نظرة على استخدامYOLO Ultralytics YOLO للكشف عن التهديدات باستخدام الذكاء الاصطناعي

في العديد من الصناعات، يتم اعتماد الذكاء الاصطناعي (AI) لتحسين الأمن وتعزيز الكفاءة وخلق بيئات أكثر أمانًا. في أماكن مثل المكاتب والمصانع والحرم الجامعي والمستودعات والأماكن العامة، يعتمد تحقيق هذه الأهداف على فهم ما يحدث في الوقت الفعلي.

ولدعم ذلك، أصبحت الكاميرات الأمنية وأنظمة المراقبة الذكية شائعة بشكل متزايد. ومع ذلك، فإن مجرد جمع لقطات الفيديو لا يكفي. 

غالبًا ما تعتمد الأنظمة التقليدية على المراقبة اليدوية من قبل محللين بشريين أو قواعد محددة مسبقًا، مما يجعل من الصعب التعرف على العلامات المبكرة للمخاطر. قد يكون تفسير كميات كبيرة من البيانات المرئية في الوقت الفعلي أمرًا صعبًا، لا سيما في البيئات المزدحمة أو الديناميكية. 

وهنا يأتي دور الكشف عن التهديدات باستخدام الذكاء الاصطناعي. من خلال تحليل البث المباشر للفيديو، يمكن لأنظمة الذكاء الاصطناعي تحديد الأنماط والسلوكيات والمواقف التي قد تشير إلى تهديدات أو هجمات محتملة. وعلى وجه الخصوص، تعد الرؤية الحاسوبية أحد فروع الذكاء الاصطناعي التي تمكّن هذه الأنظمة من فهم المعلومات المرئية وتحويل اللقطات الأولية إلى رؤى قابلة للتنفيذ.

بفضل تقنية الذكاء الاصطناعي البصري، يمكن للمؤسسات الانتقال من تدابير الأمان التفاعلية إلى الوقاية الاستباقية من التهديدات الناشئة. في هذه المقالة، سوف نستكشف كيفية عمل اكتشاف التهديدات بالذكاء الاصطناعي وكيف تساعد نماذج الرؤية مثل Ultralytics في الكشف عن المخاطر في وقت مبكر ودعم بيئات أكثر أمانًا.

التحديات التي تواجه أنظمة الأمن التقليدية

قبل أن نتعمق في كيفية تحسين الذكاء الاصطناعي لاكتشاف التهديدات، دعونا أولاً نلقي نظرة على التحديات التي تواجهها أنظمة اكتشاف التهديدات التقليدية.

تعتمد معظم الحلول الحالية على الرقابة البشرية أو الأدوات القائمة على التوقيعات، والتي detect من خلال مطابقة الأنشطة مع التهديدات المعروفة. وهذا يتطلب غالبًا من فرق الأمن مراقبة عدة كاميرات أو لوحات تحكم في نفس الوقت لتحديد الأنشطة غير المصرح بها أو الانحرافات عن الأنشطة العادية.

في المنشآت الكبيرة التي تضم مئات الكاميرات، يصبح من الصعب إدارة كميات هائلة من البيانات بسرعة. ونتيجة لذلك، قد يتم تجاهل بعض الأنشطة، لا سيما في المناطق المعقدة مثل أرضيات المصانع أو الأماكن المقيدة مثل غرف الخوادم.

هناك قيد آخر يتمثل في تأخر الاستجابة. عادةً ما detect الأنظمة التقليدية الأنشطة detect فقط بعد وقوع الحدث. ورغم أن هذا الأمر يصلح لتأكيد المخاوف المعروفة، إلا أنه يعني عدم القدرة على الاستجابة المبكرة للتهديدات.

قد يؤدي هذا التأخير إلى زيادة صعوبة التعامل مع المواقف التي يساهم فيها الوصول المادي، مثل دخول غرفة الخادم المقيدة، في زيادة المخاوف الأمنية، بما في ذلك التهديدات الإلكترونية والهجمات الإلكترونية على مراكز البيانات. تساعد الأنظمة المدعومة بالذكاء الاصطناعي في تقليل هذه الفجوة من خلال تحديد نقاط الضعف ودعم الاستجابات الأسرع.

