الرؤية الحاسوبية في الكشف عن الحرائق والوقاية منها

مع توسع المناطق الحضرية والصناعية، يزداد خطر الكوارث الناجمة عن الحرائق، حيث يُقدر وقوع 36,784 حريقاً سنوياً في المنشآت الصناعية أو التصنيعية في الولايات المتحدة وحدها. وتشكل هذه الحوادث تهديدات خطيرة للأرواح والممتلكات والبيئة، ومع ذلك، قد تفشل أحياناً طرق الكشف عن الحرائق التقليدية، مثل أجهزة كشف الدخان، وأجهزة كشف الحرارة، وأنظمة الإنذار اليدوية، في منع مثل هذه الأحداث الكارثية.

وهنا يأتي دور الذكاء الاصطناعي (AI)، حيث يقدم حلولاً مبتكرة لتعزيز السلامة وتقليل المخاطر. وتبرز أنظمة التصوير الحراري والرؤية الحاسوبية القائمة على الذكاء الاصطناعي كأدوات قوية في هذه المعركة. ومن خلال تحديد العلامات المبكرة للحرائق المحتملة، مثل الارتفاع غير الطبيعي في درجات الحرارة أو وجود الدخان، توفر أنظمة الوقاية من الحرائق المدعومة بالذكاء الاصطناعي نهجاً استباقياً للسلامة، مما يمنح المستجيبين الأوائل الوقت للتحرك قبل أن يتحول حادث صغير إلى كارثة كبرى.

Link to this sectionدور الذكاء الاصطناعي في الكشف عن الحرائق والوقاية منها#

تعمل نماذج الرؤية الحاسوبية المتطورة على إحداث تحول في الكشف عن الحرائق والوقاية منها من خلال دمج تقنيات متقدمة مثل التصوير الحراري وكشف الدخان. تكمن قدرة هذه الأنظمة القائمة على الذكاء الاصطناعي في محاكاة الذكاء البشري، مما يمكّن الآلات من أداء مهام تتطلب عادةً الإدراك البشري واتخاذ القرار.

في سياق السلامة من الحرائق، تعتمد أنظمة الذكاء الاصطناعي بشكل كبير على الرؤية الحاسوبية—وهو فرع متخصص من الذكاء الاصطناعي يسمح للآلات بتفسير وتحليل البيانات المرئية مثل الصور ومقاطع الفيديو. يتم تدريب هذه الأنظمة على مجموعات بيانات ضخمة، مما يمكنها من التعرف على الأنماط والسمات التي تشير إلى مخاطر الحرائق المحتملة، مثل شكل وحركة الدخان أو البصمات الحرارية المحددة التي تلتقطها الكاميرات الحرارية.

عند تحديد تهديد محتمل، يقوم نظام الذكاء الاصطناعي بمعالجة البيانات من خلال خوارزمياته ونماذجه، ليحدد بسرعة ما إذا كان ذلك يشكل خطراً حريقياً. إذا تم اكتشاف خطر، يمكن للنظام تلقائياً إطلاق إنذارات، أو إخطار المستجيبين للطوارئ، أو حتى تفعيل أنظمة إخماد الحرائق. هذا الاستجابة السريعة والدقيقة أمر بالغ الأهمية في تقليل الأضرار وضمان السلامة.

Link to this sectionكاميرات التصوير الحراري#

يمكن لكاميرات التصوير الحراري المساعدة في اكتشاف مخاطر الحرائق المبكرة من خلال تحديد التغيرات غير الطبيعية في درجات الحرارة التي قد تشير إلى حريق محتمل. عند دمجها مع الذكاء الاصطناعي، يمكن لهذه الكاميرات معالجة البيانات الحرارية في الوقت الفعلي للتمييز بين الاختلافات الحرارية العادية ومصادر الحرارة الخطرة. يمكن لنماذج الرؤية الحاسوبية أن تلعب دوراً رئيسياً هنا من خلال تحليل بيانات الصور الحرارية لـ كشف النقاط الساخنة التي تبرز عن البيئة المحيطة. قد تعكس هذه النقاط الساخنة جزءاً من آلة تعاني من السخونة الزائدة أو المراحل الأولى من نشوب حريق. يقوم النموذج بعد ذلك بتسليط الضوء على هذه المناطق المكتشفة من خلال إنشاء صندوق إحاطة حولها. وبمجرد تحديد هذه المخاطر، تتم معالجة الصور بواسطة خوارزميات الذكاء الاصطناعي، والتي يمكنها بعد ذلك إطلاق إنذارات أو إخطار المستجيبين الأوائل، مما يضمن استجابة سريعة وفعالة.

