كاميرات الرؤية الحاسوبية وتطبيقاتها

تسهم عوامل تقنية عديدة، مثل البيانات والخوارزميات والقدرة الحاسوبية، في نجاح تطبيقات الذكاء الاصطناعي (AI). وفي مجال الرؤية الحاسوبية تحديدًا، وهو فرع من الذكاء الاصطناعي يركز على تمكين الآلات من تحليل الصور ومقاطع الفيديو وفهمها، يُعد مصدر الإدخال أو البيانات — أي الكاميرا — من أهم العوامل. وتؤثر جودة الكاميرات ونوعها المستخدمان في تطبيقات الرؤية الحاسوبية مباشرةً في أداء نماذج الذكاء الاصطناعي.

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

تتوفر اليوم أنواع كثيرة من الكاميرات، صُمم كل منها لتلبية احتياجات محددة. ويمكن أن يساعد فهم الاختلافات بينها على تحسين مشروعات الرؤية الحاسوبية. لنستكشف أنواع كاميرات الرؤية الحاسوبية المختلفة وتطبيقاتها في قطاعات متنوعة.

استكشاف كاميرات RGB للرؤية الحاسوبية#

تُستخدم كاميرات RGB (الأحمر والأخضر والأزرق) على نطاق واسع في تطبيقات الرؤية الحاسوبية. فهي تلتقط الصور ضمن الطيف المرئي ذي الأطوال الموجية من 400 إلى 700 نانومتر (nm). ولأن هذه الصور تشبه ما تراه العين البشرية، تُستخدم كاميرات RGB في مهام عديدة مثل كشف الأجسام وتقسيم المثيلات وتقدير الوضعية، عندما تكون الرؤية الشبيهة برؤية الإنسان كافية.

الشكل 1. نظرة عامة على طريقة عمل كاميرات RGB.

تتضمن هذه المهام عادةً تحديد الأجسام واكتشافها من منظور ثنائي الأبعاد (2D)، حيث لا تكون معرفة العمق ضرورية لتحقيق نتائج دقيقة. لكن عندما يتطلب التطبيق معلومات عن العمق، كما في كشف الأجسام ثلاثي 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 آنية للعمق.

استخدام كاميرات RGB-D في متاجر التجزئة#

من التطبيقات المثيرة للاهتمام التي تفيد فيها كاميرات RGB-D تجربة الملابس افتراضيًا، وهي فكرة تزداد شيوعًا في متاجر البيع بالتجزئة. ببساطة، تستطيع الشاشات الذكية المزودة بكاميرات RGB-D ومستشعرات جمع تفاصيل مثل طول المتسوق وشكل جسمه وعرض كتفيه. وباستخدام هذه المعلومات، يستطيع النظام تركيب الملابس رقميًا على صورة حية للعميل. ويمكن لمهام الرؤية الحاسوبية، مثل تقسيم المثيلات وتقدير الوضعية، معالجة البيانات البصرية لاكتشاف جسم العميل بدقة ومواءمة الملابس مع أبعاده في الوقت الفعلي.

الشكل 2. مثال على تجربة الملابس افتراضيًا.

تمنح تجارب الملابس الافتراضية العملاء عرضًا ثلاثي الأبعاد لكيفية ملاءمة الزي لهم، ويمكن لبعض الأنظمة محاكاة حركة القماش أيضًا لتوفير تجربة أكثر واقعية. وتتيح الرؤية الحاسوبية وكاميرات RGB-D للعملاء تخطي غرفة القياس وتجربة الملابس فورًا. وهذا يوفر الوقت، ويسهّل مقارنة الأنماط والمقاسات، ويحسن تجربة التسوق عمومًا.

