كاميرات الرؤية الحاسوبية وتطبيقاتها

تسهم العديد من العوامل التقنية، مثل البيانات والخوارزميات والقدرة الحاسوبية، في نجاح تطبيق من تطبيقات الذكاء الاصطناعي (AI). وتحديدًا في الرؤية الحاسوبية، وهي مجال فرعي من الذكاء الاصطناعي يركز على تمكين الآلات من تحليل الصور ومقاطع الفيديو وفهمها، يُعد أحد أهم العوامل هو مصدر الإدخال أو البيانات: الكاميرا. وتؤثر جودة الكاميرات المستخدمة ونوعها مباشرةً في أداء نماذج الذكاء الاصطناعي في تطبيقات الرؤية الحاسوبية.

يُعد اختيار الكاميرا المناسبة أمرًا بالغ الأهمية، لأن مهام الرؤية الحاسوبية المختلفة تتطلب أنواعًا مختلفة من البيانات المرئية. فعلى سبيل المثال، تُستخدم الكاميرات عالية الدقة في تطبيقات مثل التعرّف على الوجوه، حيث يجب التقاط تفاصيل الوجه الدقيقة بدقة. في المقابل، يمكن استخدام الكاميرات منخفضة الدقة في مهام مثل مراقبة الطوابير التي تعتمد على الأنماط العامة أكثر من التفاصيل المعقدة.

تتوفر اليوم أنواع عديدة من الكاميرات، صُمم كل منها لتلبية احتياجات محددة. ويمكن أن يساعد فهم الاختلافات بينها على تحسين ابتكاراتك في مجال الرؤية الحاسوبية. فلنستكشف الأنواع المختلفة من كاميرات الرؤية الحاسوبية وتطبيقاتها في مختلف القطاعات.

استكشاف كاميرات RGB للرؤية الحاسوبية#

تُستخدم كاميرات RGB (الأحمر والأخضر والأزرق) على نطاق واسع في تطبيقات الرؤية الحاسوبية. وهي تلتقط الصور ضمن الطيف المرئي بأطوال موجية تتراوح بين 400 و700 نانومتر (nm). ونظرًا إلى أن هذه الصور تشبه طريقة رؤية البشر، تُستخدم كاميرات RGB في العديد من المهام، مثل اكتشاف الأجسام وتجزئة المثيلات وتقدير الوضعية، في الحالات التي تكفي فيها الرؤية الشبيهة برؤية الإنسان.

الشكل 1. نظرة عامة على آلية عمل كاميرات RGB.

تتضمن هذه المهام عادةً تحديد الأجسام واكتشافها من منظور ثنائي الأبعاد (2D)، حيث لا يكون التقاط العمق ضروريًا للحصول على نتائج دقيقة. ومع ذلك، عندما يتطلب التطبيق معلومات عن العمق، كما في اكتشاف الأجسام ثلاثية الأبعاد أو الروبوتات، تُستخدم كاميرات RGB-D (الأحمر والأخضر والأزرق والعمق). وتجمع هذه الكاميرات بيانات RGB مع مستشعرات العمق لالتقاط التفاصيل ثلاثية الأبعاد وتوفير قياسات العمق في الوقت الفعلي.

استخدام كاميرات RGB-D في متاجر البيع بالتجزئة#

من التطبيقات المثيرة للاهتمام التي تكون فيها كاميرات RGB-D مفيدة التجربة الافتراضية للملابس، وهو مفهوم يزداد انتشارًا في متاجر البيع بالتجزئة. وببساطة، يمكن للشاشات الذكية المدمجة مع كاميرات RGB-D والمستشعرات جمع تفاصيل مثل طول المتسوق وشكل جسمه وعرض كتفيه. وباستخدام هذه المعلومات، يستطيع النظام تركيب الملابس رقميًا فوق صورة حية للعميل. ويمكن لـمهام الرؤية الحاسوبية، مثل تجزئة المثيلات وتقدير الوضعية، معالجة البيانات المرئية لاكتشاف جسم العميل بدقة ومواءمة الملابس مع أبعاده في الوقت الفعلي.

