تؤدي أحداث الأمطار الغزيرة للغاية إلى حدوث عدد كبير من الانهيارات الطينية والكوارث الانهيارية، مما يؤدي إلى وقوع عدد كبير من الضحايا والخسائر. يمكن أن يوفر الاستخراج السريع لميزات ومدى الانهيارات الطينية دعم بيانات فعال للاستجابة الطارئة والسيطرة على مخاطر الكوارث. تستخدم هذه الدراسة صور ضوئية بعد الكوارث، بناءً على نموذج التعلم العميق Inception‑v3 المحسن للتعرف الذكي. من خلال استخراج الميزات متعددة المستويات مثل الملمس والشكل، يتم تعديل نتائج التفسير عبر عتبات التضاريس لحل مشاكل التفسير غير المؤكد الناتجة عن السحب والضباب والمياه العكرة. تظهر النتائج أنه عند تعديل عتبة المنحدر بمعدل أقل من 6 درجات، يتم تحسين قيمة F من 0.76 إلى 0.896. في ظل ظروف مجموعة الاختبار، كان نموذج التعديل يتمتع بدقة 0.898، ومعدل استرجاع 0.883، وقيمة F تبلغ 0.890. كانت الصورة المقسمة إلى شبكة بحجم 25 م × 25 م (ما يعادل 125 × 125 بكسل) تستغرق في المتوسط 8 دقائق للتعرف عليها في ظل ظروف التجربة، مما يمثل تحسنًا بمقدار 45 مرة عن التفسير اليدوي التقليدي (6 أشخاص × 15 ساعة/ صورة)، مما يلبي احتياجات الاستجابة الطارئة المتعلقة بالفعالية الزمنية. يمكن أن يوفر أسس علمية سريعة ودقيقة وفعالة للوقاية من الكوارث وتخفيفها والاستجابة لها.

كوارث جيولوجية; تعلم عميق; آلية تعديل العتبة; تصنيف متعدد; التعرف على الصور