تحسين كشف الألغام عبر التعلم العميق والتصوير الحراري المحمول جوًا

فهرس المحتويات

1. مُلخّص
2. مقدّمة
3. الخلفية البحثية
   • الأسس النظرية لأنظمة كشف الألغام باستخدام الطائرات المسيّرة
   • تحليل أساليب التعلّم العميق في أبحاث كشف الألغام
   • الرادار المخترق للأرض Ground Penetrating Radar – GPR
   • المقارنة بين الرادار المخترق للأرض والتصوير الحراري
4. المنهجية
   •  منهجية التعلّم الآلي
   • أساس النموذج وتصميمه
   • إجراءات التقييم
   • إجراءات المعالجة المسبقة وتعزيز البيانات
   •  مجموعة البيانات
   • خوارزمية تنقية البيانات
5. النتائج
6. المناقشة
   • أداء النموذج وتحليل الإطار المقارن
   • الآثار التطبيقية
7. الخلاصة
8. المراجع

هذا المقال هو ترجمة لورقة بحثية [1] تتناول استخدام الطائرات المسيّرة المزودة بكاميرات تصوير حراري للكشف عن الألغام الأرضية، حيث يعتمد النظام على تقنيات التعلم العميق ومعالجة الصور لتحليل البيانات الحرارية، بهدف توفير وسيلة سهلة الاستخدام وذات دقة عالية في اكتشاف الألغام.

1.مُلخّص

إن الانتشار الواسع للألغام في مناطق النزاع يفرض ضرورة تطوير تقنيات كشف فعّالة وقابلة للتطبيق في البيئات محدودة الموارد. وتقترح الدراسة منهجية تعتمد على التعلّم العميق والطائرات المسيّرة المزوّدة بكاميرات حرارية للكشف عن الألغام بوصفها حلًا آمنًا، منخفض التكلفة، وسريع التنفيذ. وقد طُوِّر نموذج خفيف الوزن بالاعتماد على معمارية(موبايل نت الاصدار الثالث-لارج) MobileNetV3-Large يجمع بين الكفاءة والدقة. وتم تقييم النموذج باستخدام مجموعة بيانات حرارية مكوّنة من 2700 صورة التُقطت لطائرة دي جي آي ماتريس (100 DJI Matrice 100 )مع كاميرا (زينميوس إكس تي) Zenmuse XT، وأظهرت نتائج المعالجة المسبقة وتعزيز البيانات قدرة جيدة على التعميم عبر بيئات مختلفة، بما يسهم في معالجة أحد أبرز تحديات كشف الألغام.
أظهرت نتائج التقييم على مجموعة اختبار مُعدّة بعناية أداءً واعدًا، حيث حقق النموذج:

• دقة تدريب بلغت 96.97%
• دقة تحقق (Validation) بلغت 97.19%
• دقة اختبار بلغت 96.14%

2.مقدّمة

تُخلّف الألغام الأرضية أثرًا إنسانيًا كارثيًا، إذ ارتفع عدد الضحايا من 4,710 عام 2022 إلى 5,757 عام 2023، وكان المدنيون والأطفال الأكثر تضررًا. ولا تزال الألغام تلوّث عشرات الدول حول العالم، مما يجعل جهود الإزالة بطيئة وممتدة لعقود بسبب ضخامة عدد الألغام وكلفة إزالتها المرتفعة مقارنة بسهولة تصنيعها. وتواجه عمليات الكشف والإزالة تحديات تقنية وبيئية كبيرة، أبرزها
محدودية فعالية وكلفة أنظمة الرادار المخترق للأرض GPR وتعقيد استخدامها، خاصة عند توظيفها على الطائرات المسيّرة. في المقابل، يُعدّ التصوير الحراري باستخدام الطائرات المسيّرة خيارًا واعدًا أكثر أمانًا وأقل تكلفة وأسرع تنفيذًا، لا سيما في البيئات محدودة الموارد ومناطق النزاع.

يهدف هذا العمل إلى سد هذه الفجوة من خلال دمج الطائرات المسيّرة والتصوير الحراري وخوارزميات التعلم العميق المتقدمة، وتطوير نموذج تعلّم عميق خفيف الوزن لكنه عالي الكفاءة يمكن نشره على طائرات مسيّرة مزوّدة بكاميرات حرارية لتحسين عملية كشف الألغام.

تعالج هذه الورقة فجوة بحثية تتمثل في الحاجة إلى تطوير أسلوب فعّال، منخفض التكلفة، وآمن لكشف الألغام في بيئات مختلفة، مع التركيز بشكل خاص على ملاءمته للدول ذات الإمكانات المالية المحدودة التي تعاني من مستويات مرتفعة من تلوث الأراضي بالألغام.