ما هو الكشف عن التهديدات باستخدام الذكاء الاصطناعي؟

يشير اكتشاف التهديدات بالذكاء الاصطناعي إلى استخدام الذكاء الاصطناعي لتحديد المواقف التي قد تشكل مخاطر على الأشخاص أو العمليات أو البنية التحتية. بدلاً من مجرد تخزين كميات كبيرة من بيانات الفيديو أو أجهزة الاستشعار، تقوم أنظمة اكتشاف التهديدات بالذكاء الاصطناعي بتحليل هذه المعلومات بشكل فعال لتوليد رؤى مفيدة. 

يمكن أن تشمل هذه الرؤى المراقبة الآلية واكتشاف الحالات الشاذة وإشارات الإنذار المبكر التي تنبه فرق الأمن إلى المشكلات المحتملة. يلعب هذا النهج دورًا مهمًا في سياق الأمن السيبراني والأمن المادي على حد سواء.

يتمثل الاختلاف الرئيسي بين الأساليب التقليدية واكتشاف التهديدات باستخدام الذكاء الاصطناعي في كيفية تحديد المخاطر. على سبيل المثال، تعتمد الأساليب التقليدية على أنظمة قائمة على القواعد والمراجعة اليدوية، مما يحد من قدرتها على التكيف مع التغيير. 

من ناحية أخرى، تتميز أنظمة الذكاء الاصطناعي بقدرتها على التكيف. فهي تستخدم البيانات والخوارزميات لتحليل المعلومات المرئية في الوقت الفعلي وتحديد السلوك غير المعتاد. وهذا يساعدها على تحديد التهديدات غير المعروفة أو التهديدات الجديدة ودعم الاستجابة السريعة للحوادث، مما يمنح فرق الأمن مزيدًا من الوقت للتصرف، وفي بعض الحالات، حتى قبل أن تتفاقم المواقف.

أتمتة اكتشاف التهديدات باستخدام الذكاء الاصطناعي البصري

هناك العديد من أنواع الكشف عن التهديدات باستخدام الذكاء الاصطناعي، بدءًا من تدابير الأمن السيبراني المدعومة بالذكاء الاصطناعي وحتى الأنظمة التي تراقب المساحات المادية. وتدعم تقنيات الذكاء الاصطناعي المختلفة احتياجات الكشف عن التهديدات المختلفة.

على سبيل المثال، تعد الرؤية الحاسوبية خيارًا جيدًا لتحديد المخاطر المرئية في العالم الحقيقي. يمكن ملاحظة العديد من التهديدات المحتملة من خلال الكاميرات، مثل الوصول غير المصرح به إلى المناطق المحظورة، أو الحركة غير العادية، أو وجود أشياء في أماكن غير متوقعة. 

على وجه التحديد، يمكن استخدام نماذج الرؤية الحاسوبية مثل Ultralytics لتحليل تدفقات الفيديو المباشرة للتعرف على الأشياء track . يدعم YOLO26 مجموعة من مهام الرؤية، بما في ذلك اكتشاف الأشياء وتتبعها وتقسيمها.

تتيح هذه القدرات للأنظمة التعرف على الأشخاص أو المركبات أو الأشياء المهمة، track عبر المشاهد، والإبلاغ عن السلوكيات التي تحيد عن الأنماط العادية. من خلال تطبيق هذه النماذج على بث كاميرات المراقبة الأمنية، يمكن للمؤسسات تجاوز المراقبة السلبية والحصول على رؤى مؤثرة حول المخاطر المحتملة أثناء تطورها. 

عند نشرها على الحافة، يمكن أن تعمل هذه الأنظمة بزمن انتقال منخفض ودون الاعتماد المستمر على بيئات السحابة، مما يجعلها مناسبة للإعدادات الواقعية مثل المصانع والمستودعات والحرم الجامعي ومراكز البيانات.

