التعرف الآلي على عناصر المخططات الأرضية: نموذج يولو معزز بانتباه القنوات

يحتل التعرف الدقيق والآلي على العناصر الإنشائية في صور المخططات الأرضية مثل الأبواب والجدران والنوافذ وفئات الغرف أهمية محورية في تطبيقات العقارات والعمارة الحديثة، غير أن المقاربات التقليدية تواجه مشكلات متكررة منها غياب العلاقات المكانية وارتفاع التباين داخل الفئة الواحدة وشيوع التكدس الكثيف للعناصر وصعوبة تحديد الحدود بوضوح، وهي مشكلات دفعت نحو تطوير أبنية كشف فعالة قائمة على التعلم العميق قادرة على التعامل مع طبيعة هذه الصور الرمزية المعقدة

وتكتسب هذه القضية أهمية عملية للمهندسين والمطورين وطلاب الدراسات العليا في مجالات الرؤية الحاسوبية والعمارة الرقمية، إذ إن أتمتة قراءة المخططات تقلل الجهد اليدوي في تحليل الرسومات وتدعم تطبيقات مثل تقدير المساحات والتحقق من التصميم وبناء النماذج ثلاثية الأبعاد، شريطة أن تتحقق دقة عالية في تمييز الرموز المتشابهة بصريًا داخل الفئة الواحدة وفيما بين الفئات المختلفة

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى بناء مقاربة آلية للكشف عن المكونات الإنشائية في المخططات الأرضية وتحديد مواقعها اعتمادًا على نموذج يولو في نسخته الثامنة المصغرة مضافًا إليه وحدة انتباه القناة الفعال، إذ يعمل النموذج الأساسي على كشف فئات متعددة بينما تحسن وحدة الانتباه تمثيل السمات عبر النظر في التفاعلات المحلية بين القنوات دون فرض كلفة حسابية إضافية كبيرة، ويعزز عنق تجميع المسارات السمات متعددة المستويات بالمعلومات المكانية الدقيقة والدلالية في بيانات الصورة، بينما يؤدي رأس النموذج مهمة الكشف النهائية، واختبر النظام المقترح على مجموعتي بيانات هما سيسيد وسي في سي للمخططات الأرضية اللتان تتضمنان ترتيبات كثيفة وتفاوتات في المقاييس داخل الصور، وقورن أداؤه بأداء النموذج الأساسي دون وحدة الانتباه

ثانيًا: أبرز النتائج

1، أظهر النموذج تمييزًا محسّنًا بين متغيرات الرموز المتشابهة بصريًا داخل الفئة الواحدة، وهي متغيرات ثبتت صعوبتها على المقاربات القائمة على القواعد ومقاربات التعلم العميق على حد سواء

2، حقق النموذج المقترح على مجموعة سيسيد ذات الفئات الست عشرة قيمة لمتوسط الدقة المتوسطة عبر عتبات التقاطع المتدرجة بلغت 0.9794، وقيمة لمتوسط الدقة المتوسطة عند عتبة النصف بلغت 0.9950

3، حقق النموذج على مجموعة سي في سي للمخططات الأرضية قيمة لمتوسط الدقة المتوسطة عند عتبة النصف بلغت 0.8241 متفوقًا على النموذج الأساسي الذي سجل 0.8116، رغم ما تتسم به هذه المجموعة من ترتيبات واقعية أكثر تعقيدًا

ثالثًا: دلالات الدراسة وتطبيقاتها

تمثل المقاربة المقترحة واحدة من أوائل عمليات التقييم المزدوج عبر مجموعتي بيانات اصطناعية وواقعية للمخططات الأرضية، وتثبت أن انتباه القنوات الخفيف يمكن دمجه بفعالية في أبنية الكشف القائمة لتحسين التعرف على العناصر الإنشائية في صور المخططات، وهو ما يفيد مطوري أدوات العمارة والعقارات الرقمية في بناء أنظمة أخف وزنًا وأعلى دقة، ويفيد الباحثين العرب في استكشاف دمج آليات الانتباه خفيفة الكلفة في نماذج الكشف المستخدمة في تحليل الوثائق الهندسية والمخططات العربية، مع الحاجة إلى اختبارات أوسع على مخططات واقعية متنوعة الأساليب والمقاييس

وتنتمي مهمة قراءة المخططات الأرضية آليًا إلى مجال أوسع هو فهم الوثائق الهندسية بالرؤية الحاسوبية، إذ تشبه المخططات في طبيعتها الرمزية الرسوم التخطيطية والخرائط أكثر مما تشبه الصور الطبيعية، فعناصرها خطوط ورموز اصطلاحية يتوقف معناها على سياقها المكاني وعلاقتها بما يجاورها، ولهذا تحتاج النماذج الناجحة في هذا المجال إلى موازنة دقيقة بين خفة الوزن الحسابي والقدرة على التقاط التفاصيل الدقيقة والعلاقات بعيدة المدى داخل الرسم الواحد

كما أن توفر مجموعات بيانات معيارية متنوعة بين الاصطناعية والواقعية يمنح الباحثين فرصة لاختبار متانة النماذج قبل اعتمادها في منتجات تجارية، ويكشف الفجوة المتكررة بين الأداء المخبري المرتفع والأداء الميداني الذي يتأثر بتنوع أساليب الرسم وجودة المسح الضوئي للمخططات الورقية القديمة

وخلاصة القول إن إضافة وحدة انتباه القناة الفعال إلى نموذج يولو المصغر رفعت دقة التعرف على عناصر المخططات الأرضية في مجموعتي بيانات مختلفتين دون كلفة حسابية كبيرة، ما يجعل هذه المقاربة خيارًا عمليًا لتطوير أدوات التحليل الآلي للرسومات المعمارية