Ин таҳқиқот усули дистиллятсияи донишро таҳия мекунад, ки барои ошкорсозии вақти воқеии оташҳои хурди дур ва абрҳои дуди камконтраст дар минтақаҳои васеи саноатӣ, ба монанди корхонаи коркарди нафт, маҷмааи нафту кимиё, майдони зарфҳо ва нерӯгоҳ пешбинӣ шудааст. Дар камераҳои амниятии масофаи дур минтақаҳои хатарнок аксар вақт танҳо чанд пикселро ишғол мекунанд; чароғҳои шабона, фарҳои мошин, инъикоси сатҳҳои металлӣ, дурахши замини тар ва тоҷи равшани дарахтон метавонанд бо оташ ё дуд омехта шаванд. Аз ин рӯ, детекторҳои сабуки объектҳо метавонанд ҳам ҳадафҳои заифро аз даст диҳанд ва ҳам зуд-зуд ҳушдорҳои бардурӯғ тавлид кунанд.

Барои ҳалли ин масъала муҳаққиқон ба ҷойи нусхабардории мустақим ва зичи дониши модели омӯзгори дорои иқтидори баланд, чаҳорчӯбаи дистиллятсияеро пешниҳод мекунанд, ки минтақаҳои боэътимоди ҳадаф ва намунаҳои фиребандаи саноатиро ҳамчун прототипҳои алоҳида муаррифӣ мекунад. Пешгӯиҳои оташ, дуди сабук ва дуди зичи модели омӯзгор харитаҳои эҳтимолияти ҳадафро, пешгӯиҳои чароғи кӯча, инъикоси қавӣ ва тоҷи равшани дарахт бошад харитаҳои эҳтимолияти омилҳои иштибоҳро ташкил медиҳанд. Модели яхкардаи CLIP-и тасвир-забон ва токенҳои пайвастаи prompt-и омӯзишшаванда ин харитаҳоро аз ҷиҳати семантикӣ дубора арзёбӣ карда, минтақаҳои мувофиқ бо мафҳумҳои воқеии хатарро тақвият медиҳанд ва минтақаҳои фиребандаи аз рӯшноӣ ба вуҷудомадаро пахш мекунанд.

Харитаҳои такмилёфтаи эҳтимолият барои истихроҷи прототипҳои ҳадаф ва омилҳои иштибоҳ аз модели омӯзгор ва интихоб кардани токенҳои фазоии омӯзишӣ аз хусусиятҳои модели донишҷӯ истифода мешаванд. Функсияи талафоте, ки Ҳамоҳангсозии Контрастии Бисёрмиқёса бо Роҳнамоии Маска ном дорад, ҳадаф дорад, ки модели сабуки донишҷӯ намунаҳои воқеии оташ ва дудро омӯзад ва минтақаҳои аз ҷиҳати визуалӣ монанди фиребандаро фарқ кунад. CLIP, модели омӯзгор, токенҳои prompt ва бонки прототипҳо танҳо ҳангоми омӯзиш истифода мешаванд; дар истифодаи саҳроӣ танҳо детектори донишҷӯи дорои 8,4 миллион параметр кор мекунад.

Тибқи натиҷаҳои маҷмӯи гибридии Fire&Smoke, ки аз 11.023 тасвир иборат аст, усул арзиши миёнаи AP-и модели YOLO26-small-ро аз 51,5 то 63,8 боло бурда, сатҳи гузоришшудаи ҳушдори бардурӯғро аз %14,7 то %3,4 коҳиш додааст. Дар зермаҷмӯи 625 кадри шабона миёнаи AP аз 47,8 то 59,6 боло рафта, сатҳи ҳушдори бардурӯғ аз %22,6 то %4,6 паст шудааст. Бо вуҷуди ин, тақрибан нисфи маҷмӯи додаҳо аз тасвирҳои хусусии саноатӣ иборат буда, усули дақиқи ҳисобкунии сатҳи ҳушдори бардурӯғ шарҳ дода нашудааст ва benchmark-и саҳроӣ дар дастгоҳи воқеии канории дарунсохт пешниҳод нашудааст.

Аҳамият аз нигоҳи Туркия

Усул метавонад ба системаҳои огоҳии барвақт дар корхонаҳои коркарди нафт, маҷмааҳои нафту кимиё ва кимиёвӣ, минтақаҳои нигоҳдории гази табиӣ, бандарҳо, нерӯгоҳҳои ҳароратӣ, майдонҳои энергияи офтобӣ ва бодӣ, конҳо, сарҳадҳои ҷангал-саноат ва кампусҳои калони истеҳсолии Туркия мутобиқ карда шавад. Хусусан дар навбатҳои шабона прожекторҳо, чароғҳои огоҳкунанда, фарҳои мошин, таҷҳизоти металлии дурахшон ва инъикосҳои пас аз борон дар системаҳои классикии камерабунёд метавонанд тасвирҳои ба оташ монанд ба вуҷуд оранд. Равиши таҳқиқот, ки прототипҳои ҳадаф ва омилҳои иштибоҳро алоҳида моделсозӣ мекунад, барои чунин шароити муҳитӣ гипотезаи бевоситаи муҳандисӣ пешниҳод менамояд.

Пеш аз татбиқ дар Туркия бояд бо тасвирҳои маҳаллӣ аз навъҳои гуногуни иншоот, баландии камераҳо, линзаҳо, шароити обу ҳаво, фаслҳо ва минтақаҳои ҷуғрофӣ омӯзиши дубора ва тасдиқ анҷом дода шавад. Туман, буғ, гази дудбаро, шарораҳои кафшер, манораҳои машъал, дурахши равандҳои гарм ва чароғҳои мошинҳои ҳаракаткунанда бояд ҳамчун синфҳои алоҳидаи омилҳои иштибоҳ арзёбӣ шаванд. Иҷрои ҳушдор на танҳо бо AP барои ҳар тасвир, балки бо вақти ошкоркунии ҳодиса, ҳушдори бардурӯғ дар як соат, шумораи ҳодисаҳои аз дастрафта, устувории ҳушдор дар видеои пайваста ва сарбории дахолати оператор чен карда шавад.

