آن واحد: رصد الشقوق الصغيرة غير المنتظمة في بيئة بصرية فوضوية، والتنقل حول العوائق لضمان عدم تفويت أي بقعة.
قام فريق من الباحثين من جامعات في بنغلاديش ببناء نظام تجريبي يجمع هذه القدرات معًا. فقد ابتكروا روبوتًا ذاتي القيادة مصممًا لفحص البنية التحتية من خلال الجمع بين كاميرا ذكية يمكنها تحديد الشقوق ونظام ملاحة يخطط مسارًا كاملًا عبر السطح. يستخدم الروبوت كاميرا للبحث عن الضرر، معتمدًا على نوع من الذكاء الاصطناعي المدرب على آلاف الصور لشقوق حقيقية. تم تصميم هذا النظام ليكون خفيف الوزن بما يكفي للعمل على أجهزة كمبيوتر صغيرة، مما يسم يسمح للروبوت باتخاذ القرارات بسرعة أثناء الحركة. عندما يرى الروبوت شقًا، يقوم بتحديده؛ وعندما يرى عائقًا، يتوقف أو ينعطف. والهدف هو أن يقوم الروبوت بالمسح ذهابًا وإيابًا عبر جدار أو طريق، وتغطية المنطقة بأكملها بشكل منهجي، تمامًا مثل شخص يقص العشب، ولكن مع الإضافة الذكية لتجنب الأثاث أو الأنابيب أو غيرها من الحواجز التي قد تعترض طريقه.
لاختبار هذه الفكرة، لم يرسل الباحثون روبوتًا ماديًا إلى مبنى حقيقي على الفور. بدلاً من ذلك، بنوا عالمًا افتراضيًا مفصلاً داخل محاكاة حاسوبية تسمى "Webots". في هذه البيئة الرقمية، وضعوا روبوتًا صغيرًا ذا عجلات مجهزًا بكاميرا وثمانية مستشعرات بالأشعة تحت الحمراء تعمل مثل "الشارب" الحساس للمس لاكتشاف الأشياء القريبة. برمج الفريق الروبوت بمهمة محددة: السفر عبر منطقة محددة، والعثور على الشقوق، وتجنب ثلاثة عوائق تشبه البراميل وُضعت في مساره. يتكون عقل الروبوت من جزأين رئيسيين يعملان بالتوازي. الجزء الأول هو نظام رؤية مدرب على مجموعة بيانات تضم أكثر من 4000 صورة للشقوق. تعلم هذا النظام التعرف على الأنماط البصرية للكسور، وتمييزها عن الظلال أو بقع السطح. الجزء الثاني هو مخطط ملاحة يقسم المنطقة إلى شبكة ويأمر الروبوت بالتحرك في نمط متعرج (زيجزاج)، مما يضمن تغطية كل بوصة مربعة. وإذا واجه الروبوت عائقًا، فإنه يستخدم نظام ذاكرة لتذكر المواقع المحظورة ويختار بسرعة هدفًا جديدًا قريبًا لزيارته، بدلاً من التعثر أو إضاعة الوقت.
كانت نتائج هذه المحاكاة واعدة ولكنها كشفت أيضًا عن مجالات محددة تحتاج إلى تحسين. أثبت نظام الرؤية فعاليته العالية في مهمته الأساسية؛ فعند اختباره، حدد الشقوق بشكل صحيح في حوالي 89 بالمائة من الحالات التي كان متأكدًا فيها من نتيجته، ونجح في تحديد حوالي 70 بالمائة من جميع الشقوق الموجودة في صور الاختبار. وهذا يعني أن الروبوت جيد جدًا في رصد الضرر عندما يراه، رغم أنه قد يغفل أحيانًا عن الشقوق الباهتة جدًا أو الصغيرة جدًا. كما أدى نظام الملاحة أداءً جيدًا في المساحات المفتوحة، حيث حقق تغطية بنسبة 94 بالمائة للمساحة الإجمالية وتحرك على طول مساره بكفاءة بلغت 92 بالمائة. أكمل الروبوت مهمة التفتيش بأكملها في حوالي 250 ثانية، ونجح في التنقل حول العوائق في معظم البيئة.
ومع ذلك، سلطت التجربة الضوء على نقطة ضعف كبيرة في كيفية تعامل الروبوت مع المساحات المزدحمة والمعقدة. فعندما دخل الروبوت مناطق بها العديد من العوائق المتقاربة، كان يسقط أحيانًا في حلقة مفرغة، حيث يدور ذهابًا وإيابًا بين نفس النقاط القليلة دون إحراز أي تقدم. وفي تجمع معين من العوائق، أضاع الروبوت ما يقرب من 90 ثانية — أي أكثر من ثلث وقت المهمة الإجمالي — وهو عالق في هذا السلوك المتكرر. حدث هذا لأن منطق اتخاذ القرار لدى الروبوت كان بسيطًا للغاية؛ إذ كان يختار أقرب نقطة غير مزارة دون النظر فيما إذا كان عالقًا، مما أدى إلى دورة من التحركات العقيمة. وبينما كان بإمكان الروبوت الهروب من هذه الحلقات في النهاية، إلا أن التأخير أظهر أن طريقة التخطيط الحالية ليست قوية بما يكفي بعد للسيناريوهات الأكثر صعوبة في العالم الحقيقي.
رغم هذه العثرات، تثبت الدراسة أنه من الممكن الجمع بين الكشف البصري المتقدم والحركة الذاتية على منصة صغيرة وفعالة. لقد أظهر الباحثون أنه يمكن للروبوت استخدام الكاميرا للعثور على الضرر الهيكلي ومجموعة من المستشعرات البسيطة لتجنب الاصطدامات، كل ذلك أثناء العمل على جهاز كمبيوتر صغير بما يكفي ليتناسب مع جهاز محمول. أثبت النظام بنجاح أن النهج الجزئي (Modular)، حيث يعمل جزء الرؤية وجزء الملاحة معًا ولكن يمكن تحسينهما بشكل منفصل، هو مسار قابل للتطبيق. ويقر الفريق بأنه قبل أن يمكن استخدام هذه التكنولوجيا في الجسور أو الأنفاق الفعلية، يجب ترقية منطق الملاحة لمنع الروبوت من التعثر، كما يجب أن يصبح نظام الكاميرا أكثر دقة في تحديد الحواف الدقيقة للشق. وفي الوقت الحالي، يوفر هذا العمل أساسًا متينًا، يوضح أن حلم روبوتات التفتيش ذاتية القيادة ينتقل من النظرية إلى واقع ملموس وعملي، جاهز ليأخذ يومًا ما المهمة الخطيرة والمملة المتمثلة في الحفاظ على سلامة بنيتنا التحتية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.