مراجعة صور مسح الشعاب قبل حساب التبيّض: مشاريع تخرج الرؤية الحاسوبية البحرية

قد تبدو بقعة مرجان فاتحة في صورة تحت الماء، لكنها قد تكون انعكاساً أو رملاً أو جزءاً مظللاً من صورة تغير توازن ألوانها. إذا صنف الفريق النقاط آلياً ثم حسب التبيّض، فإن أخطاء الوسم الصغيرة قد تتضخم إلى نسبة توحي بتغير بيئي غير موجود. يقترح هذا المشروع من مشاريع تخرج الرؤية الحاسوبية البحرية مساعداً لتدقيق الوسوم في صور مسح قاعي محددة: يقترح فئة لكل نقطة أو رقعة، ويظهر الحالات المترددة ليحسمها مختص. لا يزعم النظام تشخيص حالة الشعاب من صورة منفردة.

اجعل سؤال المسح محدداً

اختر نوع الصور المتاحة وبروتوكول التقاطها قبل التفكير في الشبكة العصبية. هل الصور من كاميرا مثبتة على مسار، أم من غطاسين يحملون أجهزة مختلفة؟ هل الهدف وسم كل نقطة على خط transect، أم تقسيم صورة كاملة إلى أصناف قاع؟ مشروع صغير قد يركز على تصنيف نقاط إلى مرجان حي، مرجان مبيض ظاهرياً، طحالب، رمل، ظل، وماء. هذه الفئات تحتاج تعريفاً تشغيلياً يراجعه باحث بحري؛ اللون الأبيض وحده لا يكفي للحكم بأن المرجان مبيض.

حدد الوحدة التي سيخرجها النظام: فئة لكل نقطة مرجعية، ودرجة لكل احتمال، وحالة «غير واضح» تسمح بالإحالة إلى مراجع. لا تستخرج نسبة بيئية إذا لم تعرف كيف اختيرت النقاط، ولا تقارن موسمين إذا تغيرت الكاميرا أو الإضاءة أو زاوية التصوير. وثق تاريخ المسح وموقعه وظروف الصورة عند توفرها وفق سياسة مشاركة البيانات، لكن لا تنشر إحداثيات حساسة لموائل محمية.

الوسم المرجعي عمل علمي

تعرض CoralNet طريقة وضع نقاط مرجعية على الصور، ويوفر تقرير NOAA عن مصنف تبيّض المرجان إجراءً تشغيلياً لبناء تصنيف شبه آلي ومراجعة نتائجه. كما يشرح بحث محرك التعلم العميق في CoralNet سياق تصنيف الصور البحرية. استفد من هذه المصادر لتصميم الوسم والتحقق، ولا تنقل أرقامها إلى مجموعة صور الفريق؛ المناظر والأنواع والتصوير تختلف.

اختر مجموعة صور مرخصة أو مصرحاً باستخدامها، ثم اطلب من مقيّمين وسم عينة مشتركة مستقلة قبل الاتفاق على الملصق النهائي. سجل نقاط الخلاف ونوعها؛ هل كان السبب تغير اللون أم غموض حدود المستعمرة أم انسداد العدسة؟ أعد مراجعة حالات الاختلاف مع اختصاصي، واحتفظ بتعريف الفئة والصورة الأصلية. إذا توفر وسم موجود على منصة بحثية، تحقق من الرخصة وتعريف الفئات قبل دمجه، فليس كل annotation مرجعاً معصوماً.

خط معالجة يترك مجالاً للتصحيح

اقرأ الصورة مع بياناتها الوصفية، ووحد الحجم أو الألوان عند الضرورة مع حفظ النسخة الخام. إذا كانت المهمة قائمة على نقاط، استخرج قصاصة صغيرة حول كل نقطة مع موقعها الأصلي، ثم درب baseline بسيطاً مثل ميزات لونية ونموذج شجري قبل مقارنة شبكة جاهزة. اعرض النقطة فوق الصورة وليس القصاصة وحدها، لأن السياق يساعد المراجع على تمييز الرمل والظل والمرجان المجاور. لا ترفع تشبع الألوان إلى درجة تمحو الفروق بين جلسات التصوير.