بالإضافة إلى ذلك، يمكن استخدام الخرائط الحرارية لتوفير تمثيل مرئي مرمّز بالألوان للبيانات الحرارية. يساعد هذا الاستخدام للألوان على التمييز بسرعة بين المناطق الآمنة والمناطق التي يحتمل أن تكون خطرة، مما يعزز فعالية نظام الكشف عن الحرائق. ومع ذلك، عند استخدام الخرائط الحرارية لنماذج الرؤية الحاسوبية، من المهم مراعاة أن عملية تحويل البيانات الحرارية الخام إلى خرائط حرارية تتضمن تعيين عتبات محددة لألوان مختلفة. إذا لم تتم معايرة هذه العتبات بعناية، فقد تؤدي الخرائط الحرارية الناتجة إلى عدم دقة، مما قد يؤثر على قدرة النموذج على اكتشاف الحرائق بدقة.

الشكل 1. كاميرا حرارية إشعاعية تعتمد على الذكاء الاصطناعي تستخدم الرؤية الحاسوبية لاكتشاف التغيرات غير الطبيعية في درجات الحرارة (المصدر: hanwhavision.com).

Link to this sectionكشف الدخان#

استكمالاً للتصوير الحراري للكشف عن الحرائق، تضيف أجهزة كشف الدخان المدعومة بالذكاء الاصطناعي طبقة إضافية من السلامة من خلال التركيز على كشف الدخان، الذي غالباً ما يكون علامة مبكرة على نشوب حريق. تعمل أجهزة كشف الدخان التقليدية عادةً عن طريق استشعار الجسيمات في الهواء باستخدام التأين أو مستشعرات الضوء. هذه الكاشفات فعالة ولكن قد تستغرق وقتاً أطول للاستجابة، خاصة في الحالات التي تنتشر فيها جزيئات الدخان ببطء.

ومع ذلك، تتضمن النماذج الأحدث ميزات الرؤية الحاسوبية التي تحسن فعاليتها بشكل كبير. يمكن أن تتميز أجهزة كشف الدخان المدعومة بالذكاء الاصطناعي بنماذج رؤية حاسوبية مدربة خصيصاً على مجموعات بيانات لرصد الأنماط المرئية مثل شكل الدخان وحركته ولونه وكثافته. وعلى عكس الكاشفات التقليدية التي تعتمد فقط على اكتشاف الجسيمات، يمكن لهذه الأنظمة المتقدمة استخدام نماذج مثل Ultralytics YOLOv8 لتحليل البيانات المرئية في الوقت الفعلي، وتحديد أنماط الدخان، والتغيرات في السماكة، وغيرها من الأدلة المرئية من خلال مهام مثل كشف الأشياء والتجزئة.

تعد التجزئة مهمة بشكل خاص في هذه الأنظمة، لا سيما في البيئات الصعبة مثل الغابات حيث يمكن أن يتشتت الدخان. من خلال استخدام التجزئة، يمكن للنموذج اكتشاف الدخان وتسليط الضوء عليه داخل البيئة المحيطة، مع وضع علامات واضحة وتحديد المناطق المتأثرة بدقة حتى عندما تكون الرؤية ضعيفة أو عندما تكون البيئة كثيفة بأوراق الشجر.

تعد نماذج الرؤية الحاسوبية الحديثة مثل YOLOv8 أداة رائعة لتقسيم البيانات المرئية إلى قطاعات واضحة، مما يسمح للنموذج بتقدير حجم الدخان وشدته بدقة. تعالج خوارزميات الذكاء الاصطناعي هذه المعلومات بناءً على شدة الدخان المكتشف وحجمه وانتشاره وثباته بمرور الوقت، لتقرر ما إذا كان سيتم إطلاق إنذارات أو تنبيه المستجيبين للطوارئ، مما يضمن تدخلاً دقيقاً وفي الوقت المناسب.

الشكل 2. كشف الدخان وتجزئته باستخدام YOLOv8.

Link to this sectionالتحليلات التنبؤية للوقاية من الحرائق#

يتجاوز الذكاء الاصطناعي مجرد اكتشاف الحرائق—فهو يعمل بنشاط لمنعها. من خلال تحليل البيانات التاريخية ومراعاة العوامل البيئية مثل الظروف الجوية، وكثافة الغطاء النباتي، والنشاط البشري، يمكن لنماذج الذكاء الاصطناعي التنبؤ بمخاطر الحرائق. تعتبر هذه القدرة التنبؤية ذات قيمة خاصة في الصناعات عالية المخاطر مثل النفط والغاز، والتصنيع، والحراجة، حيث تكون الرهانات كبيرة. في هذه البيئات، تلعب الرؤية الحاسوبية دوراً حاسماً من خلال المراقبة المستمرة وتحليل البيانات المرئية، مما يساعد في تحديد علامات التحذير المبكرة التي قد تشير إلى زيادة خطر نشوب حريق. وهذا يسمح باتخاذ تدابير استباقية يمكن أن تساعد في منع الحرائق قبل أن تبدأ.