Ин таҳқиқот мустақиман исбот намекунад, ки усул дар иншооти воқеии Туркия оташро барвақттар ошкор мекунад ё талафоти ҷонӣ ва молиро кам мекунад. Натиҷаҳо муваффақияти ошкорсозии тасвириро дастгирӣ мекунанд; аммо иҷрои амниятии ҳамгирошуда бо камераи ҳароратӣ, детектори аланга, сенсори дуд, сенсори газ ва системаи ҳушдори иншоот арзёбӣ нашудааст.

Мушкилоти асосии таҳқиқот чист?

Камераҳои амниятии саноатӣ одатан дар сутунҳои баланд, бомҳо ё манораҳо ҷойгир шуда, минтақаҳои васеъро назорат мекунанд. Ин тарҳ имкон медиҳад, ки бо як камера майдони калон дида шавад, аммо боис мегардад, ки ҳадафҳои оташ ва дуд дар тасвир хеле хурд бошанд. Дуди дур аксар вақт бо осмон, абр, туман ё гази дудбаро контрасти паст дорад. Алангаҳои хурд бошанд дар назди прожектор, фар, чароғи огоҳкунанда ва инъикоси металл ба осонӣ гум мешаванд.

Детекторҳои сабуки якмарҳилавии объектҳо аз сабаби таъхири паст ва истеъмоли маҳдуди сахтафзор дар дастгоҳҳои канорӣ бартарӣ доранд. Аммо иқтидори муаррифии моделҳои хурд камтар аст. Интиқоли дониш аз модели калони омӯзгор ба модели сабуки донишҷӯ метавонад ин камбудиро коҳиш диҳад; вале агар ҷавобҳои нодурусти омӯзгор низ мустақим интиқол дода шаванд, донишҷӯ метавонад ҳамон хатоҳоро омӯзад.

Даъвои асосии таҳқиқот чунин аст: дар дистиллятсияи оташ ва дуди саноатӣ танҳо фарқ кардани “минтақаи боэътимоди баланд” ва “замина” кофӣ нест. Негативҳои душворе, ки аз рӯшноӣ ба вуҷуд меоянд, бояд аз заминаи оддӣ алоҳида моделсозӣ шаванд. Аз ин рӯ, система се навъи намунаи фазоиро ҷудо мекунад:

• Минтақаҳои мусбати хатар: Дуди сабук, дуди зич ва оташ.
• Минтақаҳои сохтории омилҳои иштибоҳ: Чароғҳои кӯча, инъикосҳои қавӣ ва тоҷи равшани дарахт.
• Заминаи муҳит: Дигар минтақаҳое, ки ҳамчун ҳадаф ё омили махсуси иштибоҳ муайян нашудаанд.

Чаро роҳнамоии тасвир-забон истифода шудааст?

Шакли 1 дар саҳифаи 3-и таҳқиқот дар саҳнаи саноатии шабона абри дуди дурро ҳамчун минтақаи мусбати сурх ва чароғи равшани кӯчаро ҳамчун минтақаи манфии кабуд нишон медиҳад. Минтақаи дуд бо мафҳуми матнии монанди “дуди сафеди тунук”, минтақаи чароғ бошад бо “чароғи норанҷии кӯча; на оташ ва на дуд” алоқаманд карда шудааст. Шакл ин фикрро шарҳ медиҳад, ки ду минтақа ҳатто агар аз рӯи равшании тасвир монанд намоянд, аз ҷиҳати маъноӣ фарқ доранд.

Хусусиятҳои тасвир ба рӯшноӣ, кунҷи камера, контраст ва садо ҳассосанд. Муаррифии матн бошад метавонад мафҳумҳои сатҳи баланд, ба монанди “оташ”, “дуд”, “чароғ” ё “инъикос”-ро устувортар рамзгузорӣ кунад. Аммо модели умумимақсади CLIP метавонад мустақиман ба шароити махсуси тасвир дар майдонҳои нафту кимиё мутобиқ набошад. Барои коҳиш додани ин фарқи доменӣ муҳаққиқон ба ҷойи ҷумлаҳои собит токенҳои пайвастаи prompt-и омӯзишшавандаро истифода мебаранд.

Меъмории умумии омӯзгор–донишҷӯ

Шакли 2 дар саҳифаи 4 кори сатҳи баланди усулро нишон медиҳад. Кадрҳои камера ҳангоми омӯзиш ҳам барои модели пурқуввати омӯзгор ва ҳам барои модели сабуки донишҷӯ вуруд мебошанд. Модели омӯзгор тавассути пирамидаи хусусиятҳои худ ва модули семантикӣ намунаҳои оташ, дуд ва рӯшноии фиребандаро ба прототипҳо табдил медиҳад. Ин прототипҳо омӯзиши модели донишҷӯро роҳнамоӣ мекунанд.

Дар марҳилаи татбиқ модели омӯзгор, ҷузъи CLIP ва бонки прототипҳо хориҷ карда мешаванд. Кадрҳои камера танҳо аз backbone, neck ва detection head-и донишҷӯ мегузаранд. Ҳамин тавр, системаи дистиллятсия хароҷоти омӯзишро зиёд мекунад, вале ба меъмории саҳроӣ модели нави тасвир-забон илова намекунад.

Хати муфассали дистиллятсия дар Шакли 3

Шакли 3 дар саҳифаи 6 тамоми усулро ба қадамҳои зерин ҷудо мекунад:

1. Қуттиҳои пешгӯии детектори омӯзгор ба P-харитаҳои ҳадаф ва омилҳои иштибоҳ вобаста ба синф табдил дода мешаванд.
2. Хусусиятҳои маҳаллӣ дар пирамидаи хусусиятҳои омӯзгор ба фазои семантикии 512-андозаи CLIP проексия мешаванд.
3. Прототипҳои матнии пешомӯхташуда наздикии семантикиро ба мафҳумҳои ҳадаф ва омилҳои иштибоҳ ҳисоб мекунанд.
4. Ин арзишҳои наздикӣ P-харитаҳои асосёфта ба детексияро тақвият ё пахш мекунанд.
5. Бо истифода аз харитаҳои такмилёфта прототипҳои ҳадаф ва омилҳои иштибоҳ гирифта мешаванд.
6. Прототипҳо барои ҳар сатҳи пирамидаи хусусиятҳо дар навбатҳои алоҳида нигоҳ дошта мешаванд.
7. Аз хусусиятҳои донишҷӯ токенҳои мусбат, омилҳои иштибоҳ ва замина интихоб мешаванд.
8. Талафоти MMCA кӯшиш мекунад токенҳои донишҷӯ ва прототипҳои омӯзгорро дар фазои умумӣ ҳамоҳанг кунад.

