استكشاف معالجة الصور، والرؤية الحاسوبية، ورؤية الآلة

يمكن استخدام الذكاء الاصطناعي لتحليل جميع أنواع البيانات، وعندما يتعلق الأمر بالبيانات المرئية مثل الصور ومقاطع الفيديو، يقع هذا تحت مجال تحليلات الصور، الذي يتضمن تقنيات مختلفة. تجعل معالجة الصور، والرؤية الحاسوبية، ورؤية الآلة من الممكن للحواسيب رؤية وفهم العالم من خلال تحليل الصور وإطارات الفيديو. وعلى الرغم من أن هذه التقنيات الثلاث تبدو متشابهة، إلا أن هناك اختلافات جوهرية تجعلها مفيدة لمجموعة متنوعة من التطبيقات. تركز معالجة الصور على معالجة وتعزيز الصور وإطارات الفيديو، بينما تخطو الرؤية الحاسوبية خطوة إلى الأمام باستخدام هذه الصور المعالجة لمساعدة الحواسيب في تفسير وفهم محتواها. من ناحية أخرى، تطبق رؤية الآلة تقنيات الرؤية الحاسوبية بشكل خاص في البيئات الصناعية، مثل مهام الفحص ومراقبة الجودة.

الشكل 1. التقنيات الرئيسية المستخدمة لتحليل البيانات المرئية.

تُمكّن هذه المجالات الثلاث تطبيقات متنوعة عبر العديد من الصناعات، مثل الرعاية الصحية، والتصنيع، والزراعة. في هذه المقالة، سنستكشف معالجة الصور، والرؤية الحاسوبية، ورؤية الآلة ونناقش الاختلافات بينها. كما سنتناول كيفية عملها وكيفية استخدامها في مختلف الصناعات. لنبدأ.

Link to this sectionما هي معالجة الصور؟#

لنبدأ بالتقنية الأساسية وراء كل من الرؤية الحاسوبية ورؤية الآلة: معالجة الصور. وهي تنطوي على استخدام خوارزميات لمعالجة وتحسين الصور الرقمية، وضبط معاملات مثل السطوع، والتباين، وتوازن الألوان، أو تصفية الضوضاء، لإعدادها لمزيد من التحليل والتفسير المتقدم.

دعونا نلقي نظرة على كيفية عملها. تتم معالجة الصور عن طريق تقسيم الصور إلى بكسلات فردية ثم معالجة هذه البكسلات لتحقيق التأثيرات المطلوبة. على سبيل المثال، لجعل الصورة أكثر سطوعًا، قد تزيد الخوارزمية من كثافة كل بكسل. وبالمثل، لاكتشاف الحواف، قد تبحث عن تغييرات مفاجئة في قيم البكسل. من خلال تطبيق العمليات الرياضية والخوارزميات على هذه البكسلات، يمكن استخدام معالجة الصور لتعزيز جودة الصورة، أو استخراج المعلومات، أو إنشاء صور جديدة.

تُعد تقنيات معالجة الصور ضرورية أيضًا لمعالجة البيانات وإنشاء مجموعات بيانات مرئية تحتوي على صور واضحة وعالية الجودة، وتساعد أنظمة الرؤية الحاسوبية ورؤية الآلة على تحليلها بدقة. توفر مكتبات مثل OpenCV وMATLAB أطر عمل قوية تجعل تقنيات معالجة الصور هذه متاحة للمطورين والباحثين عبر مجموعة من المجالات.

إليك بعض تقنيات معالجة الصور الشائعة:

• التصفية (Filtering): تُستخدم التصفية لتقليل مستويات الضوضاء في الصورة عن طريق تنعيم الاختلافات والتشوهات. تشمل بعض المرشحات الشائعة مرشحات Gaussian لـ التعتيم ومرشحات الوسيط (median filters) لإزالة ضوضاء الملح والفلفل، والتي تظهر كبكسلات بيضاء وسوداء عشوائية.
• اكتشاف الحواف (Edge detection): تُستخدم لتحديد حدود الأشياء في الصورة عن طريق اكتشاف التغيرات الحادة في كثافة البكسل. تستخدم تطبيقات مثل التصوير الطبي اكتشاف الحواف لتحديد هيكل الأعضاء والأورام.
• العتبة (Thresholding): تنطوي العتبة في معالجة الصور على تحويل صورة ذات تدرج رمادي إلى صورة ثنائية عن طريق تحديد قيمة عتبة. يتم تحويل البكسلات التي تزيد عن العتبة إلى اللون الأبيض (1)، وتلك التي تقل عنها إلى اللون الأسود (0).

الشكل 2. صورة ذات تدرج رمادي قبل وبعد تطبيق العتبة.

