استكشاف معالجة الصور والرؤية الحاسوبية والرؤية الآلية

يمكن استخدام الذكاء الاصطناعي لتحليل جميع أنواع البيانات، وعندما يتعلق الأمر بالبيانات المرئية مثل الصور ومقاطع الفيديو، يندرج ذلك ضمن مجال تحليلات الصور، الذي يتضمن تقنيات مختلفة. تتيح معالجة الصور والرؤية الحاسوبية والرؤية الآلية لأجهزة الكمبيوتر رؤية العالم وفهمه من خلال تحليل الصور وإطارات الفيديو. وعلى الرغم من أن هذه التقنيات الثلاث تبدو متشابهة، فإن بينها اختلافات رئيسية تجعلها مفيدة لمجموعة متنوعة من التطبيقات. تركز معالجة الصور على تعديل الصور وإطارات الفيديو وتحسينها، بينما تتقدم الرؤية الحاسوبية خطوة إضافية باستخدام هذه الصور المعالجة لمساعدة أجهزة الكمبيوتر على تفسير محتواها وفهمه. أما الرؤية الآلية، فتطبق تقنيات الرؤية الحاسوبية تحديدًا في البيئات الصناعية، مثل مهام الفحص ومراقبة الجودة.

الشكل 1. التقنيات الرئيسية المستخدمة لتحليل البيانات المرئية.

تتيح هذه المجالات الثلاثة تطبيقات متنوعة عبر العديد من القطاعات، مثل الرعاية الصحية والتصنيع والزراعة. في هذه المقالة، سنستكشف معالجة الصور والرؤية الحاسوبية والرؤية الآلية، ونناقش الاختلافات بينها. وسنستعرض أيضًا كيفية عملها واستخدامها في قطاعات مختلفة. لنبدأ.

ما هي معالجة الصور؟#

لنبدأ بالتقنية الأساسية التي تقوم عليها كل من الرؤية الحاسوبية والرؤية الآلية: معالجة الصور. وتتضمن استخدام خوارزميات لمعالجة الصور الرقمية وتحسينها، وضبط معلمات مثل السطوع والتباين وتوازن الألوان، أو تصفية التشويش، بهدف إعدادها للتحليل والتفسير الأكثر تقدمًا.

لنلقِ نظرة على كيفية عملها. تُجرى معالجة الصور من خلال تقسيم الصور إلى وحدات بكسل منفردة، ثم معالجة هذه الوحدات لتحقيق التأثيرات المطلوبة. فعلى سبيل المثال، لجعل الصورة أكثر سطوعًا، قد تزيد الخوارزمية شدة كل بكسل. وبالمثل، لاكتشاف الحواف، قد تبحث عن تغيّرات مفاجئة في قيم البكسلات. ومن خلال تطبيق العمليات والخوارزميات الرياضية على هذه البكسلات، يمكن استخدام معالجة الصور لتحسين 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، كما تساعد أنظمة الرؤية الحاسوبية والرؤية الآلية على تحليلها بدقة. وتوفر مكتبات مثل OpenCV وMATLAB أطرًا قوية تتيح هذه التقنيات لمعالجة الصور للمطورين والباحثين في مجموعة متنوعة من المجالات.

فيما يلي بعض تقنيات معالجة الصور الشائعة:

• الترشيح: يُطبَّق الترشيح لتقليل مستويات التشويش في الصورة من خلال تسوية التباينات والتشوهات. وتشمل المرشحات الشائعة مرشحات غاوسية لإجراء التغبيش، ومرشحات وسيطية لإزالة تشويش الملح والفلفل، الذي يظهر على شكل بكسلات بيضاء وسوداء عشوائية.
• اكتشاف الحواف: يُستخدم لتحديد حدود الكائنات في الصورة من خلال اكتشاف التغيرات الحادة في شدة البكسلات. وتستخدم تطبيقات مثل التصوير الطبي اكتشاف الحواف لتحديد بنية الأعضاء والأورام.
• التنقية بالعتبة: تتضمن التنقية بالعتبة في معالجة الصور تحويل صورة ذات تدرج رمادي إلى صورة ثنائية من خلال تحديد قيمة عتبة. وتتحول البكسلات التي تتجاوز العتبة إلى اللون الأبيض (1)، بينما تتحول البكسلات الواقعة دونها إلى اللون الأسود (0).

الشكل 2. صورة ذات تدرج رمادي قبل التنقية بالعتبة وبعدها.