P-харитаҳои ибтидоӣ чӣ гуна сохта мешаванд?

Барои ҳар сатҳи пирамидаи хусусиятҳои модели омӯзгор ду харитаи фазоӣ сохта мешавад:

\[ P_{\mathrm{target}}^{\ell}\in\mathbb{R}^{1\times H_\ell\times W_\ell} \]

\[ P_{\mathrm{confuse}}^{\ell}\in\mathbb{R}^{1\times H_\ell\times W_\ell} \]

\(\ell\) сатҳи пирамидаи хусусиятҳоро; \(H_\ell\) ва \(W_\ell\) андозаҳои фазоии он сатҳро нишон медиҳанд. Пешгӯиҳои омӯзгор бо тамғаҳои дуди сабук, дуди зич ё оташ ба харитаи ҳадаф; пешгӯиҳои чароғ, инъикос ё дарахти равшан ба харитаи омилҳои иштибоҳ илова мешаванд.

Ҳуҷайраи марказии қуттии пешгӯӣ вазни пурра ва ҳуҷайраҳои ҳамсоя вазни қисмӣ мегиранд. Пас аз ҷамъ кардани ҳамаи пешгӯиҳо дар як тасвир, харита ба арзиши максималии худ тақсим шуда, тавре нормализатсия мешавад, ки ҳуҷайраи калонтарин 1 бошад.

Ин усул фарқи миқёси холҳои мутлақи эътимодро байни тасвирҳо коҳиш медиҳад. Аммо ҳатто дар тасвире, ки ҳамаи пешгӯиҳо эътимоди паст доранд, ҷавоби баландтарини заиф метавонад ба 1 миқёс дода шавад. Таҳқиқот бо таҷрибаи ҷудогонаи калибровкаи эътимод чен накардааст, ки марҳилаи ислоҳи семантикӣ ин хавфро то чӣ андоза бартараф мекунад.

Ҳамоҳангсозии пешакӣ бо токенҳои пайвастаи prompt

Барои ҳар кадоми категорияҳои ҳадаф ва омилҳои иштибоҳ чор токени контекстии омӯзишшаванда истифода мешавад:

\[ Q_{\mathrm{tar}},Q_{\mathrm{conf}}\in\mathbb{R}^{N\times D_{\mathrm{word}}},\qquad N=4 \]

Embedding-и номи категория \(e_m\) бо токенҳои мувофиқи контекст якҷоя карда шуда, пайдарпаии матнӣ ташкил мешавад:

\[ X_m=[Q_{\mathrm{tar/conf}}\parallel e_m] \]

Ин пайдарпаӣ аз кодгузори матнии CLIP, ки вазнҳояш яхкардаанд, гузаронида шуда, ба прототипи нормализатсияшудаи матн табдил меёбад:

\[ t_m=\mathrm{Norm}(G(X_m)) \]

Дар таҳқиқот гуфта мешавад, ки CLIP ViT-B/16 истифода шудааст ва фазои умумии семантикӣ 512-андоза мебошад. Сатҳҳои пирамидаи хусусиятҳои омӯзгор, ки шумораи каналҳои гуногун доранд, бо MLP-и дуқабата ба ҳамон фазои 512-андоза гузаронида мешаванд:

\[ h^\ell(f)=W_2^\ell\,\mathrm{GeLU}(W_1^\ell f+b_1^\ell)+b_2^\ell \]

Хусусиятҳои омӯзгор дар қуттиҳои ҳақиқии тамға бо RoIAlign ҷамъ карда шуда, ба прототипҳои визуалӣ табдил меёбанд. Мувофиқати прототипҳои визуалӣ ва матнӣ бо талафоти бисёрмодалии InfoNCE оптимизатсия мешавад:

\[ \mathcal{L}_{\mathrm{pre}}= -\frac{1}{K}\sum_{k=1}^{K} \log \frac{ \sum_{m=1}^{M}y_{k,m}\exp(\langle v_k,t_m\rangle/\tau_{\mathrm{clip}}) }{ \sum_{j=1}^{M}\exp(\langle v_k,t_j\rangle/\tau_{\mathrm{clip}}) } \]

\(v_k\) прототипи визуалии аз хусусиятҳои омӯзгор гирифташударо; \(t_m\) прототипи матнии омӯзишёфтаро; \(y_{k,m}\) мувофиқати дурусти семантикиро; \(\tau_{\mathrm{clip}}\) коэффисиенти ҳароратро нишон медиҳад.

Шакли 4 дар саҳифаи 8 раванди дутарафаи ҳамоҳангсозии пешакиро аз қуттиҳои ҳақиқии тамға ба хусусиятҳои FPN-и омӯзгор, RoIAlign, MLP-и дуқабата, прототипҳои визуалӣ ва prompt-ҳои матнии омӯзишшаванда нишон медиҳад. Backbone-и омӯзгор ва кодгузори матнии CLIP яхкарда мемонанд, дар ҳоле ки MLP-и проексия ва токенҳои пайвастаи prompt навсозӣ мешаванд.