وبناءً على ذلك، تتمثل أهم مساهمات هذه الدراسة فيما يلي:

• تحقيق دقة عالية وموثوقية كبيرة في كشف الألغام
  (دقة التدريب: 96.97%، دقة التحقق: 97.19%، دقة الاختبار: 96.14%).
• تطوير نهج قائم على موبايل نت الاصدار الثالث MobileNetV3 خفيف الوزن لكشف الألغام، مع أداء قابل للمقارنة مع أحدث معماريات التعلم العميق المتقدمة.
• تصميم إطار يعتمد على استخدام طائرات مسيّرة منخفضة التكلفة مزوّدة بكاميرات حرارية للكشف السريع عن الألغام، بما يجعله مناسبًا بشكل خاص للدول ذات الموارد الاقتصادية المحدودة.

 3.الخلفية البحثية

1.3.  الأسس النظرية لأنظمة كشف الألغام باستخدام الطائرات المسيّرة

أحدثت الطائرات المسيّرة تحولًا نوعيًا في مجال كشف الألغام الأرضية، إذ توفر بديلًا أكثر أمانًا وكفاءة مقارنة بالطرق التقليدية الخطرة والبطيئة . وتمكّن هذه التقنية من الوصول إلى المناطق الوعرة والخطرة دون تعريض الفرق البشرية للمخاطر، كما تسهم في تقليل احتمالية الانفجارات العرضية أثناء عمليات الكشف . إضافة إلى ذلك، تتيح الطائرات المسيّرة تغطية مساحات واسعة في زمن قصير، مما يعزز سرعة العمليات وكفاءتها . وتشير الدراسات إلى أن دمج الحساسات متعددة الأطياف والحرارية على الطائرات المسيّرة يحسّن بشكل ملحوظ دقة الكشف ورسم خرائط المناطق الملوثة، مع نتائج واعدة لأنظمة المسح الآلي في دعم جهود إزالة الألغام الإنسانية .

يُبيٍّن الشكل(2) الدراسات السابقة  في مجال اكتشاف الألغام الأرضية

يسهم دمج أنظمة الرادار المخترق للأرض على الطائرات المسيّرة في تحسين قدرة كشف الألغام، خاصة الألغام منخفضة المحتوى المعدني التي يصعب اكتشافها بالطرق التقليدية، لما توفره هذه التقنية من تصوير تفصيلي لما تحت السطح . غير أن هذا الدمج يواجه تحديات تقنية، أبرزها قصر زمن الطيران، مما يقيّد المساحة الممكن مسحها في كل مهمة.

ورغم هذه القيود، فإن الاعتماد على الطائرات المسيّرة يمثّل تطورًا نوعيًا مقارنة بالأساليب التقليدية، إذ يتيح مسح مساحات واسعة بسرعة أكبر ومستوى أمان أعلى دون تعريض فرق العمل لمخاطر مباشرة . كما أن تكامل تقنيات التعلّم الآلي مع أنظمة الاستشعار المتقدمة يعزز دقة الكشف ويرفع كفاءة العمليات، بما يبشّر بمستقبل أكثر فاعلية في تقليل الضحايا والحد من أخطار الألغام .

2.3.  تحليل أساليب التعلّم العميق في أبحاث كشف الألغام

تؤكد الدراسات الحديثة أهمية توظيف التقنيات الذكية في تطوير أساليب كشف الألغام. فقد أظهر دمج الاستشعار متعدد الأطياف مع نموذج شبكات الطيّ العصبونيّة المعتمدة على المناطق ذات الأداء المُحسّن فعالية عالية في الكشف ورسم الخرائط مع تقليل الكلفة والزمن ، كما برهنت أعمال أخرى على الدور المتزايد للمعالجة الرقمية والشبكات العصبية وإمكانات التعلّم العميق في تحسين الأداء مستقبلًا . وأبرزت دراسات إضافية إمكانات الشبكات العصبية والمجسات المغناطيسية المحمولة على الطائرات المسيّرة في الكشف الآلي، مع التنبيه إلى محدودية الاعتماد على البيانات المُحاكاة أو على أنواع محددة من الألغام وبيئات بعينها .

وعلى الرغم من هذا التقدم، لا تزال هناك فجوات بحثية واضحة، تتمثل خصوصًا في ارتفاع تكلفة وتعقيد أنظمة الرادار المخترق للأرض، وعدم نضج تقنيات التصوير الحراري بما يكفي لتحقيق كشف عملي واسع النطاق في البيئات محدودة الموارد.

3.3. الرادار المخترق للأرض

يُعدّ الرادار المخترق للأرض تقنية متقدمة وغير تدخلية تُستخدم لفحص ما تحت سطح الأرض. تعمل هذه التقنية من خلال إرسال موجات كهرومغناطيسية إلى التربة ثم قياس الإشارات المنعكسة (الأصداء) العائدة من البنى المختلفة تحت السطح. وتتميّز هذه الطريقة بقدرتها العالية على الكشف عن الفروق في الخصائص العازلة بين المواد المختلفة، مما يتيح التعرف على الأجسام المعدنية وغير المعدنية على حدّ سواء، بما في ذلك الألغام البلاستيكية .