كيف يمكن استخدامYOLO Ultralytics YOLO للكشف عن التهديدات باستخدام الذكاء الاصطناعي

تم تصميمYOLO Ultralytics YOLO مثل YOLO26، للتطبيقات الواقعية التي تتطلب السرعة والاتساق. يقلل تصميم YOLO26 المدعوم بالحافة من الاعتماد على خطوط الأنابيب المعقدة للمعالجة اللاحقة، مما يسهل دمجها في عمليات الأمان القياسية في الموقع. 

على غرار YOLO السابقة، تم تدريب Ultralytics مسبقًا على مجموعات بيانات واسعة النطاق مثل COCO مما يوفر أساسًا موثوقًا للتعرف على الأشياء مثل الأشخاص والمركبات والأشياء اليومية الأخرى. بالنسبة لحالات استخدام الكشف عن التهديدات، يمكن ضبط YOLO26 بدقة باستخدام بيانات تدريب عالية الجودة خاصة بالتطبيق لتحديد الأشخاص في المناطق المحظورة، track عبر المناطق الآمنة، ووضع علامات على الأشياء التي تنتهك قواعد السلامة، مثل الأشياء المتروكة في المطار.

بمجرد تدريب النموذج، يمكنه تعميم البيانات الجديدة، مما يتيح له الحفاظ على أداء كشف موثوق به مع تغير الظروف. عند دمجه في خطوط إنتاج كشف أكبر، يمكن استخدام مخرجاته لربط عمليات الكشف البصري بإشارات من أنظمة أخرى، مما يدعم تحليلات أعلى مستوى مثل تحليل السلوك وتحسين تقييم التهديدات.

التطبيقات الواقعية YOLO في أدوات الأمان

الآن بعد أن أصبح لدينا فهم أفضل لكيفية مساعدة الذكاء الاصطناعي البصري في تحديد المخاطر، دعونا نستعرض بعض الأمثلة الواقعية لكيفية استخدامه في detect .

مراقبة المناطق المحظورة باستخدام YOLO

في القطاعات الصناعية مثل التصنيع والنفط والغاز، يتم تقييد دخول بعض المناطق داخل المنشآت، مثل المصانع، على الموظفين المصرح لهم فقط. غالبًا ما يكون ذلك لأسباب تتعلق بالسلامة، حيث قد تحتوي هذه المناطق على معدات أو مواد أو عمليات خطرة تتطلب تدريبًا متخصصًا.

يعد مراقبة الوصول إلى هذه المناطق وضمان الامتثال للوائح السلامة أمرًا ضروريًا لمنع الحوادث وحماية الأصول والحفاظ على استمرارية العمليات. بشكل عام، تتم مراقبة هذه المناطق باستخدام مزيج من الإشراف البشري وأنظمة التحكم في الوصول وكاميرات المراقبة.

ومع ذلك، فإن هذه الأساليب لها حدودها. فالرقابة اليدوية لا تتناسب مع الحجم الكبير، وأنظمة التحكم في الوصول لا track سوى نقاط track ، وكاميرات المراقبة الأمنية تتطلب عادةً اهتمامًا بشريًا مستمرًا. 

مع تزايد حجم المرافق وتعقيدها، يصبح من الصعب بشكل متزايد detect الأنشطة detect أو غير المصرح بها في الوقت الفعلي. يمكن أن تكون تقنية الرؤية الاصطناعية (Vision AI) نهجًا أكثر موثوقية.

وهي تعمل من خلال التحليل المستمر لمقاطع الفيديو لتحديد مشكلات السلامة والأمن. ويمكن دمج هذه المعلومات في سير عمل كشف التسلل الحالي، مما يؤدي إلى تشغيل استجابات أو تنبيهات تلقائية حتى يتسنى لفرق الأمن البشرية اتخاذ إجراءات فورية.