Ислоҳи семантикии P-харита

Пас аз ҳамоҳангсозии пешакӣ токенҳои prompt-и омӯзишёфта яхкарда мешаванд. Ҳар мавқеи фазоии хусусиятҳои омӯзгор ба фазои семантикӣ проексия мешавад:

\[ z_{x,y}^{\ell}=\mathrm{Norm}\left(h^\ell(f_{x,y}^{\ell})\right) \]

Наздикии хусусияти маҳаллӣ ба мафҳуми ҳадаф ё мафҳуми омили иштибоҳ бо фарқи зерин ҳисоб мешавад:

\[ s^\ell(x,y)= \langle z_{x,y}^{\ell},t_{\mathrm{tar}}\rangle - \langle z_{x,y}^{\ell},t_{\mathrm{conf}}\rangle \]

Арзиши мусбат наздикӣ ба семантикаи ҳадаф ва арзиши манфӣ наздикӣ ба семантикаи омили иштибоҳро ифода мекунад. Вақте холҳои семантикӣ аз ҳадди муайяни \(\theta\) мегузаранд, ҳади ислоҳи қирқшуда сохта мешавад:

\[ \Delta^\ell(x,y)= \gamma\,\mathrm{clip}(s^\ell(x,y),-1,1) \mathbb{I}(|s^\ell(x,y)|\geq\theta) \]

P-харитаи ҳадаф чунин навсозӣ мешавад:

\[ \widehat{P}_{\mathrm{target}}^\ell= \mathrm{Norm}_{\max} \left( \max(0,P_{\mathrm{target}}^\ell+\Delta^\ell) \right) \]

Минтақаҳои аз ҷиҳати семантикӣ ба оташ ё дуд мувофиқ тақвият меёбанд; минтақаҳои наздик ба мафҳуми чароғ ё инъикос заиф мешаванд. Матн мегӯяд, ки ба харитаи омилҳои иштибоҳ ислоҳи монанд татбиқ шуда метавонад, аммо муодилаи дақиқи навсозии харитаи \(\widehat{P}_{\mathrm{confuse}}^\ell\), ки дар бахши баъдӣ истифода мешавад, алоҳида пешниҳод нашудааст.

Бонки прототипҳо чӣ гуна сохта мешавад?

Харитаи такмилёфтаи ҳадаф барои ҳисоб кардани он истифода мешавад, ки кадом каналҳои хусусиятҳои омӯзгор дар минтақаҳои хатар ҷавоби қавитар доранд. Вазнҳои каналҳо бо softmax нормализатсия мешаванд. Дар ҳар сатҳи пирамидаи хусусиятҳо минтақаҳои маҳаллии дорои ҷавоби баландтарин интихоб шуда, бо pooling-и вазнноки канал прототип-векторҳо ҳосил мешаванд.

Прототипҳо дар ду гурӯҳ нигоҳ дошта мешаванд:

• Прототипҳои ҳадаф: Хусусиятҳои омӯзгор бо ҷавоби баланд, ки ба оташ ва дуд алоқаманданд.
• Прототипҳои омилҳои иштибоҳ: Хусусиятҳои марбут ба чароғ, инъикос, сохтори равшан ё негативҳои душвори монанд.

Барои ҳар сатҳи хусусият навбатҳои алоҳидаи дорои иқтидори собит истифода мешаванд. Вақте навбат пур мешавад, прототипи қадимтарин хориҷ карда мешавад. Дар танзими пешфарз барои навбатҳои ҳадаф ва омилҳои иштибоҳ дар ҳар сатҳ 32 прототип нигоҳ дошта мешавад.

Дар ҳолате ки навбатҳо холӣ бошанд, векторҳои тасодуфии нормализатсияшуда ҳамчун прототипҳои муваққатӣ баргардонда мешаванд. Ин муҳофизат кори барномаро идома медиҳад; аммо чанд маротиба ба омӯзиш ворид шудани прототипҳои тасодуфӣ ва чӣ қадар садо ба функсияи талафот илова кардани онҳо гузориш нашудааст.

Интихоби токенҳои донишҷӯ

Нуқтаҳои фазоии пирамидаи хусусиятҳои донишҷӯ мувофиқи се тақсимот интихоб мешаванд:

\[ p^\ell_{\tau}(y,x)= \begin{cases} \dfrac{\widehat{P}^\ell_{\mathrm{target}}(y,x)} {\sum_{y',x'}\widehat{P}^\ell_{\mathrm{target}}(y',x')+\epsilon}, & \tau=\mathrm{pos}\\[8pt] \dfrac{\widehat{P}^\ell_{\mathrm{confuse}}(y,x)} {\sum_{y',x'}\widehat{P}^\ell_{\mathrm{confuse}}(y',x')+\epsilon}, & \tau=\mathrm{neg}\\[8pt] \dfrac{1-\widehat{P}^\ell_{\mathrm{target}}(y,x)} {\sum_{y',x'}(1-\widehat{P}^\ell_{\mathrm{target}}(y',x'))+\epsilon}, & \tau=\mathrm{neg\_bg} \end{cases} \]

Тақсимоти мусбат ба минтақаҳои воқеии хатар, тақсимоти манфӣ ба омилҳои махсуси иштибоҳ ва тақсимоти замина ба минтақаҳои дигар бо эҳтимолияти пасти ҳадаф тамаркуз мекунад. Бо нобаёнӣ дар ҳар сатҳ 32 токени мусбат ва 64 токени манфӣ интихоб мешаванд; %60-и манфиҳо аз харитаи омилҳои иштибоҳ гирифта мешаванд.

Хусусияти интихобшудаи донишҷӯ бо сари хаттии махсуси сатҳ ба фазои умумии 512-андоза интиқол дода мешавад:

\[ z=\mathrm{Norm}(W_s^\ell h_{\ell,y,x}) \]

Ҳамоҳангсозии Контрастии Бисёрмиқёса бо Роҳнамоии Маска

MMCA матритсаи монандиро байни токенҳои донишҷӯ \(Z\) ва прототипҳои омӯзгор \(P\) ҳисоб мекунад:

\[ S=\frac{1}{\tau}ZP^\top \]

Бо истифода аз вектори \(c\), ки прототипҳои омилҳои иштибоҳро нишон медиҳад, ба монандиҳо bias илова мешавад:

\[ \widetilde{S}=S+\mathbf{1}c^\top\log(\eta_{\mathrm{conf}}) \]

Арзиши пешфарзи \(\eta_{\mathrm{conf}}\) 1,5 мебошад. Матн мегӯяд, ки ин амал прототипҳои омилҳои иштибоҳро ба негативҳои душвори сохторӣ табдил дода, донишҷӯро аз онҳо дур мекунад. Аммо барои токенҳои мусбат, омилҳои иштибоҳ ва замина матритсаи ҷудогонаи тамғаҳои ҳадаф дода нашудааст. Интихоб шудани прототипи дорои монандии максималӣ ҳамчун ҳадаф барои ҳар токен, махсусан барои токенҳои манфӣ, талаб мекунад, ки самти оптимизатсия равшантар муайян карда шавад.

