اكتشاف تكديس المنصات غير الآمن باستخدام Ultralytics YOLO26

تعد السلامة أمراً بالغ الأهمية عندما يتعلق الأمر بـ عمليات المستودعات. إذ يمكن أن تؤدي المنصات غير المستقرة، والأحمال المتساقطة، والممرات المسدودة إلى تلف المنتجات، وتعطيل سير العمل، وإصابات خطيرة للعمال.

وعلى وجه الخصوص، يلعب تكديس المنصات دوراً رئيسياً في الحفاظ على مستودع آمن وفعال. فهو يؤثر بشكل مباشر على مدى استقرار الأحمال، ومدى سهولة نقل المواد عبر المكان، ومدى سلامة عمل العمال.

حتى التناقضات الصغيرة يمكن أن تخلق مخاطر أكبر. فالميل الطفيف، أو توزيع الوزن غير المتساوي، أو الحمولة غير المؤمنة بإحكام يمكن أن تجعل المنصات غير مستقرة. كما أن غياب الغلاف البلاستيكي أو المحاذاة الضعيفة يمكن أن يزيد من ضعف الاستقرار، مما يزيد من احتمالية تلف المنتج أو وقوع حوادث في مكان العمل.

الشكل 1. المستودع هو مساحة ديناميكية حيث يتحرك العمال باستمرار ويقومون بتكديس المنصات. (المصدر)

ولمنع مثل هذه المشكلات، توفر منظمات مثل إدارة السلامة والصحة المهنية (OSHA) إرشادات لتخزين المواد ومناولتها بشكل آمن. تؤكد إرشادات السلامة هذه على الحفاظ على استقرار الحمولة، والبقاء ضمن حدود الحمولة الآمنة، واتباع ممارسات المناولة المناسبة لمنع المخاطر مثل سقوط أو انهيار الأكوام.

ومع ذلك، فإن تطبيق هذه المعايير باستمرار عبر بيئات المستودعات سريعة الحركة ليس بالأمر السهل دائماً. فعادة ما يتم نقل المنصات وإعادة تكديسها ومناولتها على مدار اليوم. وهذا يجعل من الصعب مراقبة حالة كل حمولة في الوقت الفعلي أو اكتشاف العلامات المبكرة لعدم الاستقرار.

يتمثل النهج الأكثر فعالية في استخدام الرؤية الحاسوبية. وباعتبارها فرعاً من فروع الذكاء الاصطناعي، فهي تمكّن الآلات من تفسير وتحليل البيانات المرئية من الصور وخلاصات الفيديو. ومع نماذج الرؤية بالذكاء الاصطناعي مثل Ultralytics YOLO26، يمكن للمستودعات مراقبة ظروف المنصات في الوقت الفعلي واكتشاف التكوينات غير المستقرة مبكراً، مما يسمح للفرق بالاستجابة قبل تفاقم المشكلات.

في هذه المقالة، سنستكشف المخاطر المرتبطة بتكديس المنصات غير الآمن وكيف يمكن للأنظمة القائمة على الرؤية المساعدة في اكتشافها ومنعها. لنبدأ!

Link to this sectionتأثير تكديس المنصات على سلامة المستودعات#

تم تصميم المنصات لتحمل كمية معينة من الوزن وتكديسها بطريقة مستقرة. عندما يتم تحميلها بشكل زائد أو عدم موازنتها بشكل صحيح، يبدأ هذا الاستقرار في التدهور.

حتى الاختلالات الصغيرة أثناء التكديس يمكن أن تتراكم بمرور الوقت وتزيد من فرص فشل الحمولة أثناء المناولة. تحدث هذه المشكلات عادةً في البيئات سريعة الخطى حيث يتم تحميل المنصات ونقلها وإعادة تكديسها باستمرار. ما يبدو كأخطاء بسيطة في البداية يمكن أن يؤثر تدريجياً على توزيع الوزن ويؤدي إلى أكوام غير مستقرة.

يؤثر هذا أيضاً على العمليات اليومية. إذا كانت المنصة بحاجة إلى إصلاح أثناء التحميل أو النقل، فقد يؤدي ذلك إلى إبطاء الأمور والتسبب في تأخيرات. تصبح المشكلة أكثر وضوحاً أثناء المناولة، خاصة عندما يتم استخدام الرافعات الشوكية وعربات المنصات.