Link to this sectionاستكشاف أحد تطبيقات معالجة الصور#

ترميم الصور هو مثال رائع لتطبيق معالجة الصور. وهو يتضمن استعادة صورة تعرضت للتلف بمرور الوقت. تُستخدم تقنيات مثل التصفية وتقليل الضوضاء لإزالة العلامات، والخدوش، والبقع، والتآكل، واستعادة الصورة التالفة إلى جودتها الأصلية. يعد ترميم الصور مفيدًا بشكل خاص في المواقف التي تكون فيها الصور منخفضة الجودة أو تالفة، مثل الصور الفوتوغرافية القديمة.

الشكل 3. يمكن استخدام معالجة الصور لترميم الصور القديمة التالفة.

Link to this sectionما هي الرؤية الحاسوبية؟#

على عكس معالجة الصور، التي تركز على تعديل الصور وتعزيزها، تمنح الرؤية الحاسوبية الحواسيب القدرة على رؤية وفهم العالم الحقيقي. تستخدم العديد من التطبيقات الرؤية الحاسوبية لتحديد وفهم الأشياء والأشخاص في الصور أو إطارات الفيديو. فهي تحاكي الرؤية البشرية وتحاول محاكاة كيفية فهمنا لما نراه من حولنا.

يمكن استخدام الرؤية الحاسوبية لأتمتة مهام مثل المراقبة. كما أن لها مجموعة واسعة من التطبيقات العملية مثل التعرف على الوجوه، والتصوير الطبي، والمركبات ذاتية القيادة. يتم تدريب نماذج الرؤية الحاسوبية باستخدام تقنيات التعلم العميق لاستخراج وتحديد الميزات والأنماط المعقدة من مجموعات بيانات الصور واسعة النطاق. بعد ذلك، تستخدم صناعات مختلفة هذه النماذج المدربة، مثل Ultralytics YOLOv8، لمهام مختلفة مثل اكتشاف الأشياء وتتبع الأشياء.

الشكل 4. مثال على استخدام Ultralytics YOLOv8 لـ اكتشاف الأشياء.

على سبيل المثال، تستخدم السيارات ذاتية القيادة مثل تسلا الرؤية الحاسوبية للتنقل في العالم الحقيقي. تتم معالجة اللقطات التي تلتقطها كاميرات السيارة المدمجة باستخدام الرؤية الحاسوبية. تعد مهام الرؤية الحاسوبية مثل اكتشاف الأشياء وتتبعها والتجزئة حيوية لـ فهم حالات المرور والبيئة المحيطة بها. تطبيق آخر مثير للاهتمام هو التعرف على الوجوه. يمكن استخدام الرؤية الحاسوبية لتحليل والتعرف على ميزات الوجه في الصور عن طريق التقاط وجه الشخص من صورة أو فيديو، وتحديد الميزات الرئيسية، ومقارنتها بقاعدة بيانات لبيانات الوجه المخزنة.

Link to this sectionما هي رؤية الآلة؟#

تُستخدم رؤية الآلة في البيئات الصناعية مثل مصانع التصنيع الكبيرة أو مرافق الإنتاج لتطبيقات مثل ضمان جودة المنتج والتحقق من صحة الملصقات والرموز الشريطية (الباركود) على المنتجات النهائية. رؤية الآلة هي فرع متخصص من الرؤية الحاسوبية يعتمد على أجهزة متينة لتعمل بفعالية في الظروف القاسية. نظرًا لأن هذه الأنظمة مدمجة مع تطبيقات صناعية، فإن السرعة العالية والدقة في الوقت الفعلي أمران ضروريان.

دعونا نرى كيف تعمل. أولاً، يتم جمع البيانات باستخدام كاميرا واحدة أو أكثر عالية الدقة. قد تشمل هذه الكاميرات أيضًا ميزات متخصصة مثل الأشعة تحت الحمراء أو التصوير الحراري. بعد ذلك، يتم تحليل البيانات المجمعة باستخدام تقنيات الرؤية الحاسوبية لاستخراج المعلومات المطلوبة. عادةً ما تتضمن المعلومات المستخرجة تفاصيل مثل تحديد الأشياء، والأشكال، والأحجام، والحركات، والأنماط، وأي شذوذ موجود في المشهد، اعتمادًا على التطبيق المحدد.