الشكل 2. مثال على التجربة الافتراضية للملابس.

تمنح التجارب الافتراضية للملابس العملاء رؤية ثلاثية الأبعاد لكيفية ملاءمة الزي لهم، بل إن بعض الأنظمة تستطيع محاكاة حركة القماش للحصول على تجربة أكثر واقعية. وتجعل الرؤية الحاسوبية وكاميرات RGB-D من الممكن للعملاء تجاوز غرفة القياس وتجربة الملابس فورًا. وهذا يوفر الوقت، ويسهّل مقارنة الأنماط والمقاسات، ويحسّن تجربة التسوق بوجه عام.

فهم التصوير المجسم وكاميرات زمن الرحلة (ToF)#

الكاميرات المجسمة هي نوع من الكاميرات يستخدم عدة مستشعرات للصور لالتقاط العمق من خلال مقارنة الصور الملتقطة من زوايا مختلفة. وهي أكثر دقة من الأنظمة ذات المستشعر الواحد. في المقابل، تقيس كاميرات أو مستشعرات زمن الرحلة (ToF) المسافات من خلال إصدار ضوء تحت أحمر يرتد عن الأجسام ويعود إلى المستشعر. ويحسب معالج الكاميرا الزمن الذي يستغرقه الضوء في العودة لتحديد المسافة.

الشكل 3. نظرة عامة على آلية عمل كاميرات ToF.

في بعض الحالات، تُدمج الكاميرات المجسمة مع مستشعرات ToF، فتجمع نقاط القوة في كلا الجهازين لالتقاط معلومات العمق بسرعة ودقة عالية. ويجعل الجمع بين قياسات المسافة الآنية التي يوفرها مستشعر ToF وإدراك العمق التفصيلي الذي توفره الكاميرا المجسمة هذه التقنية مثالية لتطبيقات مثل المركبات ذاتية القيادة والإلكترونيات الاستهلاكية، حيث تكون السرعة والدقة ضروريتين.

مثال يومي على استشعار العمق بكاميرا زمن الرحلة (ToF)#

من المحتمل أنك استخدمت كاميرا زمن الرحلة (ToF) من دون أن تدرك ذلك. ففي الواقع، غالبًا ما تتضمن الهواتف الذكية الشائعة من علامات تجارية مثل Samsung وHuawei وRealme مستشعرات ToF لتعزيز إمكانات استشعار العمق. وتُستخدم معلومات العمق الدقيقة التي توفرها هذه الكاميرات لإنشاء تأثير البوكيه الشائع، حيث تكون الخلفية ضبابية بينما يظل الهدف واضح التركيز.

أصبحت مستشعرات ToF ضرورية أيضًا لتطبيقات أخرى تتجاوز التصوير الفوتوغرافي، مثل التعرّف على الإيماءات والواقع المعزز (AR). فعلى سبيل المثال، تستخدم هواتف مثل Samsung Galaxy S20 Ultra وHuawei P30 Pro هذه المستشعرات لرسم خريطة للعمق ثلاثي الأبعاد في الوقت الفعلي، مما يحسّن كلًا من التصوير الفوتوغرافي والتجارب التفاعلية.

