أنظمة الرؤية الحاسوبية واكتشاف الكتابة على الجدران بالذكاء الاصطناعي في المدن الذكية

يمكن للكتابات أو الرسومات أو الرموز التي تشكّل فن الغرافيتي أن تروي حكايات كثيرة. فهي تضفي اللون والطابع المميز على جدران المدن، وتُستخدم للتعبير عن الآراء. وعلى الرغم من أن الغرافيتي يُنظر إليه أحيانًا على أنه فن، فإنه يُنفذ غالبًا من دون إذن. وفي الواقع، يظهر الغرافيتي كثيرًا ليلًا على المباني والجسور والقطارات، ويتطلب تنظيفه الوقت والموارد والجهد.

تنفق المدن حول العالم ملايين الدولارات للحفاظ على نظافة الأماكن العامة. ففي الولايات المتحدة وحدها، تتجاوز تكاليف تنظيف الغرافيتي 12 مليار دولار سنويًا. كما أن التصدي للغرافيتي يمثل تحديًا كبيرًا في مدن كثيرة. فعدد فرق التنظيف محدود، ولا يمكنها التواجد في كل مكان في الوقت نفسه.

لهذا السبب، بدأ مخططو المدن يلجؤون إلى الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي يمكّن الآلات من تحليل الصور وتفسيرها. وباستخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11، يمكن استخدام كاميرات مدعومة بالذكاء الاصطناعي لمسح جدران المدن بسرعة، واكتشاف الغرافيتي في الوقت الفعلي، وتحديد المواقع بدقة كي تستجيب الفرق.

في هذه المقالة، سنلقي نظرة أقرب على كيفية استخدام الرؤية الحاسوبية للتعرّف الآلي على الغرافيتي في المدن الذكية. لنبدأ!

دور الرؤية الحاسوبية في المدن الذكية#

تستخدم المدن الذكية أحدث التقنيات لمعالجة التحديات اليومية بكفاءة أكبر. وعلى وجه التحديد، تستفيد هذه المدن من نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 لتحليل البيانات المرئية ومراقبة الأماكن العامة ودعم اتخاذ قرارات أسرع تستند إلى البيانات في مختلف الأنظمة الحضرية.

فيما يلي بعض الطرق الشائعة لاستخدام الذكاء الاصطناعي للرؤية في المدن الذكية:

• إدارة حركة المرور: يستطيع الذكاء الاصطناعي للرؤية تحليل بث الفيديو المباشر لمراقبة تدفق حركة المرور واكتشاف الازدحام وتعديل إشارات المرور في الوقت الفعلي، لتحسين انسيابية الحركة وتقليل التأخير.
• أتمتة إعادة التدوير: يمكن للرؤية الحاسوبية المساعدة في تحديد المواد القابلة لإعادة التدوير وفرزها من مجاري النفايات في الحاويات العامة أو مراكز إعادة التدوير، مما يحسن دقة الفرز ويقلل التلوث.
• مراقبة النقل العام: تستطيع أنظمة النقل العام استخدام الرؤية الحاسوبية لتتبّع أعداد الركاب ومراقبة سلوكهم على متن وسائل النقل واكتشاف مشكلات السلامة، مما يحسن الكفاءة والسلامة معًا.
• الاستجابة للكوارث: تستطيع الرؤية الحاسوبية تحديد المؤشرات المرئية للحرائق أو الفيضانات أو الأضرار الهيكلية بعد وقوع الكوارث، مما يتيح استجابة طارئة أسرع وأكثر فعالية.

الشكل 1. مراقبة حركة المرور باستخدام YOLO11 في المدن الذكية.

نظرة عامة على مراقبة الغرافيتي في المناطق الحضرية باستخدام الذكاء الاصطناعي#

بعد أن استكشفنا كيف تساعد الرؤية الحاسوبية على جعل المدن أكثر ذكاءً، لنتعمق في أسباب الحاجة إليها خصوصًا للتعرّف الآلي على الغرافيتي.

تقليديًا، استخدمت المدن أساليب متنوعة لإدارة الغرافيتي. فبعضها يعتمد على البلاغات العامة، بينما يرسل بعضها الآخر فرقًا لتفقد البؤر الساخنة المعروفة. وفي بعض الحالات، تتيح تطبيقات الهاتف المحمول للسكان تقديم الشكاوى أو رفع الصور. وعلى الرغم من فائدة هذه الأساليب، فإنها تستغرق وقتًا طويلًا، وتعتمد اعتمادًا كبيرًا على تدخل البشر، وغالبًا ما تعجز عن تغطية المدينة بالكامل.

توفر الرؤية الحاسوبية للمدن طريقة أسرع وأكثر موثوقية لإدارة الغرافيتي. وتعتمد أنظمة التعرّف الآلي على الغرافيتي عادةً على مهمتين أساسيتين في الرؤية الحاسوبية: تصنيف الصور واكتشاف الأجسام.

