10 مشاريع سهلة في الرؤية الحاسوبية للتعلّم بالتطبيق

هل لاحظت يومًا كيف تكتشف كاميرات المرور المركبات تلقائيًا، وكيف تستخدم المتاجر كاميرات المراقبة لتتبع المنتجات على الرفوف، أو كيف تستخدم تطبيقات اللياقة البدنية كاميرا هاتفك لفهم حركاتك في الوقت الفعلي؟ تعتمد كل هذه التقنيات على الرؤية الحاسوبية.

الرؤية الحاسوبية فرع من الذكاء الاصطناعي يساعد الآلات على الرؤية وفهم الصور ومقاطع الفيديو. وبدلًا من الاكتفاء بتسجيل المشاهد المرئية، تستطيع هذه الأنظمة التعرّف على الأجسام، وتحديد الأنماط، وتحويل ما تراه إلى معلومات مفيدة.

تدعم نماذج الرؤية الحاسوبية مفتوحة المصدر والمتطورة، مثل Ultralytics YOLO26، مجموعة متنوعة من مهام الرؤية، بما فيها اكتشاف الأجسام، وتصنيف الصور، وتقسيم المثيلات، وتقدير الوضعية، وتتبع الأجسام. وقد صُممت هذه النماذج للعمل بكفاءة في الوقت الفعلي، ما يسهل على المطورين إنشاء تطبيقات عملية في قطاعات مختلفة.

لمحة سريعة على 10 مشروعات سهلة في الرؤية الحاسوبية#

10 مشروعات سهلة في الرؤية الحاسوبية للمبتدئين#

1. نظام إنذار أمني يعتمد على الرؤية الحاسوبية#

تُستخدم الأنظمة الأمنية في المنازل والمكاتب والمستودعات للحفاظ على سلامة الأماكن. ولا تكون الأنظمة التقليدية القائمة على المستشعرات موثوقة دائمًا، لا سيما في البيئات المتغيرة.

فعلى سبيل المثال، غالبًا ما تطلق مستشعرات الحركة الأساسية إنذارات كاذبة بسبب الظلال أو تغيرات الإضاءة أو الحركات البسيطة. وعلى النقيض، يستطيع نظام قائم على الكاميرا ومدعوم بالرؤية الحاسوبية تحديد أجسام معينة موضع اهتمام، ما يحسن الدقة بدرجة كبيرة ويقلل التنبيهات الكاذبة.

يمكن إنشاء نظام مراقبة أمني في الوقت الفعلي باستخدام Ultralytics YOLO26، الذي يعالج كل إطار من الكاميرا ويكتشف أجسامًا محددة مسبقًا، مثل الأشخاص أو المركبات داخل المشهد. وعند تحديد جسم موضع اهتمام، يرسم النظام مربعات إحاطة حوله ويُسنِد درجة ثقة إلى التنبؤ.

الشكل 2. اكتشاف شخص في فناء خلفي باستخدام نموذج Ultralytics YOLO (المصدر)

يمكن أيضًا تحديد منطقة اهتمام (ROI)، مثل مدخل أو منطقة محظورة، بحيث لا تُطلق التنبيهات إلا عند دخول الأجسام إلى المنطقة المحددة. ويساعد هذا النوع من المشروعات على فهم آلية عمل اكتشاف الأجسام في الوقت الفعلي وكيفية دمج مخرجات النموذج مع إجراءات آلية، مثل الإشعارات أو الإنذارات.

2. مراقبة التمارين باستخدام الرؤية الحاسوبية#

تستخدم العديد من تطبيقات اللياقة البدنية كاميرا لعدّ التكرارات وتتبع الحركة. وبينما تسجل الكاميرا الفيديو، تحلل الرؤية الحاسوبية حركة الجسم في الوقت الفعلي.

يمكن تطوير نظام لمراقبة التمارين باستخدام Ultralytics YOLO26 وإمكاناته في تقدير الوضعية. يعالج النموذج كل إطار ويكتشف النقاط الرئيسية في الجسم، مثل الكتفين والمرفقين والوركين والركبتين. وتشكل هذه النقاط هيكلًا عظميًا رقميًا يمثّل وضعية الشخص وحركته.