Талафоти ҳар токен тавассути наздиктарин прототип дар ҳамон сатҳи пирамидаи хусусиятҳо ҳисоб мешавад:

\[ \ell_i= -\left(\widetilde{S}_{i,j_i^*}-m_i\right) + \log\sum_{j=1}^{N_p} \exp(\widetilde{S}_{ij}-m_i) \]

Вазни эътимоди фазоӣ дар намунаҳои мусбат аз P-харитаи ҳадаф, дар намунаҳои омилҳои иштибоҳ аз P-харитаи омилҳои иштибоҳ ва дар замина аз пуркунандаи эҳтимолияти ҳадаф гирифта мешавад. Талафоти умумӣ:

\[ \mathcal{L}_{\mathrm{MMCA}}= \frac{\sum_i w_i\ell_i}{\sum_i w_i+\epsilon} \]

муайян шудааст. Градиент танҳо ба хусусиятҳои донишҷӯ ва сарҳои проексияи донишҷӯ интиқол дода мешавад; векторҳои омӯзгор дар бонки прототипҳо яхкарда истифода мешаванд.

Маҷмӯи додаҳо чӣ гуна сохта шудааст?

Маҷмӯи гибридии Industrial Fire&Smoke-и таҳқиқот дар маҷмӯъ аз 11.023 тасвири тамғагузоришуда иборат аст:

Тасвирҳои хусусӣ бо камераҳои собити 1080p-и масофаи дур ҷамъоварӣ шуда, барои кам кардани такрорҳои замонӣ ҳар панҷ сония як кадр гирифта шудааст. Вақте минтақаи дуди намоён ё аланга аз 5 × 5 пиксел калонтар буд, бо қуттии маҳдудкунандаи зич тамғагузорӣ мешуд.

Синфҳои ҳадаф дуди сабук, дуди зич ва оташ мебошанд. Синфҳои омилҳои иштибоҳ, ки омӯзгор истифода мекунад, чароғи кӯча, инъикоси қавӣ ва тоҷи равшани дарахт мебошанд.

Шакли 5 дар саҳифаи 11 намунаҳои дуди дудбаро, сутуни дуди дур, алангаи кушода, прожектор, чароғи мошин ва инъикосро дар рӯз ва шаб нишон медиҳад. Тасвирҳо нишон медиҳанд, ки маҷмӯи додаҳо андозаҳои гуногуни ҳадаф ва шароити рӯшноиро фаро мегирад. Бо вуҷуди ин, шумораи тасвирҳо ва қуттиҳо барои ҳар синф, тақсимот аз рӯи камера, ҷудокунии аз рӯи иншоот ва мутобиқати байни тамғагузорон гузориш нашудааст.

Арзёбии PASCAL VOC

Барои арзёбӣ кардани он ки усул танҳо ба маҷмӯи додаҳои саноатӣ махсус аст ё не, танзими PASCAL VOC бо тақрибан 5.000 тасвири омӯзишӣ ва 5.000 тасвири тасдиқ истифода шудааст. Мақола мегӯяд, ки ба категорияҳои аз ҷиҳати визуалӣ ба ҳам наздик тамаркуз шудааст; аммо рӯйхати пурраи синфҳои интихобшуда, усули интихоб ва тарзи сохта шудани мутобиқсозии “person/rider” шарҳ дода нашудааст.

Усул ва Натиҷаҳои Таҳқиқот

Танзими модел ва омӯзиш

Натиҷаҳои PASCAL VOC

Усули пешниҳодшуда нисбат ба донишҷӯи хом mAP@0,5-ро 5,3 нуқта ва mAP@[0,5:0,95]-и сахттарро 5,2 нуқта зиёд кардааст. Ин натиҷа дастгирӣ мекунад, ки усул на танҳо дар категорияҳои оташ ва дуд, балки дар вазифаи умумии ошкорсозии объектҳо низ метавонад муфид бошад. Аммо азбаски таърифи дақиқи зермаҷмӯи VOC дода нашудааст, таҷрибаро айнан такрор кардан душвор аст.

Натиҷаҳои асосии Industrial Fire&Smoke

Усули пешниҳодшуда нисбат ба донишҷӯи хоми YOLO26-small AP-и миёнаро 12,3 нуқта зиёд карда, сатҳи ҳушдори бардурӯғро 11,3 нуқтаи фоизӣ коҳиш додааст. Он ба AP-и миёнаи 67,0-и омӯзгор наздик мешавад, дар ҳоле ки шумораи параметрҳоро аз 31,8 миллион то 8,4 миллион кам мекунад.

Гарчанде дар сатри SSmokeDet AP-и оташ бо тире нишон дода шудааст, AP-и миёнаи 61,2 дода шудааст. Аз арзишҳои пешниҳодшудаи дуди сабук ва дуди зич ин миёнаро дубора ҳисоб кардан мумкин нест. Аз ин рӯ, сатри дахлдор дар рейтинг байни усулҳо бояд эҳтиёткорона хонда шавад.

Умумисозӣ дар оилаҳои гуногуни детектор

Дар ҳамаи чор меъмории донишҷӯ AP-и миёна тақрибан 12–13 нуқта боло рафта, сатҳи ҳушдори бардурӯғ ба таври назаррас кам шудааст. Ин натиҷа дастгирӣ мекунад, ки усул танҳо ба як версияи муайяни YOLO вобаста нест. Бо вуҷуди ин, натиҷаҳои ҳар меъморӣ дар як маҷмӯи дода ва як сахтафзори таъхири шарҳнадодашуда ба даст омадаанд.