نظراً لأن مثل هذه المعدات تكون دائماً في حالة حركة، فإن التعامل مع الأحمال غير المستقرة يجعل المهام الروتينية أكثر خطورة. وهذا يمكن أن يؤدي إلى تلف البضائع، أو تعطيل سير العمل، أو التحميل الزائد.

في الحالات الأكثر خطورة، يمكن أن يؤدي ذلك إلى إصابات للعمال ويؤثر على سلسلة التوريد الأوسع، مما يزيد من التكاليف التشغيلية والمالية على حد سواء.

Link to this sectionتحديات طرق فحص المنصات التقليدية#

تعتمد معظم المستودعات على عمليات فحص المنصات اليدوية، والتي غالباً ما تكون موجهة بمعايير OSHA ولوائح السلامة وقوائم فحص التفتيش. تدعم هذه الطرق سلامة المنصات وممارسات التكديس السليمة، لكنها محدودة من حيث مدى اتساق تطبيقها عبر البيئات المزدحمة.

أحد القيود الرئيسية هو أن عمليات التفتيش لا تلتقط سوى لحظة من الزمن. تنطوي عمليات المستودعات على التحميل والحركة وإعادة التكديس المستمر، لكن عمليات التفتيش لا تلتقط سوى مظهر الكومة في وقت الفحص. وهذا يجعل من الصعب اكتشاف المشكلات التي تتطور بين عمليات الفحص، مثل الاختلال التدريجي، أو الأحمال المتحركة، أو العلامات المبكرة لعدم الاستقرار.

كما أن بعض المشكلات يصعب اكتشافها أثناء الفحوصات الروتينية. قد تمر المنصات التالفة، أو الألواح المكسورة، أو الشظايا الصغيرة دون أن يلاحظها أحد، على الرغم من أنها يمكن أن تضعف الهيكل وتؤثر على استقرار الحمولة أثناء المناولة.

يضيف النطاق طبقة أخرى من الصعوبة. في المستودعات الكبيرة، من الصعب إجراء عمليات تفتيش منتظمة في جميع المناطق، خاصة حول مناطق رفوف المنصات ومناطق السيور الناقلة. تجعل هذه الفجوات في التغطية من الصعب اتباع ممارسات السلامة باستمرار وضمان تكديس المنصات بشكل مستقر عبر العمليات.

Link to this sectionدور رؤية الذكاء الاصطناعي في عمليات المستودعات#

بدأت المستودعات في تبني أنظمة الرؤية الحاسوبية التي يمكنها مراقبة العمليات اليومية. تتعلم هذه الأنظمة من كميات كبيرة من الصور المصنفة ويمكنها تتبع تفاصيل المنصات باستمرار عبر مناطق التخزين المختلفة.

على سبيل المثال، تدعم نماذج الرؤية الحاسوبية المتطورة مثل YOLO26 مهام الرؤية مثل اكتشاف الأشياء، وتصنيف الصور، واكتشاف صناديق التحديد الموجهة (OBB)، وتقدير الوضعية، وتجزئة المثيلات، مما يساعد في تحليل كيفية ترتيب المنصات والأحمال عبر مساحات المستودعات.

على وجه التحديد، يمكن استخدام اكتشاف الأشياء لتحديد وتحديد مواقع المنصات والصناديق ومعدات المناولة عبر الممرات ومناطق التخزين. وهذا يمكّن الأنظمة من تتبع كيفية وضع المواد وتحريكها.

الشكل 2. استخدام نموذج Ultralytics YOLO لاكتشاف الصناديق المكدسة (المصدر)

وفي الوقت نفسه، تتيح تجزئة المثيلات تحديداً دقيقاً للعناصر الفردية داخل الكومة من خلال تحديد كل كائن على مستوى البكسل. وهذا يجعل من السهل فصل العناصر المتداخلة أو المتراصة بشكل وثيق. في المواقف التي تكون فيها المحاذاة حاسمة، يمكن استخدام صناديق التحديد الموجهة لتقييم كيفية وضع الأحمال، والتقاط زواياها واتجاهاتها بدقة أكبر.

