التحديد الدقيق والسريع للحدود الحادة والدلالات القوية ضروري لعديد من المهام الروبوتية التالية، مثل الإمساك والتحكم بالروبوت، ورسم الخرائط الدلالي في الوقت الحقيقي، و-Calibration المستشعرات عبر الإنترنت على وحدات الحوسبة على الحافة. رغم أن كشف الحدود والتقسيم الدلالي هما مهمتان مكملتان، فإن معظم الدراسات تركز على نماذج خفيفة الوزن للتقسيم الدلالي ولكنها تغفل عن الدور الحاسم لكشف الحدود. في هذا البحث، نقدم Mobile-Seed، وهو إطار عمل خفيف الوزن ومصمم لأداء مهام متزامنة في التقسيم الدلالي وكشف الحدود. يتميز إطارنا بمحركي ترميز ثنائي التيار، ووحدة فك الترميز بالدمج النشط (AFD)، ونهج تنظيم مهام ثنائية. يتم تقسيم المحرك إلى مساراتين: الأولى تلتقط المعلومات الدلالية المرتبطة بالفئات، بينما الثانية تميز الحدود من الخصائص متعددة المقاييس. يقوم وحدة AFD بتكيف ديناميكي للدمج بين المعلومات الدلالية والمعلومات حول الحدود من خلال تعلم العلاقات حسب القناة، مما يسمح بتعيين دقيق للأوزان لكل قناة. بالإضافة إلى ذلك، نقدم خسارة تنظيمية لتخفيف الصراعات في التعلم الثنائي المهمة والإشراف العميق المتنوع. مقارنة بالطرق الموجودة، يقدم Mobile-Seed إطارًا خفيف الوزن لتحسين أداء التقسيم الدلالي بدقة وتوضيح حدود الأشياء بشكل صحيح. أظهرت التجارب على مجموعة بيانات Cityscapes أن Mobile-Seed حقق تحسينًا ملحوظًا بنسبة 2.2 نقطة مئوية (pp) في mIoU و4.2 نقطة مئوية في mF-score مقارنة بالأساسيات الرائدة (SOTA)، مع الحفاظ على سرعة استنتاج عبر الإنترنت قدرها 23.9 صورة في الثانية (FPS) عند إدخال دقة 1024x2048 على بطاقة رسوميات RTX 2080 Ti. أكدت التجارب الإضافية على مجموعة بيانات CamVid ومجموعة بيانات PASCAL Context قابلية تعميم طريقتنا. يمكن الوصول إلى الكود والنتائج الإضافية علنًا عبر الرابط:https://whu-usi3dv.github.io/Mobile-Seed/.注释：- "Calibration" 被直接保留为英文，因为这是科技领域的常用术语，通常在阿拉伯语中也使用英文形式。- "mIoU" 和 "mF-score" 等专业术语也被直接保留为英文，以保持专业性和一致性。- "RTX 2080 Ti GPU" 是一个特定的技术名称，因此也被直接保留为英文。