على سبيل المثال، بحثت دراسة حديثة في كيفية Ultralytics YOLOv8، وهو جزء من عائلةYOLO يمكن استخدامه detect الموادdetect في المناطق المحظورة. في هذه الحالة، تم تدريب النموذج على تحديد وجود الهواتف المحمولة في المناطق الحساسة من الناحية الأمنية. من خلال التعلم من البيانات المرئية الخاصة بالتطبيق، تمكن النظام من الإبلاغ عن انتهاكات السياسة في الوقت الفعلي، مما ساعد على تحسين الامتثال وتقليل المخاطر الأمنية دون زيادة العبء على الفرق البشرية.

مراقبة ذكية للحشود في الأماكن العامة

في الأماكن العامة المزدحمة مثل مراكز النقل أو الفعاليات الكبيرة أو مراكز المدن المزدحمة، من المهم فهم كيفية تحرك الناس وسلوكهم للحفاظ على السلامة العامة. يمكن أن تؤدي الكثافة العالية للجمهور أو التغيرات المفاجئة في الحركة أو سقوط الأفراد إلى خلق مواقف خطرة بسرعة إذا لم يتم اكتشافها مبكرًا. 

تعتمد أنظمة مراقبة الحشود التقليدية بشكل كبير على مشغلين بشريين يراقبون شاشات متعددة، مما يجعل من السهل تفويت التغييرات الطفيفة ولكن المهمة في سلوك الحشود. تعمل تقنية الذكاء الاصطناعي للرؤية على تحسين مراقبة الحشود من خلال تحليل مقاطع الفيديو الواردة من الكاميرات تلقائيًا في الوقت الفعلي. 

يمكن استخدام نماذج مثل YOLO26 detect track في الأماكن المزدحمة، ومراقبة أنماط حركتهم، وتحديد المواقف مثل السقوط أو بقاء الأفراد على الأرض لفترات طويلة. يمكن أن تشير هذه الإشارات إلى مشكلات محتملة تتعلق بالسلامة، خاصة في الحشود الكثيفة أو سريعة الحركة.

بالإضافة إلى المهام الأساسية مثل عد الأشخاص، يمكن للأنظمة القائمة على الرؤية أن توفر أيضًا رؤى أساسية لأنظمة الذكاء الاصطناعي التي تركز على تحديد الازدحام، والتدفق غير الطبيعي للجمهور، أو السلوكيات التي تحيد عن الأنماط العادية. من خلال الكشف عن هذه المؤشرات المبكرة، يمكن للمؤسسات الاستجابة بسرعة أكبر للمواقف التي قد تشكل خطرًا على السلامة العامة، مما يدعم التدخل في الوقت المناسب دون الحاجة إلى مراقبة يدوية مستمرة.

ضمان سلامة العمال في قطاع البناء

تشكل مواقع البناء النشطة مجموعة من المخاطر المتعلقة بالسلامة والأمن، حيث تتغير الظروف باستمرار ويتنقل العمال والمركبات والمعدات الثقيلة عبر المساحات المشتركة. يمكن أن يؤدي الوصول غير المصرح به إلى المناطق المحظورة، أو فقدان معدات الحماية الشخصية (PPE)، أو التفاعلات غير الآمنة بين العمال والآلات إلى وقوع حوادث بسرعة إذا لم يتم تحديدها في وقت مبكر.

تساعد تقنية الرؤية الاصطناعية في معالجة هذه المخاطر من خلال التحليل المستمر لمقاطع الفيديو الملتقطة من الكاميرات الموجودة في الموقع. يمكن لنماذج الرؤية الحاسوبية مثل YOLO26 detect track في مناطق متعددة مع مراقبة الامتثال لمتطلبات السلامة، بما في ذلك استخدام معدات الحماية الشخصية مثل الخوذات أو سترات السلامة.