وتُستخدم المكونات البلاستيكية على نطاق واسع في الألغام الحديثة، ويمكن تمييزها بوضوح بسبب امتلاكها ثوابت عازلية أقل مقارنة بمواد التربة المحيطة . ويُعدّ جي بي آر ذا قيمة كبيرة في مجال كشف الألغام نظرًا لقدرته على استكشاف أعماق أكبر مقارنةً بالكواشف المعدنية التقليدية، لا سيما في الترب الجافة غير الموصلة كهربائيًا حيث تبلغ قدرات الاختراق ذروتها . كما أن عمق الاختراق وإمكانية التمييز بين أنواع مختلفة من الألغام يجعلان من هذه التقنية أداة أساسية في المناطق التي تشكّل فيها الألغام غير المكتشفة خطرًا بالغًا.

ومع ذلك، فإن تطبيق تقنية GPR لا يخلو من التحديات. إذ يمكن أن تتأثر فعاليتها بشكل كبير بـ تركيب التربة وعدم انتظام الطبوغرافيا، مما يؤدي إلى توليد بيانات مليئة بالضوضاء أو التشويش. وهذا الأمر يستلزم استخدام تقنيات متقدمة لمعالجة الإشارة من أجل تنقية البيانات والحصول على نتائج موثوقة ،كما أن انعكاسية إشارات الرادار وعمق اختراقها قد يتأثران سلبًا في الترب الرطبة أو عالية التوصيل الكهربائي، مما يزيد من تعقيد عملية الكشف

4.3. مقارنة بين الرادار المخترق للأرض والتصوير الحراري

عند مقارنة تقنيتي الرادار المخترق للأرض والتصوير الحراري في مجال كشف الألغام، تبرز عدة عوامل أساسية تُظهر تفوق التصوير الحراري، لا سيما من حيث الكفاءة التشغيلية وإمكانية التطبيق العملي الميداني.

فعلى الرغم من قدرة أنظمة الرادار المخترق للأرض على توفير مسح تفصيلي لما تحت سطح الأرض، إلا أنها تعاني من عدد من القيود الجوهرية. إذ إن حساسية هذه التقنية للظروف البيئية، مثل رطوبة التربة، ومحتواها المعدني، وطبيعة التضاريس الطبوغرافية، قد تؤثر بشكل كبير في أدائها، مما يستدعي إجراء معايرة دقيقة وتعديلات متكررة في موقع العمل .

علاوة على ذلك، فإن أجهزة الرادار المخترق للأرض عند دمجها مع الطائرات المسيّرة تكون عادة ثقيلة وكبيرة الحجم – كما هو موضح في الشكل (3) – الأمر الذي يحد من زمن الطيران عند استخدامها في المسوحات الجوية. ويؤدي هذا الوزن إلى انخفاض الكفاءة التشغيلية، إذ يتطلب الأمر هبوط الطائرة بشكل متكرر لإعادة شحن البطاريات أو استبدالها، مما يقلل من المساحة التي يمكن تغطيتها في كل رحلة .

تُعدّ تعقيدية بيانات الرادار المخترق للأرض من أبرز معوّقات استخدامه ميدانيًا، إذ تتطلب خبراء متخصصين لمعالجة البيانات وتفسيرها، مما يحدّ من سرعة اتخاذ القرار، خاصة في البيئات عالية الخطورة مثل كمبوديا وأفغانستان حيث يصعب استقطاب الخبرات . كما تزيد التكاليف المرتفعة لاقتناء وصيانة أنظمة الرادار المخترق للأرض من محدودية استخدامها في الدول منخفضة الموارد .

وتُظهر الدراسات الميدانية وجود تكامل وظيفي بين الرادار المخترق للأرض والتصوير الحراري؛ إذ يحقق GPR أداءً أفضل في كشف الألغام المدفونة (87%) ، بينما يتفوّق التصوير الحراري في كشف الألغام السطحية بدقة عالية تصل إلى 94% خلال الفترات الحرارية المناسبة .

وانطلاقًا من هذه المعطيات، تتجه الأبحاث الحديثة نحو تطوير حلول قائمة على التصوير الحراري والطائرات المسيّرة منخفضة التكلفة بوصفها بديلًا عمليًا وأكثر قابلية للتطبيق. فهذه التقنية تمتاز ببساطة البيانات، وانخفاض متطلبات المعالجة، وخفة الوزن، وطول زمن الطيران، إضافة إلى انخفاض التكلفة وسهولة التدريب مقارنة بأنظمة GPR ويجعل ذلك منها خيارًا واعدًا للنشر الواسع في البيئات محدودة الموارد، بما يسهم في تعزيز كفاءة الكشف وتقليل عدد الضحايا.