الكاميرات تحت الحمراء أو الحرارية لاكتشاف الحرارة#

تُستخدم الكاميرات الحرارية، كما يوحي اسمها، على نطاق واسع في اكتشاف الحرارة ضمن تطبيقات متنوعة، بما في ذلك الصناعات التصنيعية ومصانع السيارات. وتقيس هذه الكاميرات درجة الحرارة، ويمكن استخدامها لتنبيه المستخدمين عند اكتشاف مستويات حرجة من الحرارة، سواء كانت مرتفعة جدًا أو منخفضة جدًا. ومن خلال اكتشاف الإشعاع تحت الأحمر، غير المرئي للعين البشرية، توفر هذه الكاميرات قراءات دقيقة لدرجة الحرارة. وغالبًا ما يُشار إليها باسم الكاميرات تحت الحمراء، كما تمتد استخداماتها إلى ما هو أبعد من البيئات الصناعية. فعلى سبيل المثال، تُستخدم الكاميرات الحرارية أيضًا في الزراعة لـمراقبة صحة الماشية، وفي فحص المباني لتحديد تسربات الحرارة، وفي مكافحة الحرائق لتحديد بؤر الحرارة.

الشكل 4. رجال إطفاء يستخدمون كاميرات حرارية للعثور على بؤر الحرارة.

التصوير الحراري للتطبيقات الصناعية#

غالبًا ما تعمل الآلات والأنظمة الكهربائية في مصانع التصنيع أو منصات النفط والغاز بشكل مستمر، وتولّد الحرارة كمنتج ثانوي. ومع مرور الوقت، قد يتراكم مقدار مفرط من الحرارة في مكونات مثل المحركات والمحامل أو الدوائر الكهربائية، مما قد يؤدي إلى تعطل المعدات أو مخاطر تتعلق بالسلامة.

يمكن للكاميرات الحرارية مساعدة المشغلين على مراقبة هذه الأنظمة من خلال اكتشاف الارتفاعات غير الطبيعية في درجات الحرارة مبكرًا. ويمكن جدولة صيانة المحرك الذي ترتفع حرارته لمنع الأعطال المكلفة. ومن خلال دمج التصوير الحراري في عمليات الفحص المنتظمة، تستطيع القطاعات تطبيق الصيانة التنبؤية، وتقليل وقت التوقف، وإطالة عمر المعدات، وضمان بيئة عمل أكثر أمانًا. وبوجه عام، يمكن تحسين أداء المصنع وتقليل خطر الأعطال غير المتوقعة.

الكاميرات البطيئة وعالية السرعة لالتقاط الحركة#

صُممت الكاميرات عالية السرعة لالتقاط أكثر من 10,000 إطار في الثانية (FPS)، حتى تتمكن من معالجة الحركات السريعة بدقة استثنائية. فعلى سبيل المثال، عندما تتحرك المنتجات بسرعة على خط إنتاج، يمكن استخدام الكاميرات عالية السرعة لمراقبتها واكتشاف أي حالات شاذة.

من ناحية أخرى، يمكن استخدام كاميرات التصوير البطيء لالتقاط مقاطع بمعدلات إطارات عالية، ثم خفض سرعة تشغيلها. ويتيح ذلك للمشاهدين ملاحظة تفاصيل غالبًا ما تفوتهم في الوقت الفعلي. وتُستخدم هذه الكاميرات لتقييم أداء الأسلحة النارية والمواد المتفجرة. وتُعد القدرة على إبطاء الحركات المعقدة وتحليلها مثالية لهذا النوع من التطبيقات.

في بعض الحالات، يمكن أن يساعد الجمع بين الكاميرات عالية السرعة وكاميرات التصوير البطيء في إجراء تحليل تفصيلي للأجسام سريعة الحركة وبطيئتها ضمن الحدث نفسه. لنفترض أننا نحلل لعبة غولف. يمكن للكاميرات عالية السرعة قياس سرعة كرة الغولف، بينما تستطيع كاميرات التصوير البطيء تحليل حركات أرجوحة لاعب الغولف وتحكمه في جسده.

الشكل 5. استخدام الرؤية الحاسوبية والكاميرات عالية السرعة لتحليل أرجوحة لاعب غولف.