الشكل 3. التتبع في الوقت الفعلي والعد الآلي لتكرارات التمارين (المصدر)

أثناء أداء تمارين مثل القرفصاء أو الضغط، يمكن قياس التغيرات في زوايا المفاصل لتقدير عدد التكرارات. فعلى سبيل المثال، يستطيع النظام عدّ كل تكرار مكتمل من خلال تتبع انثناء الركبة واستقامتها أثناء تمرين القرفصاء.

3. إدارة مواقف المركبات باستخدام الرؤية الحاسوبية#

قد يكون العثور على موقف للسيارة أمرًا محبطًا في أماكن مثل مراكز التسوق والمكاتب والمطارات والمجمعات السكنية. يستغرق التحقق اليدوي من الأماكن وقتًا، ولا توضح المستشعرات الأساسية سوى ما إذا كان موقف واحد مشغولًا. أما النظام القائم على الكاميرا فيستطيع مراقبة منطقة المواقف بأكملها دفعة واحدة، وإظهار الأماكن الشاغرة في الوقت الفعلي.

يمكنك إنشاء نظام لإدارة مواقف السيارات باستخدام Ultralytics YOLO26 لاكتشاف المركبات من بث مباشر للكاميرا. يحلل النظام كل إطار ويحدد السيارات في المشهد.

الشكل 4. إدارة ذكية لمواقف السيارات مدعومة بالرؤية الحاسوبية (المصدر)

يمكنك رسم مناطق مواقف السيارات على الشاشة والتحقق مما إذا كانت سيارة مكتشفة تتداخل مع أي منها. فإذا تداخلت معها، يُعلَّم ذلك الموقف على أنه مشغول. وإذا لم تتداخل، يبقى متاحًا.

لتوسيع النظام، يمكنك إضافة اكتشاف لوحات الترخيص وتطبيق التعرّف الضوئي على الأحرف (OCR) لقراءة أرقام اللوحات لأغراض التسجيل أو التحكم في الدخول.

4. تحديد أنواع النباتات باستخدام تصنيف الصور#

يكتسب تحديد النباتات أهمية في الزراعة والرصد البيئي والتعليم. ويستخدمه المزارعون للكشف عن صحة المحاصيل، والباحثون لدراسة التنوع الحيوي، والطلاب للتعرف على الأنواع المختلفة.

غالبًا ما يتطلب تحديد النباتات بالطرق التقليدية معرفة متخصصة ومقارنة يدوية، ما قد يستغرق وقتًا ويؤدي إلى نتائج غير متسقة. وتسرّع الرؤية الحاسوبية هذه العملية وتتيح توسيع نطاقها من خلال تحليل الصور تلقائيًا.

لهذا النوع من الحلول، يمكنك إنشاء نموذج لتصنيف الصور يتنبأ بنوع النبات من صورة. ويمكنك البدء بنموذج مدرّب مسبقًا مثل Ultralytics YOLO26، وضبطه بدقة على مجموعة بيانات نباتات موسومة باستخدام التعلم بالنقل.

أثناء التدريب، يتعلم النموذج أنماطًا مثل شكل الأوراق وملمسها واختلاف ألوانها للتمييز بين الأنواع. وللبدء، يمكنك استكشاف مجموعات بيانات النباتات المتاحة للجمهور أو مجموعات البيانات المجتمعية المنسقة على منصات مثل Roboflow Universe للوصول سريعًا إلى صور موسومة.

5. إدارة الطوابير باستخدام رؤية الذكاء الاصطناعي#

تُستخدم أنظمة إدارة الطوابير في أماكن مثل المصارف والمطارات والمستشفيات ومتاجر البيع بالتجزئة لمراقبة تدفق الحشود وتقليل وقت الانتظار. وعلى وجه التحديد، تتيح الرؤية الحاسوبية عدّ الأشخاص في الطابور ومراقبتهم باستخدام بث مباشر للكاميرا.

يمكن لنظام مراقبة الطوابير المدمج مع نموذج للرؤية الحاسوبية، مثل Ultralytics YOLO26 لاكتشاف الأشخاص وتتبعهم، أن يسهّل إدارة الطوابير. ويستطيع النظام معالجة كل إطار فيديو، واكتشاف الأفراد، وعدّ الأشخاص الموجودين داخل منطقة طابور محددة مسبقًا.