وبالمثل، يمكن استخدام تصنيف الصور لتحليل الحالة العامة للمنصة أو المشهد وتعيين تسميات مثل "مستقر" أو "غير مستقر" أو "تالف". كما يركز تقدير الوضعية على اكتشاف النقاط الرئيسية لتتبع موضع وحركة العمال أو المعدات، مما يجعل من الممكن فهم كيفية تفاعلهم مع المنصات وتحديد المناولة غير الآمنة المحتملة.

Link to this sectionكيف تمكّن YOLO26 تكديس المنصات في الحياة الواقعية#

يتوفر Ultralytics YOLO26 الجاهز للاستخدام كنموذج مدرب مسبقاً. وبعبارة أخرى، لقد تم تدريبه بالفعل على مجموعات بيانات كبيرة، لذا يمكنه التعرف على الأشياء الشائعة دون الحاجة إلى بنائه من الصفر.

ومع ذلك، تقدم بيئات المستودعات فروقاً دقيقة خاصة بها مثل أنواع المنصات المختلفة، وأنماط التكديس، وظروف التحميل، والتناقضات الواقعية. وهنا تصبح القدرة على تدريب نماذج Ultralytics YOLO مثل YOLO26 بشكل مخصص ذات قيمة كبيرة.

يُمكّن تدريب النموذج على بيانات خاصة بالمستودعات من فهم هذه الاختلافات بشكل أفضل وتقديم نتائج أكثر دقة وموثوقية. تبدأ هذه العملية بجمع الصور وإطارات الفيديو من أرضيات المستودعات، والتقاط ظروف تكديس مختلفة عبر البيئات.

يتم بعد ذلك شرح هذه الصور (إضافة تسميات)، على سبيل المثال، عن طريق رسم صناديق تحديد (صناديق مستطيلة) حول المنصات أو تحديد مناطق عدم الاستقرار. بمجرد إعداد مجموعة بيانات باستخدام البيانات المشروحة، يمكن تدريب YOLO26 على هذه الأمثلة الواقعية، وتكييفه مع الاختلافات في التخطيط والإضاءة والعمليات.

يمكن إجراء التدريب إما باستخدام حزمة Ultralytics Python، والتي توفر أدوات مدمجة لتحميل البيانات وتدريب النماذج وتشغيل التنبؤات باستخدام الكود، أو من خلال منصة Ultralytics، وهي منصة رؤية حاسوبية متكاملة تجمع بين إدارة البيانات والشرح والتدريب والنشر في مكان واحد.

Link to this sectionتبسيط تدريب النماذج باستخدام منصة Ultralytics#

يمكن أن تكون إدارة سير عمل الرؤية الحاسوبية، بدءاً من إعداد مجموعة البيانات والشرح وصولاً إلى التدريب والتقييم والنشر، معقدة. تعالج منصة Ultralytics هذا التحدي من خلال جمع هذه الخطوات في بيئة واحدة.

على سبيل المثال، يمكن للمستخدمين تنظيم بيانات الصور من بيئات المستودعات وتصنيفها واستخدامها لتدريب النماذج على سيناريوهات العالم الحقيقي. وهذا يمكّن النماذج من التعرف على كيفية ظهور المنصات عبر تخطيطات وظروف إضاءة وأنماط تكديس مختلفة، مما يجعلها أكثر دقة وموثوقية في العمليات الحقيقية.

الشكل 3. نظرة على مجموعة بيانات داخل منصة Ultralytics (المصدر)

بمجرد تدريب النماذج، يمكن اختبارها على صور جديدة غير مرئية باستخدام علامة التبويب Predict المدمجة للتحقق من الأداء قبل النشر.

بعد التحقق، يمكن نشر النماذج بطرق مختلفة من خلال منصة Ultralytics، اعتماداً على حالة الاستخدام، بما في ذلك الاستدلال المشترك للتطوير والاختبار، أو نقاط النهاية المخصصة لعمليات النشر في الإنتاج، أو عن طريق تصدير النماذج للتشغيل على أنظمة خارجية أو أجهزة طرفية.