4.المنهجية

على الرغم من أن تقنية الرادار المخترق للأرض توفّر معلومات تفصيلية عمّا تحت السطح، فإن المزايا التشغيلية واللوجستية التي يتمتع بها التصوير الحراري  مثل انخفاض التكلفة، وسهولة الاستخدام، والقدرة العالية على التكيّف مع الظروف البيئية المتنوعة  تجعل منه خيارًا مفضّلًا للكشف السريع والفعّال عن الألغام في العديد من البيئات المختلفة .

وتبرز هذه المزايا أهمية مواصلة البحث والتطوير في مجال التصوير الحراري، إذ إن معالجة الفجوات التقنية والمالية من شأنها أن تسهم في تحسين أداء هذه التقنية وتطويرها، بما يؤدي إلى توفير حلّ أكثر كفاءة وأسهل وصولًا لكشف الألغام، ولا سيما في المناطق ذات الموارد المحدودة والمناطق عالية الخطورة.

1.4. منهجية التعلّم الآلي

استنادًا إلى التطورات في تكنولوجيا الطائرات المسيّرة والذكاء الاصطناعي في مجال كشف الألغام، تقدّم هذه الدراسة منهجية تعتمد على معمارية موبايل نت الاصدار الثالث – لارج MobileNetV3-Large من مكتبة (تنسر فلو) TensorFlow لاستخدامها في مهام كشف الأجسام. تُعدّ (موبايل نت الاصدار الثالث)شبكة طيّ التفافية صُممت أساسًا للاستخدام في الأجهزة المحمولة وأجهزة الحافة حيث تكون الموارد الحاسوبية محدودة .وقد تم تحسين المعمارية خصيصًا لتعمل بكفاءة على معالجات الهواتف الذكية ، حيث توفّر دقة عالية مع زمن استجابة منخفض جدًا. وتتمثل الأصالة العلمية في هذا العمل في تطبيق معمارية (موبايل نت – لارج الاصدار الثالث) على كشف الألغام اعتمادًا على الصور الحرارية ضمن السياق الإنساني. ويتيح ذلك المعالجة مباشرة على الجهاز ، مما يعزّز الخصوصية، ويحافظ على عمر البطارية من خلال تقليل استهلاك الطاقة، ويوفّر أداءً قويًا في مهام التصنيف والكشف والتجزئة، مع الحفاظ على الكفاءة الحسابية في البيئات محدودة الموارد .

تستند المنهجية إلى مبادئ الشبكات العصبية الالتفافية التي تتكوّن من طبقات التفاف وتجميع وطبقات كثيفة لاستخلاص المزايا وإجراء التصنيف،باستخدام مصفوفات الطّي Kernels قابلة للتعلّم لاكتشاف الأنماط المكانية داخل الصور . وقد تم اختيار MobileNetV3 نظرًا لتفوّقها على النماذج الثقيلة مثل (في جي جي 16 )VGG16 و (أنسبشن الإصدار الثالث)InceptionV3 في تطبيقات الحوسبة الطرفية، وقدرتها على تحقيق أداء متقدم مع كلفة حسابية منخفضة

ويعود هذا الأداء إلى اعتمادها على تقنية الالتفافات القابلة للفصل عمقيًا ، التي تسمح ببناء نماذج دقيقة وخفيفة في الوقت نفسه . كما توفّر المعمارية نسختين واسعة النطّاق ومخفّفة لتناسب مستويات مختلفة من الموارد الحاسوبية، مما يجعلها خيارًا مرنًا وعمليًا لتطبيقات كشف الألغام عبر الطائرات المسيّرة.

2.4. أساس النموذج وتصميمه

تمت تهيئة صور الإدخال إلى أبعاد 224×224 بكسل وفق التوصيات القياسية لضمان توافقها مع معمارية (موبايل نت – الاصدار الثالث)وتحقيق أفضل أداء للنموذج . واعتمدت الدراسة على استخدام (موبايل نت – لارج الاصدار الثالث) بعد إزالة الطبقة العلوية الافتراضية وإضافة رأس نموذج مخصص، بما يتيح مواءمة المعمارية مع مهمة كشف الألغام مع الحفاظ على التوازن بين الدقة وقابلية النشر على الطائرات المسيّرة.