الشكل 5. إدارة الطوابير في مطار مدعومة برؤية الذكاء الاصطناعي

من خلال الجمع بين اكتشاف الأجسام ومنطق تتبع بسيط، يمكنك تقدير طول الطابور، بل واستنتاج وقت الانتظار بناءً على سرعة تحركه.

6. اكتشاف الحشود ومراقبتها حسب المنطقة#

يكتسب عدّ الأشخاص في منطقة معينة أهمية في الفعاليات والأماكن العامة وإدارة السلامة. وبدلًا من عدّ كل شخص في الإطار، يمكنك التركيز على منطقة محددة، مثل مدخل أو منطقة انتظار أو نطاق محظور.

باستخدام Ultralytics YOLO26، يمكنك اكتشاف الأشخاص في كل إطار فيديو وتحديد منطقة مخصصة على الشاشة. ويمكن تصميم هذا الحل بحيث لا يعدّ سوى الأفراد الموجودين داخل حدود تلك المنطقة.

الشكل 6. مراقبة الحشود باستخدام العد حسب المنطقة (المصدر)

يساعد هذا النهج على مراقبة كثافة الحشود في مناطق محددة وفهم تغير الإشغال بمرور الوقت.

7. فحص الجودة في التصنيع#

في مجال التصنيع، قد تؤثر الأخطاء الصغيرة، مثل المكونات المفقودة أو وضعها في غير موضعها الصحيح، في جودة المنتج وتؤدي إلى إرجاعه. وللحد من هذه المشكلات، تستخدم خطوط إنتاج كثيرة أنظمة الرؤية لاكتشاف العيوب قبل انتقال المنتجات إلى المرحلة التالية.

يمكنك محاكاة خط تجميع بسيط تلتقط فيه كاميرا صور المنتجات أثناء تحركها على سير ناقل. وباستخدام Ultralytics YOLO26، يستطيع هذا النظام التحقق من وجود جميع المكونات المطلوبة ووضعها في مواضعها الصحيحة.

الشكل 7. اكتشاف الطرود وعدّها على خط تجميع باستخدام YOLO

يمكن أيضًا تطوير هذا النوع من الأنظمة لعدّ العناصر، والتأكد من إحكام إغلاق العبوات، والتحقق من ترتيب المنتجات على نحو صحيح قبل مغادرتها خط الإنتاج.

8. مراقبة حركة المرور باستخدام تقسيم الصور#

غالبًا ما تتجاوز مراقبة حركة المرور مجرد عدّ المركبات. ففي التقاطعات المزدحمة، تساعد على فهم مواضع المركبات داخل المسارات ومقدار مساحة الطريق التي تشغلها.

في نظام لمراقبة حركة المرور، يمكنك إنشاء حل باستخدام دعم تقسيم الكائنات إلى مثيلات في Ultralytics YOLO26. وعلى خلاف اكتشاف الكائنات الأساسي، ينشئ تقسيم الكائنات إلى مثيلات أقنعةً على مستوى البكسل لكل مركبة مكتشفة، محددًا شكلها الدقيق بدلًا من رسم صندوق إحاطة فحسب.

الشكل 8. تقسيم المركبات وعدّها وتتبعها في الوقت الفعلي (المصدر)

من خلال تحليل أقنعة التقسيم هذه، يمكن للنظام تقديم رؤى أكثر تفصيلًا حول استخدام المسارات وكثافة المركبات وأنماط الازدحام.

9. استخدام الرؤية الحاسوبية لتقدير السرعة#

يشيع استخدام تقدير السرعة في مراقبة حركة المرور والخدمات اللوجستية وأنظمة النقل الذكية. باستخدام الرؤية الحاسوبية، يمكنك تقدير سرعة المركبة مباشرةً من لقطات الفيديو من دون استخدام مستشعرات مادية أو رادار.

الشكل 9. تتبع المركبات باستخدام YOLO (المصدر)

يمكنك استخدام Ultralytics YOLO26 لاكتشاف الكائنات وتتبعها في تدفق فيديو. وبقياس المسافة التي تقطعها المركبة بين الإطارات، والاستعانة بمعدل إطارات الفيديو ومرجع لمسافة فعلية، يمكنك تقدير سرعتها.