التصوير متعدد الأطياف في الرؤية الحاسوبية#

الكاميرات متعددة الأطياف هي أجهزة متخصصة يمكنها تسجيل أطوال موجية متعددة من طيف الضوء، بما في ذلك الأشعة فوق البنفسجية وتحت الحمراء، في لقطة واحدة. ويوفر التصوير متعدد الأطياف بيانات تفصيلية قيّمة لا تستطيع الكاميرات التقليدية التقاطها. وعلى غرار الكاميرات فائقة الطيف، التي تلتقط نطاقات ضوئية أضيق وأكثر استمرارية، تُستخدم الكاميرات متعددة الأطياف في مجالات مثل الزراعة والجيولوجيا والمراقبة البيئية والتصوير الطبي. فعلى سبيل المثال، يمكن للكاميرات متعددة الأطياف في الرعاية الصحية المساعدة على تصور الأنسجة المختلفة من خلال التقاط الصور عبر أطوال موجية متعددة.

الشكل 6. مقارنة التصوير باستخدام RGB ومتعدد الأطياف وفائق الطيف.

وبالمثل، تُحدث الطائرات المسيّرة المجهزة بتقنيات التصوير متعدد الأطياف تقدمًا كبيرًا في مجال الزراعة. فهي تستطيع تحديد النباتات غير السليمة أو المتضررة من الحشرات والآفات في مرحلة مبكرة. ويمكن لهذه الكاميرات تحليل طيف الأشعة تحت الحمراء القريبة، إذ تعكس النباتات السليمة عمومًا قدرًا أكبر من ضوء الأشعة تحت الحمراء القريبة مقارنةً بنظيراتها غير السليمة. ومن خلال اعتماد تقنيات الذكاء الاصطناعي هذه في الزراعة، يستطيع المزارعون تنفيذ التدابير المضادة مبكرًا لزيادة المحصول وتقليل فقدان المحاصيل.

كاميرات LiDAR للمركبات ذاتية القيادة#

تستخدم كاميرات LiDAR (الكشف عن الضوء وتحديد المدى) نبضات الليزر لإنشاء خرائط ثلاثية الأبعاد واكتشاف الأجسام عن بُعد. وهي فعالة في ظروف عديدة مثل الضباب والمطر والظلام ودرجات الحرارة المرتفعة، رغم أن الظروف الجوية القاسية مثل المطر أو الضباب قد تؤثر في أدائها. ويُستخدم LiDAR عادةً في تطبيقات مثل السيارات ذاتية القيادة للملاحة واكتشاف العوائق.

يعمل LiDAR مثل عيني السيارة، إذ يرسل نبضات ليزر ويقيس الزمن الذي تستغرقه في الارتداد. وتساعد هذه المعلومات السيارة على حساب المسافات وتحديد أجسام مثل السيارات والمشاة وإشارات المرور، مما يوفر رؤية بزاوية 360 درجة من أجل قيادة أكثر أمانًا.

جمع الصورة كاملة#

فيما يتعلق بالرؤية الحاسوبية، تعمل الكاميرات كعيون تتيح للآلات رؤية العالم وتفسيره بطريقة تشبه البشر. ويُعد اختيار نوع الكاميرا المناسب مفتاح نجاح تطبيقات الرؤية الحاسوبية المختلفة. فمن كاميرات RGB القياسية إلى أنظمة LiDAR المتقدمة، يقدم كل نوع ميزات فريدة ملائمة لمهام محددة. ومن خلال فهم تنوع تقنيات الكاميرات واستخداماتها، يستطيع المطورون والباحثون تحسين نماذج الرؤية الحاسوبية بصورة أفضل لمواجهة التحديات المعقدة في العالم الحقيقي.

استكشف المزيد عن الذكاء الاصطناعي من خلال الاطلاع على مستودع GitHub الخاص بنا. وانضم إلى مجتمعنا للتواصل مع غيرك من المهتمين بالرؤية والذكاء الاصطناعي. وتعرّف على المزيد عن تطبيقات الرؤية الحاسوبية في الرعاية الصحية والتصنيع في صفحات الحلول الخاصة بنا.