فهم التصوير المجسّم وكاميرات زمن الرحلة (ToF)#

كاميرات الاستريو نوع من الكاميرات يستخدم عدة مستشعرات للصور لالتقاط العمق من خلال مقارنة الصور الملتقطة من زوايا مختلفة. وهي أدق من الأنظمة ذات المستشعر الواحد. أما كاميرات أو مستشعرات زمن الرحلة (ToF)، فتقيس المسافات عبر إصدار ضوء الأشعة تحت الحمراء الذي ينعكس عن الأجسام ويعود إلى المستشعر. ويحسب معالج الكاميرا الزمن الذي يستغرقه الضوء للعودة لتحديد المسافة.

الشكل 3. نظرة عامة على طريقة عمل كاميرات ToF.

في بعض الحالات، تُدمج كاميرات الاستريو مع مستشعرات ToF، ما يجمع بين مزايا الجهازين لالتقاط معلومات العمق بسرعة ودقة عاليتين. ويُعد الجمع بين قياسات المسافة الآنية التي يوفرها مستشعر ToF وإدراك العمق التفصيلي الذي توفره كاميرا الاستريو مثاليًا لتطبيقات مثل المركبات ذاتية القيادة والإلكترونيات الاستهلاكية، حيث تُعد السرعة والدقة ضروريتين.

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

ربما استخدمت كاميرا زمن الرحلة (ToF) دون أن تدرك ذلك. ففي الواقع، غالبًا ما تتضمن الهواتف الذكية الشائعة من علامات تجارية مثل Samsung وHuawei وRealme مستشعرات ToF لتعزيز قدرات استشعار العمق. وتُستخدم معلومات العمق الدقيقة التي توفرها هذه الكاميرات لإنشاء تأثير البوكيه الشائع، حيث تُموّه الخلفية بينما يبقى العنصر الأساسي واضحًا.

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

الكاميرات تحت الحمراء أو الحرارية لاكتشاف الحرارة#

كما يوحي اسمها، تُستخدم الكاميرات الحرارية على نطاق واسع لاكتشاف الحرارة في تطبيقات مختلفة، بما فيها قطاعات التصنيع ومصانع السيارات. وتقيس هذه الكاميرات درجة الحرارة، ويمكنها تنبيه المستخدمين عند رصد مستويات حرارة حرجة، سواء كانت مرتفعة جدًا أو منخفضة جدًا. وهي توفر قراءات دقيقة لدرجات الحرارة من خلال رصد الأشعة تحت الحمراء غير المرئية للعين البشرية. وتُعرف هذه الكاميرات غالبًا باسم كاميرات الأشعة تحت الحمراء، وتتجاوز استخداماتها البيئات الصناعية. فعلى سبيل المثال، تُستخدم الكاميرات الحرارية في الزراعة لمراقبة صحة الماشية، وفي فحص المباني لتحديد تسرب الحرارة، وفي مكافحة الحرائق لتحديد بؤرها.

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

التصوير الحراري للتطبيقات الصناعية#

غالبًا ما تعمل الآلات والأنظمة الكهربائية في مصانع الإنتاج أو منشآت النفط والغاز باستمرار، وتولد الحرارة بوصفها ناتجًا ثانويًا. ومع مرور الوقت، قد تتراكم الحرارة المفرطة في مكونات مثل المحركات والمحامل والدوائر الكهربائية، مما قد يؤدي إلى تعطل المعدات أو مخاطر تتعلق بالسلامة.

تساعد الكاميرات الحرارية 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 التفتيش الدورية، تستطيع القطاعات تطبيق الصيانة التنبؤية، وتقليل فترات التوقف، وإطالة عمر المعدات، وضمان بيئة عمل أكثر أمانًا. وبوجه عام، يمكن تحسين أداء المصنع وتقليل مخاطر الأعطال غير المتوقعة.

الكاميرات البطيئة وعالية السرعة لالتقاط الحركة#

صُممت الكاميرات عالية السرعة لالتقاط أكثر من 10,000 إطار في الثانية (FPS)، كي تسجل الحركات السريعة بتفاصيل دقيقة. فعلى سبيل المثال، عندما تتحرك المنتجات بسرعة على خط الإنتاج، يمكن استخدام الكاميرات عالية السرعة لمراقبتها واكتشاف أي حالات شذوذ.