10. مراقبة سلامة العاملين باستخدام تقدير الوضعية#

تُعد سلامة العاملين أمرًا بالغ الأهمية في بيئات مثل مواقع البناء والمصانع والمستودعات. ويمكن أن تزيد الوضعيات غير الآمنة، وأساليب الرفع غير السليمة، أو السقوط المفاجئ، من خطر الإصابة بدرجة كبيرة.

أحد الأمثلة هو استخدام Ultralytics YOLO26 مع تقدير الوضعية لتحليل وضعية العاملين في الوقت الفعلي. يكتشف النموذج نقاط الجسم الرئيسية مثل الكتفين والوركين والركبتين والمرفقين. ومن خلال تقييم زوايا المفاصل وأنماط الحركة، يمكن للنظام تحديد الانحناء غير الآمن، ووضعية الرفع السيئة، أو الحركات المفاجئة التي قد تشير إلى السقوط.

الشكل 10. استخدام تقدير وضعية الإنسان لتحليل وضعية عمال البناء (المصدر)

يمكنه أيضًا قياس المدة التي يبقى فيها العامل في وضعية مجهدة، وإطلاق تنبيهات عند تجاوز حدود الوضعية المحددة مسبقًا.

فهم آلية عمل الرؤية الحاسوبية#

الرؤية الحاسوبية مجال من مجالات الذكاء الاصطناعي يستخدم التعلم العميق والتعلم الآلي وتقنيات أخرى لمساعدة الآلات على فهم الصور ومقاطع الفيديو. وتتيح للأنظمة تحليل البيانات المرئية والتعرف على الأنماط.

غالبًا ما تبدأ العملية بمعالجة الصور أو المعالجة المسبقة للبيانات، حيث تُنقّى البيانات المرئية أو يُعاد تحجيمها أو تحسينها قبل تحليلها. ثم تُدرّب شبكة عصبية على مجموعات بيانات كبيرة لتتعلم أنماطًا مثل الأشكال والحواف والأنسجة وسمات الكائنات. وبوجه عام، كلما زادت جودة البيانات التي يُدرّب عليها النموذج، تحسن أداؤه في مختلف سيناريوهات العالم الحقيقي.

تعتمد العديد من أنظمة الرؤية الحاسوبية الحديثة على الشبكات العصبية الالتفافية (CNNs)، المصممة خصيصًا للمهام المتعلقة بالصور. تستخرج الشبكات العصبية الالتفافية السمات المرئية المهمة تلقائيًا وتستخدمها لإجراء التنبؤات.

تُبنى معظم مشروعات المبتدئين حول عدد قليل من مهام الرؤية الأساسية. إليك أبرز المهام التي ستصادفها:

• تصنيف الصور: تسند هذه المهمة تسمية واحدة إلى الصورة بأكملها، مثل تحديد ما إذا كانت الصورة تُظهر قطة أم كلبًا.
• اكتشاف الكائنات: تُحدَّد مواقع الكائنات داخل الصورة وتُبرز باستخدام صناديق الإحاطة، مثل تحديد السيارات أو الأشخاص أو الدراجات في مشهد شارع.
• تقسيم الكائنات إلى مثيلات: يُفصل كل كائن في الصورة على مستوى البكسل لتحديد شكله الدقيق، وهو أمر مفيد عند الحاجة إلى حدود دقيقة.
• تقدير الوضعية: تُحدَّد النقاط الرئيسية في جسم الإنسان، مثل الكتفين والمرفقين والركبتين، في الصور لفهم الوضعية والحركة.
• تتبع الكائنات: تُتابَع الكائنات عبر إطارات الفيديو لرصد كيفية تحركها بمرور الوقت.

الشكل 1. مثال على اكتشاف الكائنات باستخدام الرؤية الحاسوبية

الأثر المتنامي للرؤية الحاسوبية#

اليوم، يُعتمد الذكاء الاصطناعي للرؤية في العديد من القطاعات. وفي الواقع، من المتوقع أن تبلغ قيمة سوق الرؤية الحاسوبية العالمي 58 مليار دولار بحلول عام 2030، مع نمو سنوي يقارب 20%، إذ تدمج مزيد من المؤسسات الذكاء المرئي في أنظمتها.