ورغم أن النسخة الكبيرة  تستهلك موارد أكبر من النسخة الصغيرة ،فإنها توفّر دقة أعلى بفضل عدد أكبر من المعاملات والطبقات، مع بقائها نموذجًا خفيفًا نسبيًا مناسبًا للتطبيقات الميدانية . كما تم توظيف أوزان مُدرّبة مسبقًا على إيمج نت ImageNet في إطار التعلّم بالنقل لتحسين سرعة التعلّم ودقة التعرّف.وللحد من فرط التكيّف، استُخدم تقنية تعطيل عمل العصبونات (درُب إوت)Dropout بنسبة 30% وتم تثبيت أوزان النموذج الأساسي. وتتألف رأس النموذج من طبقة التجميع وفق القيمة المتوسطة العالمي ثنائي الأبعاد GlobalAveragePooling2D لتقليل التعقيد الحسابي، تليها طبقة كثيفة Dense Layer بعدد 128 عصبونًا مع دالة وحدةُ التَّصحيحِ الخطِّيِّ  Rectified Linear Unit – ReLU

 ثم طبقة إخراج بعصبون واحد مع دالة التابع الأسي الجيبي سيغمويد Sigmoid لتحقيق التصنيف الثنائي بكفاءة عالية

3.4. إجراءات التقييم

تم تقسيم مجموعة البيانات عشوائيًا بنسبة 80% تدريب، 10% تحقق، 10% اختبار باستخدام مكتبة split-folders (سبليت فولدرز) مع تثبيت قيمة البذرة (Seed = 42) لضمان قابلية إعادة التجربة ومنع تسرّب البيانات. كما أُجري تعزيز البيانات بعد التقسيم لضمان نزاهة التقييم وعدم حدوث تداخل بين المجموعات.

واعتمد تقييم أداء النموذج على مجموعة من المقاييس الإحصائية القياسية، تشمل: الدقة accuracy (المعادلة (1)), ، الدقة المتوازنة balanced accuracy(المعادلة (2))، قيمة التنبؤ الإيجابي precision(المعادلة (3))، حساسية التنبؤ recall (المعادلة (4))، ومصفوفة الالتباس confusion matrix، لما توفّره من فهم دقيق لنقاط القوة والضعف، خصوصًا في التمييز بين الأخطاء الحرجة مثل السلبيات الكاذبة التي تمثل خطرًا كبيرًا في سياق كشف الألغام.

تكوّنت مجموعة الاختبار من 233 صورة، وهي نسبة مناسبة إحصائيًا، مع الإقرار بأن طبيعة البيانات الحرارية المتخصصة تفرض قيودًا على حجم العينات المتاحة . ولضمان مقارنة عادلة، تم إخضاع النماذج الثقيلة (ريس نت 50) ResNet50 و أنسبشن Inception و( في جي جي 19) VGG19 لنفس إعدادات التدريب والتقييم، مع إجراء ضبط دقيق Fine-tuning متفاوت العمق لكل نموذج، بهدف التحقق من قدرة النموذج الخفيف المقترح على تحقيق أداء منافس مع كفاءة حسابية أعلى.

• TP: الإيجابيات الحقيقية
• TN: السلبيات الحقيقية
• FP: الإيجابيات الكاذبة
• FN: السلبيات الكاذبة
• TPR: معدل الإيجابيات الحقيقية
• TNR: معدل السلبيات الحقيقية
• P₀: الاتفاق المرصود
• Pₑ: الاتفاق المتوقع

\( Accuracy = \frac{TP + TN}{TP + TN + FP + FN} \) ……………. معادلة(1)

\( BalancedAccuracy = \frac{TPR + TNR}{2} \) ……………. معادلة(2)

\( Precision = \frac{TP}{TP + FP} \) ……………. معادلة(3)

\( Recall = \frac{TP}{TP + FN} \) ……………. معادلة(4)

\( \kappa = \frac{P_0 – P_e}{1 – P_e} \) ……………. معادلة(5)

4.4. إجراءات المعالجة المسبقة وتعزيز البيانات

خضعت البيانات لسلسلة من إجراءات المعالجة المسبقة وتعزيز البيانات بهدف تحسين التعميم وزيادة حجم البيانات ورفع كفاءة النموذج في البيئات الواقعية.

 شملت التحويلات الدوران العشوائي  (±10 درجات)، والتكبير random zoom حتى 10%، وتعديل السطوع  Brightness levels بين 70% و100%، إضافة إلى القلب الأفقي والعمودي، مع استخدام وضع الملء  للحفاظ على الاتساق البصري. كما تم توحيد أبعاد الصور إلى 224×224 وتطبيع قيم البكسلات إلى المجال [0–1] لضمان استقرار التدريب وتحسين كفاءة الانحدار التدريجي .

أسهمت هذه الإجراءات في مضاعفة البيانات عشر مرات تقريبًا، ليصل العدد الإجمالي إلى 1,993 صورة.

 ونظرًا لوجود عدم توازن بين الفئات، استُخدمت استراتيجية تعزيز غير متماثل asymmetrical augmentation  مع تطبيق أوزان للفئات (0.9765 لغير الألغام و1.0246 للألغام) بهدف تقليل التحيّز وتحسين حساسية النموذج لاكتشاف الألغام.