Link to this sectionاعتبارات وضع الكاميرا للاكتشاف الدقيق#

عند بناء نظام لمراقبة المنصات يعتمد على الرؤية، يمكن أن يؤثر وضع الكاميرا بشكل مباشر على مدى موثوقية التقاط مشكلات التكديس. يدعم الإعداد الصحيح أتمتة أكثر فعالية لأنظمة المراقبة.

الشكل 4. مثال على استخدام كاميرا علوية لمراقبة أنشطة المستودع (المصدر)

إليك بعض الاعتبارات العملية لوضع الكاميرا:

• وجهات نظر الرفوف المواجهة للأمام: يمكن للكاميرات الموضوعة في مواجهة رفوف المنصات التقاط الارتفاع الكامل للأكوام، مما يسهل مراقبة التكديس الزائد والأحمال المائلة.
• وجهات نظر مائلة للعمق والميل: يمكن لوجهات نظر الكاميرا المائلة، عادةً حوالي 30-45 درجة، توفير رؤية أفضل للعمق والميل والفجوات داخل الأكوام التي قد لا تكون مرئية من منظور مستقيم.
• وجهات نظر علوية للمناطق المكتظة: تعد وجهات النظر من الأعلى مفيدة في المناطق المكتظة، حيث قد تكون وجهات النظر الجانبية محجوبة ويصبح تمييز المنصات الفردية أكثر صعوبة.
• نقاط مراقبة الدخول والخروج: يمكن للكاميرات الموضوعة بالقرب من السيور الناقلة ومناطق الرصيف التقاط المنصات قبل وبعد الحركة، مما يساعد في تتبع التغيرات في الاستقرار أثناء النقل.
• مناطق تفاعل الرافعة الشوكية: يمكن أن توفر مراقبة مناطق الالتقاط والتسليم بالقرب من مسارات الرافعة الشوكية نظرة ثاقبة على استقرار الحمل أثناء المناولة، حيث تميل العديد من المشكلات إلى الحدوث.

Link to this sectionتطبيقات العالم الحقيقي لرؤية الذكاء الاصطناعي في تكديس المنصات#

بعد ذلك، دعنا نستعرض بعض الأمثلة العملية لكيفية استخدام رؤية الذكاء الاصطناعي في المستودعات لاكتشاف مشكلات تكديس المنصات الشائعة والتعامل معها.

Link to this sectionاكتشاف انتهاكات ارتفاع التكديس في مناطق التخزين#

تحدد حدود ارتفاع التكديس مدى الارتفاع الذي يمكن أن تصل إليه أكوام المنصات بأمان، خاصة في مناطق التخزين حيث يتم تكديس المنصات بالقرب من بعضها البعض لتحقيق أقصى استفادة من المساحة المتاحة. تساعد هذه الحدود في منع الأحمال غير المستقرة والحفاظ على مساحة خلوص آمنة حول رفوف المنصات والأنظمة العلوية مثل الرشاشات.

ومع ذلك، يمكن تجاوز هذه الحدود خلال فترات الذروة مثل عمليات الوارد ذات الحجم الكبير. ولمراقبة مثل هذا النشاط عن كثب، يمكن لنماذج مثل YOLO26 تحليل خلاصات الكاميرا لاكتشاف وحساب المنصات الفردية وتتبع كيفية نمو الكومة بمرور الوقت.

من خلال مراقبة عدد وموضع المنصات المكتشفة، يمكن لنظام يعمل بالرؤية تقدير ارتفاع الكومة الإجمالي وتحديد متى تقترب من الحدود الآمنة أو تتجاوزها. وهذا يمنح مشغلي المستودعات رؤية مبكرة للمشكلات المحتملة، مما يجعل من الممكن لهم تعديل التكديس أو إعادة توزيع الأحمال قبل أن تصبح خطراً على السلامة.

Link to this sectionتحديد اختلال توازن الحمولة والهياكل المائلة#

عندما يتم تكديس منصة إلى الارتفاع الصحيح ولكن لا يتم موازنتها بشكل صحيح، فقد تظل غير مستقرة. يمكن أن يتسبب توزيع الوزن غير المتساوي، أو الصناديق الموضوعة بشكل غير محكم، أو الاختلال الطفيف في ميل المنصة المحملة تدريجياً بمرور الوقت.