يُعد قطاع النقل أحد مجالات النمو الرئيسية. ففي السيارات ذاتية القيادة، تتيح الرؤية الحاسوبية للمركبات اكتشاف المسارات والمركبات والمشاة وإشارات المرور في الوقت الفعلي.

ويُعد البيع بالتجزئة مثالًا آخر مثيرًا للاهتمام. تستخدم متاجر البيع بالتجزئة المؤتمتة الرؤية الحاسوبية ودمج المستشعرات لاكتشاف المنتجات التي يلتقطها العملاء، ما يتيح التسوق من دون الحاجة إلى إتمام عملية الدفع عند الصندوق.

وفي الوقت نفسه، تُستخدم الرؤية الحاسوبية على نطاق واسع في التصوير الطبي لتحليل الفحوصات مثل الأشعة السينية والتصوير بالرنين المغناطيسي وصور التصوير المقطعي المحوسب، ما يساعد الأطباء على اكتشاف الحالات غير الطبيعية ودعم التشخيص.

أمور ينبغي مراعاتها قبل بدء مشروع للذكاء الاصطناعي للرؤية#

يمكن أن يساعدك التخطيط المسبق لمشروع الذكاء الاصطناعي للرؤية على تجنب الأخطاء الشائعة وبناء نظام أكثر موثوقية. إليك بعض العوامل العملية التي ينبغي مراعاتها قبل بدء مشروع للرؤية الحاسوبية:

• حدّد الهدف بوضوح: كن محددًا بشأن ما تريد من النظام تنفيذه، سواء أكان اكتشاف الكائنات أم تتبع الحركة أم تقدير الوضعية أم تصنيف الصور. فالهدف الواضح يساعد على توجيه قراراتك التقنية طوال المشروع.
• أعطِ الأولوية لجودة مجموعة البيانات: تُعد البيانات والتعليقات التوضيحية جيدة التصنيف ومتنوعة وممثلة للواقع أمرًا أساسيًا. وغالبًا ما تؤدي البيانات منخفضة الجودة إلى أداء غير موثوق للنموذج.
• اختر الأدوات المناسبة: انتقِ أدوات تحظى بدعم جيد ويسهل استخدامها. تُعد Python خيارًا شائعًا للمبتدئين، لأنها توفر منظومة واسعة من مكتبات الرؤية الحاسوبية وموارد التعلم. كما تحظى النماذج من عائلة Ultralytics YOLO بشعبية في مهام الرؤية المختلفة، مثل اكتشاف الكائنات وتتبعها، ما يجعلها نقطة انطلاق عملية وسهلة المنال.
• التحسين لظروف العالم الحقيقي: يمكن أن تؤثر تغيرات الإضاءة وزوايا الكاميرا وضبابية الحركة والفوضى في الخلفية في الأداء. اختبر نظامك في ظروف مشابهة لظروف استخدامه الفعلية.
• راعِ الخصوصية والأخلاقيات: إذا كنت تعمل على صور أو مقاطع فيديو لأشخاص، فضع في الحسبان لوائح خصوصية البيانات وممارسات الذكاء الاصطناعي المسؤول. تأكد من جمع البيانات واستخدامها على نحو ملائم.

أبرز النقاط#

تغيّر الرؤية الحاسوبية طريقة فهم الأنظمة للبيانات المرئية. ومن خلال استكشاف أفكار المشروعات العملية والتطبيقات الواقعية، يمكن للمبتدئين اكتساب خبرة عملية بسرعة.

تسهّل نماذج مثل Ultralytics YOLO26 البدء وتحقيق النتائج بسرعة أكبر. وبوجود أهداف واضحة وبيانات عالية الجودة، يمكنك بناء أساس متين لأنظمة الرؤية الحاسوبية الأكثر تقدمًا.

انضم إلى مجتمعنا المتنامي واستكشف مستودع GitHub للاطلاع على موارد الذكاء الاصطناعي. لإنشاء حلول باستخدام الذكاء الاصطناعي للرؤية اليوم، اطّلع على خيارات الترخيص. تعرّف على كيفية إحداث الذكاء الاصطناعي في الزراعة تحولًا في الزراعة، وكيف يسهم الذكاء الاصطناعي للرؤية في الروبوتات في تشكيل المستقبل، وذلك بزيارة صفحات حلولنا.