Натиҷаҳо дар саҳнаҳои шабона

Дар зермаҷмӯи шабона AP-и миёна 11,8 нуқта зиёд ва сатҳи ҳушдори бардурӯғ 18 нуқтаи фоизӣ кам шудааст. Шакли 7 дар саҳифаи 15 нишон медиҳад, ки модели асосӣ дар минтақаи чароғи равшан фаъолшавии бардурӯғ эҷод мекунад, дар ҳоле ки усули пешниҳодшуда ҳамон минтақаро пахш карда, ба ҳадафи воқеӣ диққат медиҳад.

Харитаҳои фаъолшавӣ

Шакли 6 дар саҳифаи 14 тасвири санҷиширо барои дуди сабук, оташ ва дуди зич бо харитаҳои гармии FGD, PKD, GID, CrossKD ва усули пешниҳодшуда муқоиса мекунад. Дар усули пешниҳодшуда минтақаҳои гарми фаъолшавӣ дар болои ҳадаф тангтар ва зичтар ба назар мерасанд, дар ҳоле ки сохторҳои равшани атроф ҷавоби пасттар мегиранд.

Ин тасвирҳо бо механизми кори усул мувофиқанд, вале нишон намедиҳанд, ки намунаҳои интихобшуда тамоми маҷмӯи санҷишро намояндагӣ мекунанд ё не. Натиҷаи миқдории харитаҳои гармӣ бо таҳлили DSR дар шумораи маҳдуди минтақаҳои шарҳдодашуда дастгирӣ шудааст.

Таҳлили миқдории такмили семантикӣ

Дар 80 минтақаи шарҳдодашудаи таваҷҷуҳ дар зермаҷмӯи SmokeFire–Night, фаъолшавии миёнаи P-харита пеш ва пас аз такмил чен карда шудааст:

\[ V_{\mathrm{avg}}(R)= \frac{1}{N}\sum_{(x,y)\in R}P(x,y) \]

Таносуби Пахши Омили Парешонкунанда:

\[ \mathrm{DSR}(R)= \frac{V_{\mathrm{avg}}^{\mathrm{refined}}(R)} {V_{\mathrm{avg}}^{\mathrm{orig}}(R)} \]

Шакли 8 дар саҳифаи 16 нишон медиҳад, ки пеш аз ҳамоҳангсозии пешакӣ прототипҳои ҳадаф ва омилҳои иштибоҳ дар фазои умумӣ ба ҳам омехта буданд, баъдан ду кластер ҷудо шудаанд. Дар намунаҳои P-харитаи ҳамон шакл дуди воқеӣ ва аланга нигоҳ дошта шуда, чароғ ва инъикоси об заиф шудаанд.

Ин таҳлил дастгирӣ мекунад, ки механизм тавре ки мақсад буд, кор мекунад. Аммо аз кадом тасвирҳо ва бо кадом усули интихоб 80 минтақа интихоб шудаанд, оё арзёбкунандагон нобино карда шуда буданд ё не ва фосилаҳои номуайянӣ шарҳ дода нашудаанд.

Натиҷаҳои хориҷкунии ҷузъҳо

Танҳо дистиллятсияи прототип ба донишҷӯ 8,3 нуқта илова кардааст. Бо такмил додани P-харита тавассути семантикаи матни собит натиҷа ба 61,6 ва бо истифодаи якҷояи ҳамоҳангсозии пешакии prompt-и пайваста ва прототипҳои омилҳои иштибоҳ ба 63,8 расидааст. Ин натиҷа нишон медиҳад, ки афзоиши иҷроиш аз як ҷузъ не, балки аз якҷояшавии интиқоли сохтории прототип ва ҷудокунии семантикӣ меояд.

Таҳлили таносуб ва bias-и MMCA

Истифодаи миқдори ками намунаҳои омилҳои иштибоҳ омӯзиши негативҳои душворро заиф кард, дар ҳоле ки баланд кардани таносуб то 0,9 саҳми прототипҳои ҳадафро кам намуд. Ба ҳамин монанд, аз ҳад зиёд кардани bias-и омили иштибоҳ иҷроишро паст кардааст. Беҳтарин тавозуни гузоришшуда таносуби намунаи 0,6 ва коэффисиенти bias-и 1,5 мебошад.

Иқтидори прототип, токен ва prompt

64 прототип баландтарин AP-и миёнаи 64,0-ро тавлид кардааст; муҳаққиқон 32 прототипро ба сабаби тавозуни иҷроиш-иқтидор ҳамчун пешфарз интихоб кардаанд. Аммо фарқи хотира, вақти омӯзиш ё энергия байни 32 ва 64 прототип гузориш нашудааст.

Ҷанбаҳои қавии таҳқиқот

• Ҷудо кардани ошкори ҳадафҳои воқеӣ ва негативҳои душворе, ки аз рӯшноӣ дар ошкорсозии оташи саноатӣ ба вуҷуд меоянд.
• Ба ҷойи интиқоли мустақими ҷавобҳои баланду нодурусти омӯзгор ба донишҷӯ, аввал онҳоро аз ҷиҳати семантикӣ филтр кардан.
• Истифодаи модели тасвир-забон танҳо ҳангоми омӯзиш ва сабук нигоҳ доштани модели саҳроӣ.
• Нигоҳ доштани прототипҳои ҳадаф ва омилҳои иштибоҳ аз рӯи сатҳҳои пирамидаи хусусиятҳо алоҳида.
• Пешниҳоди арзёбиҳои гуногун дар PASCAL VOC, санҷиши асосии Fire&Smoke ва зермаҷмӯи шабона.
• Нишон додани як самти иҷроиш дар оилаҳои YOLOv8, YOLOv10, YOLO26 ва RetinaNet.
• Гузориш кардани сатҳи ҳушдори бардурӯғ дар баробари метрикаҳои дақиқӣ.
• Анҷом додани таҳлилҳои хориҷкунии ҷузъҳо, иқтидори прототип, таносуби намуна ва дарозии prompt.
• Ошкоро баён кардани маҳдудияти мубодилаи тасвирҳои хусусӣ ва истифодаи зеҳни сунъии тавлидӣ.