في جانب التدريب، تم اعتماد دالة الخسارة الأنتروبيا المتقاطعة Binary Cross-Entropy المناسبة للتصنيف الثنائي ، وخوارزمية التحسين آدم Adam بمعدل تعلّم قدره 0.0001 لتحقيق تقارب مستقر.  كما استُخدمت تقنية تعطيل عمل العصبونات بنسبة 30% للحد من فرط التكيّف ، وتم اختيار حجم دفعة التدريب Batch Size = 64 لتحقيق توازن بين الاستقرار والكفاءة .

أُجري التدريب الأولي (20 دورة تدريبية)ثم تلاه ضبط دقيق

(20 دورة تدريبية)إضافية عبر تقليل معدل التعلّم وتحرير آخر 50 طبقة من النموذج، مما مكّن من تحسين تكيف النموذج مع البيانات دون فقدان السمات المكتسبة مسبقًا.

5.4. مجموعة البيانات

تعتمد هذه الدراسة على مجموعة بيانات حرارية طوّرها مجموعة من الباحثين ، تتكوّن من 2,700 صورة حرارية أحادية اللون جُمعت باستخدام كاميرا Zenmuse (XT زينميوس إكس تي ) المثبّتة على طائرة مسيّرة DJI Matrice 100(دي جي آي ماتريس 100) ضمن ظروف بيئية مضبوطة تهدف إلى تعظيم التباين الحراري. وقد التُقطت الصور في بيئة حقيقية ذات تربة طينية وغطاء نباتي منخفض، مع تنوّع مدروس في أعماق دفن الألغام (سطحية، 1 سم، 5 سم، 10 سم) ووجود منطقة ضابطة خالية من الألغام، ما يعزّز واقعية البيانات وقيمتها البحثية.

تميّزت مجموعة البيانات بدرجة عالية من التنوّع المكاني والزمني والتشغيلي من خلال التصوير على ارتفاعات مختلفة (1–10 م)، وعلى مدار عدة أيام، وتحت ظروف مناخية متغيرة نسبيًا، الأمر الذي ساعد على تدريب النموذج على التكيّف مع اضطرابات بيئية حقيقية مثل الضوضاء الحرارية واهتزاز الطائرة. كما حُوفظ على أصالة الصور الخام دون أي معايرة أو معالجة مسبقة، بما يعكس التحديات الواقعية للتطبيقات الميدانية.

وتوضح البيانات كذلك اعتماد مقياس نسبة الإشارة إلى الضوضاء SNR لتقييم جودة التباين الحراري وفق نموذج رياضي موثّق. أما الوسوم المعروضة في الأشكال التوضيحية فقد أُضيفت يدويًا من قِبل مؤلفي الدراسة لأغراض العرض فقط، ولا تمثّل مخرجات كشف آلي. ويؤكد ذلك الطابع الواقعي والموضوعي لمجموعة البيانات، مما يجعلها أساسًا موثوقًا لتقييم نماذج التعلّم العميق في مجال كشف الألغام.

في الشكل (3) تم عرض مجموعة مختارة من الصور التمثيلية، مصنّفة إلى فئتين: “لغم” (a–d)  بينما “بدون لغم” (e–h)

6.4. خوارزمية تنقية البيانات

لضمان موثوقية نموذج الكشف الثنائي، خضعت مجموعة البيانات لمرحلة معالجة مسبقة صارمة شملت حذف الصور المتضررة أو ذات الوسوم الخاطئة، وفق منهجية موثّقة . وقد استُخدم أسلوب مستوحى من منهج الاختبار وإعادة الاختبار حيث قيّم ثلاثة مقيمين الصور بشكل مستقل، ولم تُستبعد أي صورة إلا إذا اتفق اثنان على الأقل على عدم ملاءمتها، مما حقق معامل موثوقية مرتفع بلغ 95.62%.

شملت عملية التنقية حذف ملفات ذات صيغة تِف TIFF غير القابلة للقراءة، واستبعاد الصور التي تحتوي على علامات لونية اصطناعية قد تؤثر على تعلّم النموذج كما في الشكل(9)، إضافة إلى استبعاد الصور الملتقطة من ارتفاعات غير مناسبة (أقل من 1 م أو أكثر من 5 م) لما تسببه من تشويش بصري أو تداخل مناطق مجاورة كما في الشكل (10). كما تم الكشف عن وجود أخطاء وسم في بعض الصور، وهو عامل خطير قد يؤدي إلى تعلّم علاقات خاطئة ويضعف أداء النموذج .

