خوانش هوشمند نماهای شهری؛ تحلیل قابلیت تشخیص تغییرات غیرمجاز در پوسته ساختمان ها و پشتیبانی از بازرسی شهرداری

نمای ساختمان در مرز میان فضای خصوصی بنا و فضای عمومی شهر قرار دارد و ازاین رو علاوه بر نقش معماری و زیبایی شناختی، می تواند به عنوان یک منبع مشاهده پذیر برای پایش تغییرات کالبدی مورد استفاده قرار گیرد. مسئله اصلی این پژوهش آن است که آیا می توان از ظرفیت بینایی ماشین و تحلیل تصاویر نما برای شناسایی نشانه های تغییرات غیرمجاز در پوسته ساختمان و پشتیبانی از بازرسی شهرداری استفاده کرد. پژوهش حاضر با رویکرد مروری تحلیلی و با بررسی منابع فارسی و انگلیسی منتشرشده در حوزه نمای شهری، ضوابط ساختمانی، سنجش از دور، بینایی ماشین، قطعه بندی معنایی، تشخیص تغییرات، پهپاد، مدل سازی اطلاعات ساختمان و دوقلوی دیجیتال انجام شده است. در این مطالعه ابتدا مولفه های قابل مشاهده نما شامل هندسه و حجم، تعداد و جایگاه بازشوها، پیش آمدگی ها، الحاقات، مصالح و رنگ، تابلوها و عناصر الحاقی و تغییرات زمانی شناسایی و سپس قابلیت هر دسته از داده های تصویری برای پشتیبانی از کنترل شهری تحلیل شده است. مطالعات جدید نشان می دهند که تصاویر خیابانی می توانند بدون نیاز به بازدید فیزیکی، اطلاعاتی از ویژگی های ساختمان استخراج کنند و استفاده از یادگیری عمیق در تحلیل نما در حال گسترش است (Wang et al., ۲۰۲۴). همچنین ترکیب تصاویر پهپادی با BIM امکان ثبت تصاویر نما در یک مدل اطلاعاتی و ایجاد درک منسجم تر از وضعیت واقعی ساختمان را فراهم کرده است (Zhang et al., ۲۰۲۳). بااین حال، انتقال مستقیم خروجی الگوریتم های بینایی ماشین به اثبات تخلف هنوز با محدودیت هایی مانند خطای دید، تغییر زاویه تصویربرداری، پوشیدگی، تفاوت مصالح، تغییرات نوری، کمبود داده بومی و ضرورت تایید انسانی مواجه است. بنابراین، ظرفیت اصلی این فناوری نه جایگزینی بازرس، بلکه تبدیل نما به یک منبع داده برای کشف تغییر، اولویت بندی بازدید و مستندسازی قابل ردیابی است.

کلیدواژه ها:

نمای شهری ، بینایی ماشین ، تشخیص تغییرات ، بازرسی شهرداری ، تخلفات ساختمانی ، هوش مصنوعی ، دوقلوی دیجیتال