Маҳдудиятҳои асосӣ

• Таҳқиқот аз баррасии ҳамтоён нагузаштааст.
• Мубодила нашудани тасвирҳои хусусии саноатӣ бозтавлиди пурраро маҳдуд мекунад.
• Тақсимоти додаҳо аз рӯи иншоот, камера ва пайдарпаии вақт шарҳ дода нашудааст.
• Шумораи тасвирҳо ва қуттиҳо барои ҳар синф дода нашудааст.
• Шумораи тамғагузорон, назорати сифат ва мутобиқати байни нозирон гузориш нашудааст.
• Ҳадди IoU барои арзишҳои AP-и Fire&Smoke равшан нест.
• Формула ва воҳиди арзёбии сатҳи ҳушдори бардурӯғ нишон дода нашудааст.
• Натиҷаҳо ҳамчун арзишҳои як иҷро пешниҳод шудаанд; инҳирофи стандартӣ ва фосилаи эътимод дода нашудаанд.
• Барои санҷиши таъхир сахтафзор, batch, дақиқӣ, муҳити нармафзор ва протоколи warm-up нишон дода нашудаанд.
• Дар Jetson, FPGA, NPU ё компютери саноатии edge санҷиши воқеӣ анҷом дода нашудааст.
• Пайвастагии видео, муттаҳидсозии замонии ҳушдор ва иҷроиш дар сатҳи ҳодиса омӯхта нашудаанд.
• Омилҳои иловагии иштибоҳи саноатӣ, ба монанди туман, буғи об, рӯшноии кафшер, партови дудбаро ва манораи машъал ҳамчун синфи алоҳида арзёбӣ нашудаанд.
• Мутобиқсозии дақиқи омӯзиш байни баромади шашсинфаи омӯзгор ва баромади сесинфаи амниятии донишҷӯ пурра шарҳ дода нашудааст.
• Муодилаи навсозии семантикии P-харитаи омили иштибоҳ намерасад.
• Аз ҷиҳати математикӣ кофӣ равшан нест, ки MMCA намунаҳои манфӣ ва заминаро ба кадом прототипҳо наздик мекунад ё аз кадомҳо дур мекунад.
• Таъсири векторҳои тасодуфӣ ҳангоми холӣ будани навбати прототипҳо чен нашудааст.
• Нормализатсияи P-харитаҳо аз рӯи арзиши максималӣ дар ҳар тасвир эътимоди мутлақи омӯзгорро аз байн мебарад.
• AP-и миёнаи SSmokeDet аз арзишҳои синфии ҷадвал дубора ҳисоб карда намешавад.
• Мақола матнҳои қолабӣ ва нишонаҳои истинодии нотамом дорад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Дар таҷрибаҳои назоратшаванда дистиллятсияи прототипии бо роҳнамоии семантикӣ нисбат ба детектори сабуки хом AP-и баландтар тавлид кардааст.
• Дар зермаҷмӯи шабонаи таҳқиқот фаъолшавиҳои аз чароғ ва инъикос ба вуҷудомада ба таври назаррас кам шудаанд.
• Моделсозии алоҳидаи прототипҳои ҳадаф ва омилҳои иштибоҳ нисбат ба варианти бе прототипи омили иштибоҳ AP-и миёнаи баландтар додааст.
• Токенҳои пайвастаи prompt нисбат ба prompt-ҳои умумии собити CLIP натиҷаи беҳтар додаанд.
• Усул дар оилаҳои гуногуни донишҷӯи YOLO ва RetinaNet самти монанди иҷроиш нишон додааст.
• Азбаски модулҳои дистиллятсия ҳангоми inference хориҷ мешаванд, шумораи параметрҳои донишҷӯ дар 8,4 миллион нигоҳ дошта шудааст.

Натиҷаҳое, ки таҳқиқот исбот намекунад

• Нишон дода нашудааст, ки система оташи воқеиро аз системаҳои мавҷудаи амниятӣ барвақттар ошкор мекунад.
• Умумисозии усул ба ҳамаи корхонаҳои нафту кимиё, иқлимҳо ва навъҳои камера исбот нашудааст.
• Маънои амалиётии коҳиши ҳушдори бардурӯғ барои як соат, як навбат ё як камера нишон дода нашудааст.
• Исбот нашудааст, ки модел дар дастгоҳи воқеии дарунсохт бо миллисонияҳои гузоришшуда кор мекунад.
• Иҷрои амниятии ҳамгирошуда бо сенсорҳои ҳароратӣ, инфрасурх, газ ё дуди нуқтавӣ чен нашудааст.
• Нишон дода нашудааст, ки натиҷаҳои маҷмӯи хусусӣ аз ҷониби гурӯҳи мустақили тадқиқотӣ такрор шудаанд.
• Нишон дода нашудааст, ки модел навъи дуд, андозаи оташ ё сатҳи хатарро ба таври боэътимоди физикӣ чен мекунад.
• Арзёбии як тасвир рафтори устувори ҳушдорро дар видеои пайваста исбот намекунад.
• Баромади модел ҳамчун ҳушдори сертификатсияшудаи оташ ё қарори қатъи автоматии дорои аҳамияти амниятӣ тасдиқ нашудааст.

Ёддошт оид ба Манбаъ ва Усул

Номи пурраи аслии таҳқиқот: Semantic-Guided Prototype Distillation with Vision-Language Refinement for Long-Range Industrial Fire and Smoke Detection

Муаллифон: Yang Zhang; Yijun Wan; Yuan Xu; Mingqing Zhang; Yanlin He; Wei Ke; Hao Sheng.

Тартиби муаллифон: Yang Zhang якум, Yijun Wan дуюм, Yuan Xu сеюм, Mingqing Zhang чорум, Yanlin He панҷум, Wei Ke шашум ва Hao Sheng ҳафтум мебошанд.