كذلك حُذفت الصور ذات الضبابية العالية أو الانحراف الكبير في التباين اللوني لكونها غير ممثّلة للبيانات  حيث تحتوي بعض الصور على علامات زرقاء ، وخاصة تلك التي تنتمي إلى فئة الصور التي تحتوي على مناجم موجودة.. كما في الشكل (11) وأسهمت هذه الإجراءات مجتمعة في تحسين جودة البيانات وضمان تدريب النموذج على مدخلات موثوقة، بما يعزز دقة الكشف وقدرة التعميم في التطبيقات الواقعية.

كذلك حُذفت الصور ذات الضبابية العالية أو الانحراف الكبير في التباين اللوني لكونها غير ممثّلة للبيانات  حيث تحتوي بعض الصور على علامات زرقاء ، وخاصة تلك التي تنتمي إلى فئة الصور التي تحتوي على مناجم موجودة.. كما في الشكل (11) وأسهمت هذه الإجراءات مجتمعة في تحسين جودة البيانات وضمان تدريب النموذج على مدخلات موثوقة، بما يعزز دقة الكشف وقدرة التعميم في التطبيقات الواقعية.

5. النتائج

في الشكل (7) حقّق النموذج أداءً مرتفعًا في جميع مراحل التقييم، إذ بلغت دقة التدريب 96.97%، ودقة التحقق 97.19%، ودقة الاختبار 96.14%، مما يعكس كفاءة عالية في كشف الألغام باستخدام الصور الحرارية.

في الشكل (8) أظهرت القيم المنخفضة لدالة الخسارة في التدريب (0.1028) والتحقق (0.0894) قدرة جيدة على التعميم وانخفاض خطر فرط التكيّف.

و في الجدول (2) أظهرت الدقة المتوازنة (95.95%) أن أداء النموذج متقارب في التمييز بين صور الألغام وصور المناطق الآمنة رغم عدم توازن الفئات. كما بيّنت مصفوفة الالتباس في الشكل(12) أن النموذج كشف بشكل صحيح عن 98 حالة لغم و126 حالة بدون لغم، مع عدد محدود من الأخطاء (6 سلبيات كاذبة و3 إيجابيات كاذبة)، وهو ما انعكس في قيمة الاسترجاع المرتفعة (94.23%).

الجدول(2):مقاييس التقييم

مقياس التقييم	ResNet	VGG19	Inception
الدقة	97.85 %	99.57 %	91.84 %
الدقة المتوازنة	97.68 %	99.51 %	92.54 %
معامل كوهين كابا	0.9564	0.9913	0.8375

الجدول(3):مقاييس التقييم-لمعماريات بديلة

وسجّل النموذج قيمة عالية لمعامل كابّا لكوهين Cohen’s Kappa بلغت  0.9216(وفقاً للجدول (2)) ، ما يدل على توافق قوي جدًا بين التنبؤات والتصنيفات الحقيقية. وتشير هذه النتائج مجتمعة إلى أن النموذج يتمتع بدرجة عالية من الموثوقية والمتانة وقابلية التعميم، مما يجعله مناسبًا للاستخدام في البيئات الواقعية لدعم عمليات كشف الألغام بأمان وكفاءة.

من أجل القدرة على مقارنة النتائج التي حققناها باستخدام نهجنا خفيف الوزن مع النماذج المتقدمة غير خفيفة الوزن،  في الجدول (3) تم عرض نتائج ثلاثة من هذه النماذج باستخدام المنهجية نفسها في الجدول 3. وبالنسبة لجميع مقاييس التقييم الثلاثة، يوضح الجدول أننا حققنا نتائج متقاربة وتنافسية باستخدام نهجنا. فعلى الرغم من أن النموذج خفيف الوزن يحقق أداءً أقل بحوالي 2٪ مقارنةً بـ( ريس نت) Reset  وبحوالي 3٪ مقارنةً بـ(في جي جي 19) VGG19، فإنه يحقق أداءً أفضل بحوالي 3٪ مقارنةً بمعمارية  انسبشنInception. وعلى الرغم من أن كل نسبة مئوية تُعد مهمة للغاية في تطبيقات كشف الألغام الأرضية، فإن هذه المقارنة تُظهر إمكانات النهج خفيف الوزن عند استخدام الطائرات المسيّرة التي يتم التحكم بها عن بُعد، حيث يمكن تشغيل هذه النماذج بطريقة متنقلة دون تعريض الأشخاص للخطر.

 6.المناقشة

1.6. أداء النموذج وتحليل الإطار المقارن

تُظهر هذه الدراسة أن دمج التصوير الحراري المحمول على الطائرات المسيّرة مع معمارية (موبايل من الاصدار الثالث -لارج) يوفّر نهجًا فعّالًا وخفيف الوزن لتحقيق كشف شبه آني للألغام الأرضية، مع تميّز واضح من حيث قابلية النشر والكفاءة التشغيلية مقارنة بالمقاربات الثقيلة. فعلى عكس نهج الباحثين ،المعتمد على حساسات متعددة الأطياف ونموذج (فاستر آر-سي إن إن)Faster R-CNN عالي الكلفة الحسابية، يركّز النهج المقترح على تحقيق توازن عملي بين الدقة والمرونة وسهولة التطبيق الميداني.