في الخطوة الأولى، يحلل تصنيف الصور صورةً لتحديد ما إذا كانت تعرض غرافيتي أو فنًا شوارعيا أو سطحًا نظيفًا. وإذا عُثر على غرافيتي، يحدد اكتشاف الأجسام موقعه الدقيق في الصورة. وهذا يتيح لفرق المدينة الاستجابة بسرعة ودقة. وبمرور الوقت، تساعد البيانات على تحديد الاتجاهات، كي تتمكن المدن من استهداف البؤر الساخنة المتكررة وتحسين جهود الوقاية.

الشكل 2. مثال على آلية عمل أنظمة التعرّف الآلي على الغرافيتي.

استكشاف أنظمة اكتشاف الغرافيتي بالذكاء الاصطناعي في مدن مختلفة#

تجرّب مدن كثيرة أساليب جديدة للتعامل مع الغرافيتي. فبدلًا من الاعتماد على الدوريات أو البلاغات العامة فحسب، بدأت تستخدم نماذج الرؤية الحاسوبية القادرة على رصد الغرافيتي وتحديده، بل والمساعدة على تنظيفه. لنلقِ نظرة على كيفية استخدام بعض المدن لهذه الأدوات الجديدة.

أنظمة اكتشاف الغرافيتي بالذكاء الاصطناعي المدمجة مع كاميرات المركبات#

تُستخدم مركبات الخدمات العامة في مدن كثيرة حاليًا للمساعدة على اكتشاف الغرافيتي أثناء مسارات دورياتها الاعتيادية. ومن خلال تزويد هذه المركبات بـحلول الرؤية الحاسوبية، تستطيع المدن مسح الشوارع في الوقت الفعلي دون الحاجة إلى دوريات إضافية. ويسهّل ذلك اكتشاف الغرافيتي مبكرًا وإرسال التنبيهات إلى فرق التنظيف قبل تفاقم المشكلة.

تُعد تيمبي في أريزونا مثالًا رائعًا على مدينة تستخدم هذه التقنية. فقد عقدت المدينة شراكة مع مؤسسات محلية لتطوير نظام يستخدم كاميرات مثبتة على مركبات الخدمات العامة. والتقطت هذه المركبات صورًا للجدران والأماكن العامة أثناء تنقلها في الأحياء.

حلل نموذج للذكاء الاصطناعي للرؤية الصور وأشار إلى أي غرافيتي اكتشفه. وأُرسلت النتائج إلى لوحة معلومات مباشرة، كي يتمكن المسؤولون من الاطلاع على التحديثات عبر هواتفهم والاستجابة بسرعة. وساعد ذلك تيمبي على التحرك بسرعة أكبر والحد من شكاوى الجمهور.

وبالمثل، طُوّر في لشبونة، عاصمة البرتغال، نظام لإثبات المفهوم يستخدم كاميرات مثبتة على مركبات المدينة من أجل اكتشاف الغرافيتي تلقائيًا.

الشكل 3. اكتشاف الغرافيتي بالذكاء الاصطناعي في لشبونة، البرتغال.

اكتشاف الغرافيتي وإزالته باستخدام الطائرات المسيّرة#

قد يظهر الغرافيتي في أماكن يصعب الوصول إليها أو يكون الوصول إليها غير آمن، مثل الجسور العلوية والأنفاق والمنشآت المرتفعة. ويتطلب تنظيف هذه المناطق عادةً معدات إضافية وتكاليف أعلى ووقتًا أطول. ولتحسين السلامة والسرعة، بدأت بعض المدن باستخدام الطائرات المسيّرة التي تستطيع اكتشاف الغرافيتي وإزالته من دون الحاجة إلى وجود فرق ميدانية.

على سبيل المثال، أطلقت سياتل، وهي مدينة كبرى في ولاية واشنطن، مؤخرًا حلًا قائمًا على الطائرات المسيّرة لمراقبة المناطق التي يصعب الوصول إليها. وهذه الطائرات مزودة بكاميرات وأدوات رش. ويمكنها مسح الأسطح العامة بحثًا عن العلامات، وعند اكتشاف الغرافيتي، تستخدم مرشًّا مدمجًا لطلائه وطمسه.

الشكل 4. طائرة مسيّرة مدعومة بالذكاء الاصطناعي تنظف الغرافيتي في سياتل، واشنطن.

تشمل جهود سياتل لاكتشاف الغرافيتي أيضًا كاميرات تعمل بالطاقة الشمسية، ومثبتة في البؤر الساخنة المعروفة للغرافيتي. تراقب هذه الكاميرات النشاط وترسل تنبيهات عند اقتراب شخص من موقع يحمل علامات. ومن خلال الجمع بين الطائرات المسيّرة ونقاط المراقبة الثابتة، تستطيع سياتل الاستجابة للغرافيتي بسرعة أكبر والحد من المخاطر الجسدية التي تواجهها فرق الصيانة.