من خلال مراقبة أنماط الحركة والسلوك في الوقت الفعلي، يمكن لهذه الأنظمة تحديد المخاطر المحتملة قبل أن تتفاقم. بالإضافة إلى تحسين الرقابة على السلامة، تقلل المراقبة القائمة على الرؤية من الاعتماد على الفحوصات اليدوية الدورية وتدعم الاستجابة الأسرع للحالات غير الآمنة.

إيجابيات وسلبيات استخدام نماذج الذكاء الاصطناعي للكشف عن التهديدات

فيما يلي بعض المزايا الرئيسية لاستخدام قدرات الذكاء الاصطناعي البصري في الكشف عن التهديدات:

• التشغيل المستمر: تعمل أنظمة الذكاء الاصطناعي ونماذج الكشف على مدار الساعة دون إرهاق من التنبيهات، مما يجعلها مناسبة تمامًا للبيئات التي تتطلب مراقبة مستمرة.
• تحسين التنسيق بين الفرق: تسهل التنبيهات والرؤى المشتركة على فرق الأمن والسلامة والعمليات العمل واستخدام هذه المعلومات لاتخاذ قرارات أكثر ذكاءً.
• قابلية التوسع: يمكن نشر أنظمة الرؤية الاصطناعية عبر العديد من الكاميرات والمواقع دون زيادة متناسبة في عدد الموظفين، مما يسهل توسيع نطاق المراقبة مع ازدياد تعقيد البيئات.

في حين أن الذكاء الاصطناعي البصري يوفر مزايا واضحة فيما يتعلق بالكشف عن التهديدات، من المهم أيضًا مراعاة بعض القيود. فيما يلي بعض التحديات التي يجب أخذها في الاعتبار:

• الحساسية تجاه جودة البيانات: قد يؤدي وضع الكاميرا في مكان غير مناسب أو مدخلات منخفضة الجودة إلى الحد من قدرات الكشف، خاصة عند تحديد السلوكيات الدقيقة أو الأحداث النادرة.
• مخاوف تتعلق بخصوصية البيانات: قد تنطوي المراقبة المستمرة على بيانات حساسة، مما يتطلب ضمانات قوية لمنع إساءة الاستخدام، لا سيما في السيناريوهات التي تنطوي على مخاطر يوم الصفر أو الحركة الجانبية عبر الأنظمة.
• تغطية محدودة للتهديدات غير المرئية: لا تستطيع تقنية الذكاء الاصطناعي البصري detect مثل محاولات التصيد الاحتيالي أو تهديدات الأمن السيبراني أو البرامج الضارة أو برامج الفدية أو الهندسة الاجتماعية، والتي تتطلب عادةً تقنيات الذكاء الاصطناعي مثل معالجة اللغة الطبيعية (NLP) وتحليل السلوك أو الشبكة بدلاً من التحليل البصري.

النقاط الرئيسية

يجمع اكتشاف التهديدات القائم على الذكاء الاصطناعي بين الرؤية الحاسوبية والممارسات الأمنية الحديثة لمساعدة المؤسسات على تحديد المخاطر في وقت مبكر والاستجابة لها بشكل أكثر فعالية.YOLO نماذج مثل Ultralytics YOLO تحليل البيانات المرئية في الوقت الفعلي، مما يدعم حالات الاستخدام التي تتراوح من مراقبة الوصول المقيد إلى سلامة الحشود وحماية العمال. من خلال الانتقال من المراقبة التفاعلية إلى الوعي الاستباقي، يساعد الذكاء الاصطناعي للرؤية المؤسسات على تحسين السلامة في مواجهة التهديدات المتطورة، وتعزيز العمليات الأمنية، وتوسيع نطاق معلومات التهديدات عبر البيئات المعقدة.

انضم إلى مجتمعنا النشط واكتشف الابتكارات مثل الذكاء الاصطناعي في التصنيع والرؤية الاصطناعية في تجارة التجزئة. قم بزيارة مستودع GitHub الخاص بنا وابدأ اليوم في استخدام الرؤية الحاسوبية من خلال الاطلاع على خيارات الترخيص المتاحة لدينا.