وقد سجّل النموذج أداءً مرتفعًا بلغ 96.14% دقة اختبار و95.95% دقة متوازنة، ما يدل على ثبات الأداء عبر أعماق دفن مختلفة (من السطح حتى 10 سم)، وهي نقطة حاسمة في البيئات الواقعية.

2.6. الآثار التطبيقية

تُظهر نتائج الدراسة أن النظام المقترح، القائم على الطائرات المسيّرة والتصوير الحراري ومعمارية (موبايل نت الاصدار الثالث-لارج)،يمتلك قيمة تطبيقية عالية عند نقله إلى الواقع الميداني. فخفّة النموذج وانخفاض متطلباته الحاسوبية يتيحان نشره في البيئات محدودة الموارد والمناطق المتأثرة بالنزاعات، وهو ما يتجاوز القيود التي تعاني منها الأنظمة المعقدة .

وتتمثل أبرز المزايا التشغيلية في:

• سهولة الاستخدام وانخفاض متطلبات تدريب المشغلين.
• محدودية الحاجة إلى بنية تحتية متقدمة مقارنة بأنظمة مثل GPR.
• قابلية النشر السريع والاستجابة الفورية.
• انخفاض تكاليف الصيانة واستدامة التشغيل.

كما يوفّر الكشف غير التدخّلي باستخدام التصوير الحراري المحمول جوًا مستوى أعلى من الأمان ويقلل من تعرّض الأفراد للمخاطر، مع قدرة على مسح مساحات واسعة بسرعة وكفاءة، ما يجعله مناسبًا بشكل خاص للمسوح الأولية والعمليات الحساسة للوقت.

ورغم أن بعض النماذج الثقيلة قد تحقق دقة أعلى قليلًا (كما في الجدول 3)، فإن هذا التفوق يكون على حساب الزمن الحسابي المرتفع ومتطلبات العتاد المتخصص، وهو ما يقلّل من قابليتها للاستخدام الميداني العملي . وبالتالي، يحقق النهج المقترح توازنًا فعّالًا بين الدقة والكفاءة وقابلية التطبيق.

وبناءً على ذلك، يمكن اعتبار النظام المقترح حلًا واقعيًا، آمنًا، منخفض التكلفة، وقابلًا للتوسع لدعم عمليات إزالة الألغام الإنسانية، خصوصًا في البيئات التي تواجه فيها الحلول التقليدية قيودًا تقنية ولوجستية كبيرة.

 7.الخلاصة

يشكّل استمرار وجود الألغام غير المنفجرة تهديدًا دائمًا لسلامة البشر وحتى المركبات في العديد من مناطق العالم . وتكشف نتائج هذا البحث بوضوح أن الألغام ما تزال تحصد الأرواح دون إنذار، لا سيما في المناطق المتأثرة بالحروب أو الخارجة حديثًا من النزاعات. إن الطبيعة العشوائية لهذه المتفجرات تجعلها خطرًا دائمًا يستدعي تطوير وسائل عاجلة وفعالة لإزالتها.

ومع ذلك، من المهم التأكيد على أن تطبيقات إزالة الألغام، حيث تكون حياة الإنسان على المحك، تتطلب السعي للوصول إلى دقة واسترجاع يقتربان من 100% مع عدم قبول أي سلبيات كاذبة. ورغم ذلك، فإن الطبيعة خفيفة الوزن للنموذج المقترح، ودمجه مع الطائرات المسيّرة والتصوير الحراري، يمثّل تقدمًا كبيرًا في مجال الاستطلاع الأولي لمساحات شاسعة من حقول الألغام. وتكمن أهمية هذه القدرة خصوصًا في مناطق النزاعات، حيث يمكن لهذا النظام أن يسهم في إنقاذ الأرواح عبر تسريع عمليات الكشف وتقليل تعرّض الفرق الميدانية للمخاطر.

تواجه هذه الدراسة عددًا من القيود المنهجية، أبرزها الاعتماد على ألغام اصطناعية لا تمثل بالكامل الخصائص الفيزيائية والحرارية للألغام الحقيقية، مما يستدعي تطوير قواعد بيانات أكثر واقعية وتنوّعًا. كما عانت مجموعة البيانات من أخطاء في الوسوم أثّرت على جودة التعلّم ودقة التصنيف. إضافة إلى ذلك، يظل النهج المعتمد على التصوير الحراري محدود الفعالية في حالة الألغام غير المعدنية التي قد لا تُظهر تواقيع حرارية كافية، مما يقيّد قابلية تعميم النظام في بعض البيئات.

8.المراجع

Advancements in Landmine Detection: Deep Learning-Based Analysis With Thermal Drones