اجعل لوحة المراجعة تعرض اقتراح النموذج، والدرجة، والفئة المرجعية إن كانت من مجموعة الاختبار، وأزرار قبول أو تصحيح أو «أحتاج رأياً». احتفظ بتاريخ كل تعديل دون حذف القيمة التي اقترحها النظام. إذا اختلف الباحثون، اكتب ذلك كملاحظة لا كضوضاء يجب محوها. ويمكن إضافة طبقة تلخص الغطاء بعد اعتماد الوسوم، لكن يجب أن تكون طريقة الحساب مرئية، وعدد النقاط المستثناة مذكوراً بجوار النسبة.

مثال: بقعة فاتحة تحت وهج

في صورة من خط مسح، تقع نقطة على رقعة شاحبة بجانب سطح ماء عاكس. يعطي المصنف احتمالاً متقارباً بين مرجان مبيض ورمل، فيصنفها النظام «تحتاج مراجعة» بدلاً من إجبارها على أحد الطرفين. يكبر المراجع المنطقة ويقارن النقطة بالصورة الأصلية وبصور من اللقطة نفسها، ثم يسجل قراره وسبب الاختيار. هذا السيناريو مقترح لا نتيجة فعلية؛ فائدته أنه يختبر ما إذا كانت الواجهة تعرض السياق الكافي كي لا يقرر المستخدم من لون القصاصة وحده.

اعرض بعد ذلك كيف يتغير حساب التغطية عندما تُستبعد النقطة أو تعتمد الفئة البديلة. لا تخفِ التأثير إذا غيّر القرار ملخص المجموعة. وإذا كان عدد نقاط المسح قليلاً، اكتب المقام بجوار النسبة؛ «8 من 40 نقطة» أكثر قابلية للفهم من رقم مئوي منفصل. يمنح هذا الأسلوب المناقش فرصة لسؤال الفريق عن اختيار النقاط والوسوم، وليس فقط عن طبقات النموذج.

اختبارات للكamera والموقع والمراجع

قسّم الاختبار بحسب الموقع أو رحلة التصوير، حتى لا تتسرب لقطات متجاورة من المسار نفسه بين التدريب والاختبار. قس الأداء لكل فئة، خصوصاً الفئات النادرة، واستخدم مصفوفة التباس تعرض متى خلط النموذج المرجان الشاحب بالرمل أو الظل. جرّب تغيير السطوع وتوازن الأبيض ضمن مدى واقعي، وامتحن الصور الضبابية أو المحجوبة، لكن لا تعتبر augmentations بديلاً عن كاميرا مختلفة فعلياً. احتفظ بعينة خارجية يراجعها خبير لم تدخل في اختيار النموذج.

اختبر صلاحية ملفات الصور، ونقاط تقع قرب حافة الصورة، وحالة ملف بلا بيانات موقع، ونقطة يتيمة تشير إلى صورة محذوفة. تحقق من أن إعادة تشغيل الخط تعطي ترتيب الوسوم نفسه عند تثبيت البذرة والإصدار. قارن سرعة التوسيم الآلي بالمراجعة اليدوية على العينة نفسها، مع قياس معدل التصحيح والوقت لا عدد الصور فقط. إذا اختلف المراجعون، احسب اتفاقهم واذكر طريقة حل الخلاف بدلاً من إخفائه.

حدود الاستنتاج من صورة

اللون يتأثر بالعمق والإضاءة وخصائص الكاميرا والمواد العالقة بالماء. والتبيّض البيولوجي حكم يحتاج تعريفاً وسياقاً علمياً، لا مخرج شبكة وحده. الصور التي لا تغطي المسار كله لا تمثل الموقع تلقائياً، وقد لا تكون النقاط موزعة عشوائياً. لذلك لا تحول نتائج التصنيف إلى قياس واسع لحالة الشعاب من دون تصميم مسح مناسب ومختص يراجع المنهج.

في التسليم، ضع نسخة مرخصة من الصور أو روابطها، وتعريف الفئات، وعينة اتفاق المراجعين، ونتائج كل موقع، والحالات التي رفض النظام حسمها. اعرض مثالاً فشل فيه النموذج على وهج أو زاوية تصوير جديدة، واكتب كيف تعامل معه المراجع. مشروع التخرج الجيد لا يدعي أن التصنيف الآلي يغني عن العالم؛ بل يبين أين سرّع الفحص وأين احتاج الإنسان إلى رؤية الصورة كاملة.