Link to this sectionفوائد الكشف عن الحرائق بالذكاء الاصطناعي#

يعمل الذكاء الاصطناعي على تحسين كيفية اكتشاف مخاطر الحرائق والاستجابة لها بشكل كبير، مما يوفر العديد من الفوائد الرئيسية التي تعزز طرق السلامة من الحرائق التقليدية. ومن بين هذه الفوائد:

Link to this sectionالكشف الدقيق عن التهديدات#

يمكن لأنظمة الكشف عن الحرائق التقليدية في بعض الأحيان إطلاق إنذارات كاذبة، وهو ما لا يؤدي فقط إلى إهدار الموارد بل يخلق أيضاً حالة ذعر غير ضرورية. غالباً ما تحدث هذه الإنذارات الكاذبة لأن تقنيات الاستشعار الأساسية في الأنظمة التقليدية تفتقر إلى القدرة على التمييز بين مخاطر الحرائق الفعلية والعوامل البيئية غير المهددة مثل البخار، أو الغبار، أو دخان السجائر، أو أبخرة الطهي.

على سبيل المثال، قد تخلط أجهزة كشف الدخان بالتأين بين البخار غير الضار وجزيئات الدخان، أو قد يتم تفعيل أجهزة كشف الحرارة بسبب تقلبات درجات الحرارة الطبيعية في البيئات الصناعية. تؤدي هذه الحساسية المفرطة إلى إنذارات كاذبة متكررة، مما يعطل العمليات ويصرف موارد الطوارئ دون داعٍ.

ومع ذلك، فإن نماذج الكشف عن الحرائق القائمة على الرؤية الحاسوبية توفر نهجاً أكثر دقة لتحديد التهديدات الحقيقية. يتم تدريب هذه النماذج على تحليل البيانات المرئية، مما يمكنها من التعرف على الأنماط المرئية المميزة المرتبطة بالدخان أو اللهب أو غيرها من الشذوذ المتعلقة بالحرائق. وعلى عكس المستشعرات التقليدية، التي قد تستجيب فقط لجسيمات معينة أو تغيرات في درجات الحرارة، تقوم نماذج الرؤية الحاسوبية بتقييم إشارات مرئية متعددة في الوقت الفعلي، مثل شكل وحركة ولون الدخان أو مظهر اللهب. ومن خلال القيام بذلك، يمكنها التمييز بفعالية بين مخاطر الحرائق الحقيقية والحوادث غير الضارة مثل البخار أو الظلال، مما يقلل بشكل كبير من احتمالية حدوث إنذارات كاذبة.

Link to this sectionتعزيز السلامة في البيئات عالية المخاطر#

في البيئات عالية المخاطر مثل المصانع الصناعية، والمصافي، والمصانع الكيميائية، يكون احتمال نشوب الحرائق أعلى بكثير بسبب وجود مواد قابلة للاشتعال وآلات معقدة. توفر الأنظمة المدفوعة بالرؤية الحاسوبية مراقبة مستمرة على مدار الساعة طوال أيام الأسبوع، قادرة على اكتشاف العلامات المبكرة لمخاطر الحرائق، مثل السخونة الزائدة، أو تسرب الغاز، أو أعطال المعدات. تتيح هذه اليقظة المستمرة تدخلاً سريعاً، مما يقلل من خطر نشوب الحرائق ويضمن سلامة كل من الموظفين والأصول القيمة.

Link to this sectionتوفير التكاليف#

يمكن أن تسبب الحرائق أضراراً جسيمة، مما يؤدي إلى إصلاحات مكلفة، وفقدان الإنتاجية، واحتمالية المسؤوليات القانونية. من خلال اكتشاف الحرائق مبكراً وتقليل الإنذارات الكاذبة، يمكن للرؤية الحاسوبية مساعدة المؤسسات على توفير التكاليف. يمنع هذا النهج الاستباقي حوادث الحرائق واسعة النطاق، ويقلل من استجابات الطوارئ غير الضرورية، ويقلل من النفقات المرتفعة المرتبطة بأضرار الحرائق، والتحديات القانونية، ومطالبات التأمين، مع حماية الاستثمارات أيضاً.