رسم خرائط للبؤر الساخنة للغرافيتي باستخدام الذكاء الاصطناعي للرؤية#

في بعض الحالات، لا يقتصر اكتشاف الغرافيتي على التنظيف، بل يشمل أيضًا فهم أنماط هذا النشاط في أنحاء المدينة. وبمساعدة الذكاء الاصطناعي، تستطيع المدن الآن تحويل الصور الملتقطة على مستوى الشوارع إلى خرائط مرئية توضح الأماكن التي يظهر فيها الغرافيتي بكثرة. وتكشف هذه الخرائط عن اتجاهات قد لا تتضح من خلال البلاغات العامة، كما تساعد مخططي المدن على تركيز جهودهم في الأماكن الأشد حاجة إليها.

على سبيل المثال، استكشفت ساو باولو، وهي مدينة في البرازيل، هذا النهج عبر دراسة حالة قائمة على البحث. واستخدم فريق الرؤية الحاسوبية لتحليل أكثر من 275,000 صورة على مستوى الشوارع من أنحاء المدينة، جُمعت باستخدام Google Street View. ورُسمت مواقع الغرافيتي المحدد في هذه الصور على خرائط 96 منطقة، ما كشف عن الأماكن التي تركز فيها الغرافيتي أكثر من غيرها.

بدلًا من الاعتماد على بلاغات متفرقة أو عمليات تفتيش متباعدة، وفر هذا النهج رؤية واسعة النطاق قائمة على البيانات للغرافيتي في أنحاء المدينة. وأتاحت الخريطة الناتجة لساو باولو موردًا قيّمًا لتتبّع التغيرات بمرور الوقت ودعم جهود التنظيف والوقاية والتخطيط الحضري الأكثر استهدافًا.

الشكل 5. اكتشاف الغرافيتي في ساو باولو، البرازيل.

إيجابيات وسلبيات أنظمة اكتشاف الغرافيتي بالذكاء الاصطناعي للرؤية#

فيما يلي بعض الفوائد الرئيسية لاستخدام الرؤية الحاسوبية في إدارة الغرافيتي:

• تقليل الجهد اليدوي: تقلل المراقبة الآلية الحاجة إلى تفقد الموظفين للشوارع بأنفسهم، مما يتيح تخصيص الموارد لمهام أخرى.
• دعم جهود الوقاية: من خلال تحديد البؤر الساخنة للغرافيتي، تتيح أنظمة الرؤية الحاسوبية للمدن التركيز على وسائل الردع، مثل تحسين الإضاءة أو المراقبة في تلك المناطق.
• التكامل مع الأنظمة الأخرى: يمكن ربط أدوات الرؤية الحاسوبية بلوحات معلومات المدن أو تطبيقات الصيانة لتبسيط سير العمل.
• إتاحة إعداد التقارير آليًا: يمكن لأنظمة الذكاء الاصطناعي للرؤية المساعدة على إنشاء تقارير منتظمة، مما يقلل الأعباء الإدارية على موظفي المدينة.

مع أن أنظمة الرؤية الحاسوبية مفيدة لاكتشاف الغرافيتي، فإن لها بعض القيود أيضًا. وفيما يلي أمور ينبغي مراعاتها عند تطبيق هذه الأنظمة:

• تتطلب صيانة مستمرة: يجب تحديث الكاميرات والنماذج والبرامج وصيانتها بانتظام لضمان الدقة وسلامة الأداء.
• العوائق القانونية والتنظيمية: قد يتطلب تركيب أنظمة المراقبة في الأماكن العامة موافقات أو تصاريح أو الامتثال لقوانين حماية البيانات في بعض المدن.
• الالتباس في اللغات أو الرموز: قد لا يُتعرّف على الغرافيتي الذي يستخدم لغات أجنبية أو رموزًا أو تعبيرات عامية بصورة صحيحة من دون بيانات تدريب مخصصة.
• مخاطر سوء التعرّف: إذا لم يُدرَّب النظام على مجموعة بيانات شاملة ومتنوعة، فقد يصنف الجداريات أو فن الشوارع أو الرسومات الجدارية القانونية خطأً على أنها غرافيتي.

أبرز النقاط#

لا يعد اكتشاف الغرافيتي سوى مثال واحد على كيفية إحداث الرؤية الحاسوبية تحولًا في أساليب إدارة المدن للأماكن العامة. ويجري دمج هذه الأنظمة على نحو متزايد مع أدوات الصيانة والإبلاغ والتخطيط الحضري.

يتحول التركيز من ردود الفعل السريعة إلى الاستباق والوعي. وبفضل البيانات الأفضل والأدوات الأذكى، تتجه المدن إلى الوقاية من المشكلات قبل وقوعها واتخاذ قرارات أكثر استنارة في كل خطوة.

انضم إلى مجتمعنا المتنامي! استكشف مستودع GitHub للتعرف على الذكاء الاصطناعي، واطّلع على خيارات الترخيص لبدء مشاريعك في مجال الذكاء الاصطناعي للرؤية. هل تهتم بابتكارات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في الزراعة؟ تفضل بزيارة صفحات حلولنا لاكتشاف المزيد!