غالباً ما تكون هذه التغييرات خفية في البداية وقد لا تكون واضحة أثناء الفحوصات الروتينية. ولكن، مع نماذج الرؤية الحاسوبية مثل YOLO26، يمكن إجراء هذه الفحوصات باستمرار باستخدام خلاصات الكاميرا.

على سبيل المثال، يجعل دعم YOLO26 لصناديق التحديد الموجهة (OBBs) من السهل التقاط زاوية واتجاه كل منصة أو صندوق، بدلاً من مجرد موضعها. من خلال تتبع هذه الاتجاهات بمرور الوقت، يمكن للنموذج اكتشاف التحولات الصغيرة مثل الميول الطفيفة أو التغيرات في المحاذاة.

مع بدء هذه الزوايا في الانحراف عن المحاذاة الرأسية أو تصبح غير متسقة عبر الطبقات، يمكن أن يشير ذلك إلى أن الكومة بدأت في الميل. عند اكتشاف الاختلالات مبكراً، يمكن تصحيحها قبل أن تتفاقم.

Link to this sectionإيجابيات وسلبيات استخدام رؤية الذكاء الاصطناعي لتكديس المنصات بشكل آمن#

فيما يلي بعض الفوائد الرئيسية لاستخدام الأنظمة القائمة على الرؤية لتكديس المنصات:

• رؤية في الوقت الفعلي عبر العمليات: يمكن لأنظمة الرؤية توفير مراقبة مستمرة لظروف المنصات، مما يسهل اتباع معايير OSHA وممارسات التكديس السليمة.
• تتبع أفضل للحوادث: يمكن مراجعة البيانات المرئية المسجلة لاحقاً لفهم متى وكيف تطورت المشكلة.
• التكامل مع الأنظمة الحالية: يمكن توصيل نماذج الرؤية بأنظمة إدارة المستودعات أو أنظمة التنبيه لإطلاق إشعارات أو سير عمل.
• مراقبة قابلة للتوسع عبر المناطق: يمكن نشر نماذج الرؤية المتقدمة عبر مناطق متعددة من المستودع، مما يتيح رؤية متسقة حتى في المنشآت الكبيرة أو الموزعة.

بينما يوفر استخدام رؤية الذكاء الاصطناعي لتكديس المنصات العديد من المزايا، إليك بعض العوامل المقيدة التي يجب وضعها في الاعتبار:

• الحساسية البيئية: يمكن أن تؤثر ظروف الإضاءة والظلال والعوائق على مدى وضوح التقاط أكوام المنصات.
• الاعتماد على الإعداد الصحيح: تتطلب النتائج الموثوقة وضعاً مخططاً جيداً للكاميرا وتغطية كافية لمناطق التشغيل الرئيسية.
• تغير أداء النموذج: قد تتطلب التغييرات في تخطيط المستودع أو الإضاءة أو العمليات تحديثات دورية للنموذج أو إعادة تدريب.
• صيانة الكاميرا: قد تتطلب الكاميرات تنظيفاً ومعايرة وفحوصات منتظمة لضمان أداء متسق.

Link to this sectionخلاصة القول#

عادة لا يصبح تكديس المنصات غير الآمن مشكلة على الفور. بل يتراكم بمرور الوقت من خلال الاختلالات الصغيرة والأحمال المتحركة. ومع المراقبة المرئية المستمرة، يمكن اكتشاف هذه التغييرات الطفيفة مبكراً، مما يسهل التصرف قبل تفاقم المشكلات. تدعم نماذج مثل YOLO26 ذلك من خلال تمكين الاكتشاف السريع في الوقت الفعلي.

هل ترغب في استكشاف رؤية الذكاء الاصطناعي بشكل أكبر؟ قم بزيارة مستودع GitHub الخاص بنا لمعرفة المزيد. انضم إلى مجتمعنا واستكشف تطبيقات مثل الذكاء الاصطناعي في الخدمات اللوجستية ورؤية الذكاء الاصطناعي في التجزئة. تحقق من خيارات الترخيص الخاصة بنا للبدء!