Link to this sectionالمرونة وقابلية التوسع#

توفر أنظمة الكشف عن الحرائق القائمة على الذكاء الاصطناعي مرونة وقابلية توسع كبيرة، مما يجعلها قابلة للتكيف مع بيئات مختلفة، بدءاً من الشركات الصغيرة وصولاً إلى المجمعات الصناعية الكبيرة.

على سبيل المثال، يمكن تدريب نماذج مثل YOLOv8 للتعرف على مخاطر حريق محددة فريدة لصناعات مختلفة مثل الانسكابات الكيميائية في البيئات الصناعية، أو الآلات التي تعاني من السخونة الزائدة في التصنيع، أو حرائق النفط والغاز، وحرائق الغابات. ولتحقيق هذا المستوى من التخصص، سيحتاج النموذج إلى مجموعة متنوعة من الصور التي تصور هذه المخاطر في سيناريوهات مختلفة. ستحتاج هذه الصور إلى تصنيفها ووسمها بعناية—على سبيل المثال، يتم وسم صور الانسكابات الكيميائية بتسميات محددة تشير إلى نوع الانسكاب، بينما يتم وسم صور الآلات التي تعاني من السخونة الزائدة وفقاً لنوع الآلة والعلامات المرئية للسخونة الزائدة. تعد عملية التصنيف هذه ضرورية لكي يتعلم النموذج كيفية تحديد هذه المخاطر بدقة في مواقف العالم الحقيقي، مما يضمن قدرته على اكتشاف مخاطر الحرائق المحتملة والاستجابة لها بفعالية عبر بيئات مختلفة.

Link to this sectionالتحديات والعيوب#

على الرغم من أن الذكاء الاصطناعي يقدم العديد من المزايا في الكشف عن الحرائق والوقاية منها، إلا أن هناك أيضاً العديد من التحديات والعيوب التي يجب مراعاتها.

• تكلفة أولية عالية: يمكن أن يكون تنفيذ أنظمة الكشف عن الحرائق المدفوعة بالذكاء الاصطناعي مسعى مكلفاً، خاصة بالنسبة للشركات الصغيرة أو المرافق ذات الموارد المالية المحدودة. غالباً ما يمثل الاستثمار الأولي الكبير المطلوب لهذه التقنية المتقدمة للكشف عن الحرائق عقبة رئيسية، مما يجعل من الصعب على بعض المؤسسات تبني هذه التكنولوجيا.

• الاعتماد على بيانات عالية الجودة: تعتمد دقة الذكاء الاصطناعي في اكتشاف مخاطر الحرائق بشكل كبير على توفر بيانات مصنفة وعالية الجودة. إذا كانت البيانات غير مكتملة أو مصنفة بشكل سيئ، فقد يتأثر أداء النظام، مما يؤدي إلى عدم دقة محتملة في اكتشاف مخاطر الحرائق.

• احتمالية حدوث أعطال في الظروف القاسية: أنظمة الذكاء الاصطناعي، مثل أي تقنية، ليست محصنة ضد الأعطال. في الظروف البيئية القاسية—مثل الحرارة الزائدة، أو الرطوبة، أو الغبار—يمكن أن تتأثر دقة هذه الأنظمة وموثوقيتها، مما يشكل مخاطر على السلامة من الحرائق.

• الصيانة والتحديثات المستمرة: لكي تظل فعالة، تتطلب حلول الوقاية من الحرائق المدفوعة بالذكاء الاصطناعي صيانة وتحديثات منتظمة. يمكن أن تكون هذه الحاجة المستمرة للدعم الفني كثيفة الموارد، مما قد يزيد من التكاليف طويلة الأجل المرتبطة باستخدام الذكاء الاصطناعي للكشف عن الحرائق.

Link to this sectionمستقبل الذكاء الاصطناعي في الكشف عن الحرائق والوقاية منها#

مع استمرار تطور الذكاء الاصطناعي، من المقرر أن يؤدي تكامله مع التقنيات الناشئة مثل روبوتات مكافحة الحرائق والحوسبة الطرفية إلى تعزيز جهود الكشف عن الحرائق والوقاية منها بشكل كبير.