Ҳаммуаллифи якум: Дар версияи баррасишуда изҳороти саҳми баробар ё ҳаммуаллифии якум вуҷуд надорад.

Муаллифи масъул: Сабти расмии SSRN Yang Zhang-ро ҳамчун муаллифи тамос нишон медиҳад. Дар саҳифаи муаллифони мақолаи баррасишуда ситорача ё эзоҳи алоҳида барои муайян кардани муаллифи масъул вуҷуд надорад.

Муаллифон ва муассисаҳо:

• Yang Zhang — College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, Чин.
• Yijun Wan — College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, Чин.
• Yuan Xu — College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, Чин.
• Mingqing Zhang — College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, Чин.
• Yanlin He — College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, Чин.
• Wei Ke — Macao Polytechnic University, Макао, Чин.
• Hao Sheng — School of Computer Science and Engineering, Beihang University, Beijing, Чин.

Нишонии тамос: Дар версияи баррасишуда барои Yang Zhang нишонии yang_zh@mail.buct.edu.cn дода шудааст.

ORCID: Маълумоти ORCID дар версияи баррасишуда вуҷуд надорад.

DOI:10.2139/ssrn.7192544

Маҷалла: Дар версияи баррасишуда номи маҷаллаи ҳамто-тақризшуда мавҷуд нест.

Ношир: Маълумоти ниҳоии тасдиқшудаи ношир вуҷуд надорад. SSRN платформаи сабт ва паҳнкунии preprint-и таҳқиқот мебошад.

Платформаи нашр: SSRN.

Санаи сабти SSRN: 27 июли 2026.

Соли нашр: 2026.

Навъи манбаъ: Preprint-и таҳқиқоти таҷрибавии зеҳни сунъӣ, ки дистиллятсияи дониш, ҳамоҳангсозии пешакии тасвир-забон, маҷмӯи додаҳои хусусӣ ва кушода ва муқоисаи чанд детектори объектҳоро дар бар мегирад.

Вазъи баррасии ҳамтоён: Таҳқиқот аз баррасии ҳамтоён нагузаштааст. Ин ҳолат дар саҳифаи унвон ва дар ҳамаи саҳифаҳои мақола ошкоро нишон дода шудааст.

Манбаи расмӣ:Сабти расмии таҳқиқот дар SSRN.

Коди манбаъ: Муҳаққиқон мегӯянд, ки татбиқ дар анбори беноми тадқиқотӣ мубодила шудааст. Версияи ҳамаи файлҳо ва таҷрибаҳои анбор дар ин арзёбӣ алоҳида иҷро ва тасдиқ нашудаанд.

Дастрасӣ ба додаҳо: Маҷмӯи додаҳои кушодаи DFS ҳамчун дастрас аз манбаи аслӣ нишон дода шудааст. Тасвирҳои хусусии аз корхонаҳои коркарди нафту кимиё ва майдонҳои зарфҳо гирифташуда бо сабабҳои амнияти саноатӣ, махфият ва ҳифзи маълумоти шахсӣ оммавӣ нестанд. Маълумоти иловагӣ метавонад таҳти маҳдудиятҳои истифодаи додаҳо аз муаллифи масъул дархост карда шавад.

Маблағгузорӣ: Дар версияи баррасишуда изҳороти алоҳидаи маблағгузорӣ мавҷуд нест.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки манфиати маълуми молиявӣ ё муносибати шахсие, ки метавонад ба таҳқиқот таъсир расонад, вуҷуд надорад.

Этика ва махфият: Озмоиши инсон ё ҳайвон гузориш нашудааст. Гуфта шудааст, ки тасвирҳои хусусии саноатӣ бо сабабҳои махфият ва амният мубодила намешаванд; аммо усули беномсозӣ ё баррасии этикии маълумоти эҳтимолии шахсӣ дар тасвирҳои камера муфассал шарҳ дода нашудааст.

Изҳороти зеҳни сунъии тавлидӣ: Муҳаққиқон гуфтаанд, ки ChatGPT-ро барои ислоҳи забон, тартиби мақола, форматкунии LaTeX ва такмили таҳрирӣ истифода кардаанд, вале на барои тавлиди додаҳои таҷрибавӣ, омӯзиши модел ё баровардани натиҷаҳои илмӣ. Муаллифон баён кардаанд, ки тамоми мундариҷаро бозбинӣ намуда, масъулияти ниҳоиро ба уҳда доранд.

Ин шарҳи тоҷикӣ пас аз баррасии маълумоти унвон ва муаллифони файли 20-саҳифаи боршуда, матни асосӣ, 13 муодила, ҳашт ҷадвал, ҳашт шакл, намунаҳои маҷмӯи додаҳо, харитаҳои фаъолшавӣ, таҷрибаҳои хориҷкунии ҷузъҳо, натиҷаҳо, изҳороти дастрасии додаҳо ва адабиёт омода шудааст. Ба муҳтавои илмӣ натиҷаи нави таҷрибавии берун аз таҳқиқот илова нашудааст. Манбаъҳои беруна танҳо барои тасдиқи библиографии унвон, тартиби муаллифон, муаллифи тамос, DOI, санаи сабт ва маълумоти муассисаҳо истифода шудаанд.

Натиҷаҳои таҳқиқот дастгирӣ мекунанд, ки дистиллятсияи прототипии бо роҳнамоии семантикӣ метавонад дар маҷмӯи додаҳои баррасишуда ошкорсозии ҳадафҳои хурд ва камконтрасти оташ-дудро беҳтар кунад ва ҷавобҳои бардурӯғи аз рӯшноӣ ба вуҷудомадаро коҳиш диҳад. Аммо аз сабаби мубодила нашудани додаҳои хусусӣ, камбудиҳои гузориш дар метрикаҳои ҳушдори бардурӯғ ва AP, пешниҳод нашудани номуайянии оморӣ ва набудани санҷиши саҳроӣ дар дастгоҳи воқеии канорӣ, усул ҳанӯз набояд ҳамчун системаи мустақилона тасдиқшудаи огоҳии барвақти саноатӣ арзёбӣ шавад.