أما كاميرات التصوير البطيء، فيمكن استخدامها لالتقاط مقاطع بمعدلات إطارات عالية ثم خفض سرعة عرضها. وهذا يتيح 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 حالات معينة، يمكن أن يساعد الجمع بين الكاميرات عالية السرعة وكاميرات التصوير البطيء على تحليل الأجسام المتحركة بسرعة وببطء بالتفصيل ضمن الحدث نفسه. لنفترض أننا نحلل لعبة غولف. يمكن للكاميرات عالية السرعة قياس سرعة كرة الغولف، بينما تحلل كاميرات التصوير البطيء حركات أرجوحة لاعب الغولف وتحكمه بجسمه.

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

التصوير متعدد الأطياف في الرؤية الحاسوبية#

الكاميرات متعددة الأطياف أجهزة متخصصة تستطيع تسجيل أطوال موجية متعددة من طيف الضوء، بما فيها الأشعة فوق البنفسجية وتحت الحمراء، في لقطة واحدة. ويوفر التصوير متعدد الأطياف بيانات تفصيلية قيّمة لا تستطيع الكاميرات التقليدية التقاطها. وعلى غرار الكاميرات فائقة الأطياف، 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 مجال الرعاية الصحية المساعدة على إظهار الأنسجة المختلفة من خلال التقاط صور بأطوال موجية متعددة.

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

وبالمثل، تحقق الطائرات المسيّرة المزودة بتقنيات التصوير متعدد الأطياف تقدمًا كبيرًا في الزراعة. فهي قادرة على تحديد النباتات غير السليمة أو المتضررة من الحشرات والآفات في مرحلة مبكرة. ويمكن لهذه الكاميرات تحليل نطاق الأشعة تحت الحمراء القريبة؛ إذ تعكس النباتات السليمة عمومًا قدرًا أكبر من هذا الضوء مقارنةً بالنباتات غير السليمة. وباعتماد تقنيات الذكاء الاصطناعي هذه في الزراعة، يستطيع المزارعون اتخاذ تدابير مضادة مبكرًا لزيادة المحصول والحد من خسائر 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 الظلام ودرجات الحرارة المرتفعة، إلا أن الأحوال الجوية القاسية كالأمطار والضباب قد تؤثر في أدائها. ويشيع استخدام LiDAR في تطبيقات مثل السيارات ذاتية القيادة للملاحة واكتشاف العوائق.

يعمل LiDAR كأنه عينا السيارة؛ إذ يرسل نبضات ليزر ويقيس الوقت الذي تستغرقه للارتداد. وتساعد هذه المعلومات السيارة على حساب المسافات وتحديد الأجسام مثل السيارات والمشاة وإشارات المرور، مما يوفر رؤية بزاوية 360 درجة لقيادة أكثر أمانًا.

تتضح الصورة كاملة#

في مجال الرؤية الحاسوبية، تعمل الكاميرات كعيون تتيح للآلات رؤية العالم وتفسيره بطريقة شبيهة بالبشر. ويُعد اختيار نوع الكاميرا المناسب مفتاحًا لنجاح تطبيقات الرؤية الحاسوبية المختلفة. فمن كاميرات RGB القياسية إلى أنظمة LiDAR المتقدمة، يقدم كل نوع ميزات فريدة تناسب مهام محددة. ومن خلال فهم تنوع تقنيات الكاميرات واستخداماتها، يستطيع المطورون والباحثون تحسين نماذج الرؤية الحاسوبية على نحو أفضل لمواجهة تحديات العالم الحقيقي المعقدة.

اكتشف المزيد عن الذكاء الاصطناعي بزيارة مستودعنا على GitHub. انضم إلى مجتمعنا للتواصل مع المهتمين مثلك بالذكاء الاصطناعي للرؤية. تعرّف على المزيد عن تطبيقات الرؤية الحاسوبية في الرعاية الصحية والتصنيع عبر صفحات حلولنا.