Link to this sectionفهم أحد تطبيقات رؤية الآلة#

تضمن مراقبة الجودة في خطوط الإنتاج الصناعي وصول المنتجات عالية الجودة فقط إلى العملاء، مما يؤدي إلى زيادة رضا العملاء وزيادة الأرباح. تعتمد الطرق التقليدية غالبًا على الفحص اليدوي، والذي يمكن أن يكون مستهلكًا جدًا للوقت وعرضة للخطأ البشري. يمكن أن تؤدي مراقبة الجودة الضعيفة أيضًا إلى تأخيرات في الإنتاج وخسائر مالية، مما يؤثر على سمعة الشركة. الحل الأمثل هو أتمتة مهام مثل فحص السطح، والتحقق من الملصقات، وتحديد موضع الأشياء بمساعدة رؤية الآلة.

على سبيل المثال، في صناعة الأدوية، تعد جودة المنتج أمرًا بالغ الأهمية، ويتم فرض لوائح صارمة للحفاظ على معايير عالية. يمكن استخدام رؤية الآلة للتأكد من أن عبوات الأقراص تحتوي على العدد الصحيح من الحبوب، والتحقق من أن كل عبوة تحتوي على الكمية الصحيحة تمامًا، مثل عشر حبات في عبوة مكونة من 10 حبات. يمكن استخدام نموذج رؤية حاسوبية مثل YOLOv8 لتحديد وعد الحبوب باستخدام اكتشاف الأشياء.

الشكل 5. يمكن استخدام رؤية الآلة لمراقبة الجودة في صناعة الأدوية.

ومع ذلك، من المهم أن تدرك أن هناك بعض القيود التي يجب مراعاتها عند العمل مع رؤية الآلة. غالبًا ما تحتاج أنظمة رؤية الآلة إلى ظروف إضاءة ممتازة لـ إضاءة المنتجات في البيئات الصناعية. كما أن هناك حاجة إلى كاميرات عالية الجودة، ومعالجات، ومسرعات أجهزة لالتقاط البيانات وتسريع عملية التحليل. نتيجة مباشرة لكون هذه الأنظمة مصممة خصيصًا لمهام عملية داخل البيئات الصناعية هي أنها قد تكون مكلفة في الإعداد.

Link to this sectionالاختلافات الرئيسية بين معالجة الصور، والرؤية الحاسوبية، ورؤية الآلة#

الآن وبعد أن ناقشنا التقنيات الثلاث بشكل منفصل وألقينا نظرة على بعض تطبيقاتها، دعونا نلقي نظرة فاحصة عليها جنبًا إلى جنب.

الشكل 6. مقارنة جنبًا إلى جنب لمعالجة الصور، والرؤية الحاسوبية، ورؤية الآلة.

تعد معالجة الصور هي الأفضل لمهام مثل ضبط السطوع أو تصفية الضوضاء التي تتطلب طاقة حاسوبية أقل ولا تتطلب القدرة على فهم معلومات مرئية معقدة. من ناحية أخرى، تتفوق الرؤية الحاسوبية في استخراج رؤى ذات مغزى من الصور والتعامل مع المشاهد المعقدة، لكنها تتطلب المزيد من الموارد الحاسوبية والتعقيد. وفي الوقت نفسه، تم تصميم رؤية الآلة للاستخدامات الصناعية، مثل الفحص الآلي، وغالبًا ما يتم دعمها بأنظمة متخصصة ومكلفة.

Link to this sectionرؤية الصورة الكبيرة#

في حين أن معالجة الصور، والرؤية الحاسوبية، ورؤية الآلة مرتبطة ارتباطًا وثيقًا، إلا أن لكل منها أغراضًا متميزة. تعمل معالجة الصور على تحسين ومعالجة الصور على مستوى البكسل، مما يجعلها مفيدة جدًا لمهام مثل إعادة بناء الصور.

من ناحية أخرى، تذهب الرؤية الحاسوبية إلى أبعد من ذلك بقليل بمنح الحواسيب القدرة على فهم البيانات المرئية واستيعابها. إنها بالغة الأهمية لحالات الاستخدام مثل التعرف على الوجوه والسيارات ذاتية القيادة. علاوة على ذلك، تُستخدم رؤية الآلة خصيصًا للتطبيقات الصناعية. فهي تقوم بأتمتة العمليات الصناعية مثل عمليات الفحص ومراقبة الجودة.

من خلال فهم هذه التقنيات واختلافاتها، يمكنك اختيار التقنية الأكثر ملاءمة لتطبيقاتك، مما يؤدي إلى تحسين الكفاءة ونتائج أفضل.

لنتعلم ونستكشف معًا! تحقق من مستودع GitHub الخاص بنا لرؤية مساهماتنا في الذكاء الاصطناعي، ولا تنسَ التفاعل مع مجتمعنا. تعرف على كيفية إعادة تعريفنا لصناعات مثل التصنيع والرعاية الصحية باستخدام تقنية الذكاء الاصطناعي المتطورة.