Link to this sectionروبوتات مكافحة الحرائق المدعومة بالذكاء الاصطناعي#

تظهر روبوتات مكافحة الحرائق المدعومة بالذكاء الاصطناعي كابتكار رائد في مجال السلامة من الحرائق، حيث توفر مستوى جديداً من الحماية في بيئات خطرة جداً بالنسبة للتدخل البشري. هذه الروبوتات، المجهزة بمستشعرات متقدمة، ورؤية حاسوبية، وخوارزميات ذكاء اصطناعي، يمكنها التنقل بشكل مستقل في تضاريس معقدة وخطرة، واكتشاف مصادر الحرائق من خلال التصوير الحراري، وتطبيق أكثر تقنيات مكافحة الحرائق فعالية. إن قدرتها على العمل في ظروف قاسية، مثل الحرارة العالية والبيئات السامة، تقلل من المخاطر التي يواجهها رجال الإطفاء البشر.

يمكن لهذه الروبوتات العمل بالتنسيق مع الطائرات بدون طيار وتقنيات مكافحة الحرائق الأخرى، مما يوفر بيانات في الوقت الفعلي ويعزز الفعالية الإجمالية لجهود الاستجابة للحرائق. إن دمج الذكاء الاصطناعي والروبوتات في مكافحة الحرائق مهيأ لإحداث ثورة في هذا المجال، مما يجعل الوقاية من الحرائق والسيطرة عليها أكثر أماناً وفعالية.

الشكل 3. روبوت مكافحة حرائق مستقل يعمل بالذكاء الاصطناعي.

Link to this sectionدمج الحوسبة الطرفية للكشف السريع عن الحرائق#

في أنظمة الكشف عن الحرائق التقليدية، مثل الكاميرات المدعومة بالرؤية الحاسوبية، وأجهزة كشف الدخان، وأجهزة كشف الحرارة، يتم عادةً إرسال البيانات التي تلتقطها المستشعرات أو الكاميرات إلى خادم مركزي حيث تتم معالجتها بواسطة نماذج الذكاء الاصطناعي. تحلل هذه النماذج البيانات لتحديد مخاطر الحرائق المحتملة، مثل ارتفاعات درجات الحرارة غير الطبيعية أو وجود الدخان. ومع ذلك، يمكن أن تؤدي هذه العملية إلى تأخير زمني بسبب الوقت الذي تستغرقه البيانات للسفر من وإلى الخادم.

يقدم Edge computing for fire detection حلاً مبتكراً من خلال تمكين معالجة البيانات مباشرة في المصدر - داخل الكاميرات أو المستشعرات نفسها - بدلاً من الاعتماد على خادم بعيد. تؤدي هذه المعالجة المحلية إلى تقليل زمن الوصول بشكل كبير، مما يسمح بتحليل أسرع للبيانات الحرارية والبصرية واكتشاف أسرع لمخاطر الحريق المحتملة. من خلال معالجة البيانات بالقرب من مكان توليدها، يضمن Edge computing اتخاذ القرارات الحاسمة، مثل إطلاق الإنذارات أو إخطار المستجيبين، بشكل فوري تقريباً. وتعد هذه القدرة أمراً بالغ الأهمية لمنع الحرائق من التصاعد والانتشار، مما يجعل أنظمة الكشف عن الحرائق أكثر استجابة وفعالية.

Link to this sectionأبرز النقاط#

تعمل أنظمة التصوير الحراري وكشف الأشياء المدفوعة بالذكاء الاصطناعي على تطوير كيفية اكتشافنا للحرائق ومنعها بشكل كبير، مما يوفر تحذيرات مبكرة وتحديداً أكثر دقة لمخاطر الحرائق. تجلب هذه التقنيات فوائد عديدة، مثل أوقات استجابة أسرع، وتقليل الإنذارات الكاذبة، وتعزيز السلامة في البيئات عالية المخاطر.

ومع ذلك، فهي تطرح أيضاً تحديات، بما في ذلك تكاليف التنفيذ العالية والحاجة إلى صيانة مستمرة. وبالنظر إلى المستقبل، فإن مستقبل الذكاء الاصطناعي والرؤية الحاسوبية للسلامة من الحرائق واعد، مع إمكانية تكامل أكبر مع التقنيات الناشئة مثل روبوتات مكافحة الحرائق والحوسبة الطرفية، مما يزيد من تحسين الوقاية من الحرائق والاستجابة لها عبر مختلف الصناعات.

في Ultralytics، نحن ندفع ابتكارات الذكاء الاصطناعي إلى آفاق جديدة. استكشف حلول الذكاء الاصطناعي المتقدمة لدينا وواكب أحدث إنجازاتنا من خلال زيارة مستودع GitHub الخاص بنا. تفاعل مع مجتمعنا النشط واطلع على كيفية إحداثنا ثورة في مجالات مثل الرعاية الصحية والتصنيع.