استكشاف أحد تطبيقات معالجة الصور#

تُعد استعادة الصور مثالًا رائعًا على تطبيقات معالجة الصور. وتتضمن استعادة صورة تدهورت جودتها بمرور الوقت. وتُستخدم تقنيات مثل الترشيح وتقليل التشويش لإزالة العلامات والخدوش والبقع وآثار البِلى والتلف، وإعادة الصورة المتدهورة إلى جودتها الأصلية. وتفيد استعادة الصور بشكل خاص عندما تكون الصور منخفضة الجودة أو تالفة، مثل الصور القديمة.

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

ما الرؤية الحاسوبية؟#

على خلاف معالجة الصور، التي تركز على تغيير الصور وتحسينها، تمنح الرؤية الحاسوبية أجهزة الكمبيوتر القدرة على رؤية العالم الحقيقي وفهمه. تستخدم العديد من التطبيقات الرؤية الحاسوبية لتحديد الكائنات والأشخاص في الصور أو إطارات الفيديو وفهمهم. وهي تحاكي الرؤية البشرية وتحاول محاكاة الطريقة التي نفهم بها ما نراه من حولنا.

يمكن استخدام الرؤية الحاسوبية لأتمتة مهام مثل المراقبة. كما تتمتع بمجموعة واسعة من التطبيقات العملية، مثل التعرّف على الوجه والتصوير الطبي والمركبات ذاتية القيادة. وتُدرَّب نماذج الرؤية الحاسوبية باستخدام تقنيات التعلم العميق لاستخراج السمات والأنماط المعقدة وتحديدها من مجموعات بيانات الصور واسعة النطاق. ثم تستخدم قطاعات مختلفة هذه النماذج المُدرَّبة، مثل Ultralytics YOLOv8، لتنفيذ مهام مختلفة مثل اكتشاف الكائنات وتتبّع الكائنات.

الشكل 4. مثال على استخدام Ultralytics YOLOv8 في اكتشاف الكائنات.

فعلى سبيل المثال، تستخدم السيارات ذاتية القيادة مثل سيارات Tesla الرؤية الحاسوبية للتنقل في العالم الحقيقي. وتُعالج اللقطات التي تلتقطها الكاميرات الموجودة على متن السيارة باستخدام الرؤية الحاسوبية. وتُعد مهام الرؤية الحاسوبية مثل اكتشاف الكائنات وتتبّعها والتقسيم ضرورية لـفهم حالات المرور والبيئة المحيطة بها. ومن التطبيقات الأخرى المثيرة للاهتمام التعرّف على الوجه. إذ يمكن استخدام الرؤية الحاسوبية لتحليل سمات الوجه والتعرّف عليها في الصور، من خلال التقاط وجه شخص من صورة أو مقطع فيديو، وتحديد السمات الرئيسية، ومقارنتها بقاعدة بيانات تحتوي على بيانات الوجوه المخزنة.

ما هي الرؤية الآلية؟#

تُستخدم الرؤية الآلية في البيئات الصناعية، مثل مصانع التصنيع الكبيرة أو مرافق الإنتاج، في تطبيقات تشمل ضمان جودة المنتجات والتحقق من صحة الملصقات والرموز الشريطية على المنتجات النهائية. وتُعد الرؤية الآلية فرعًا متخصصًا من الرؤية الحاسوبية، يعتمد على أجهزة متينة للعمل بفاعلية في الظروف القاسية. وبما أن هذه الأنظمة مدمجة في التطبيقات الصناعية، فإن السرعة العالية والدقة في الوقت الفعلي أمران أساسيان.

لنرَ كيفية عملها. أولًا، تُجمع البيانات باستخدام كاميرا واحدة أو أكثر عالية الدقة. وقد تتضمن هذه الكاميرات أيضًا ميزات متخصصة مثل الأشعة تحت الحمراء أو التصوير الحراري. بعد ذلك، تُحلَّل البيانات المجمعة باستخدام تقنيات الرؤية الحاسوبية لاستخراج المعلومات المطلوبة. وتتضمن المعلومات المستخرجة عادةً تفاصيل مثل تحديد الكائنات وأشكالها وأحجامها وحركاتها وأنماطها وأي حالات شاذة موجودة في المشهد، وذلك وفقًا للتطبيق المحدد.

فهم أحد تطبيقات الرؤية الآلية#

تضمن مراقبة الجودة في خطوط الإنتاج الصناعي وصول المنتجات عالية الجودة فقط إلى العملاء، مما يؤدي إلى زيادة رضا العملاء والأرباح. وغالبًا ما تعتمد الأساليب التقليدية على الفحص اليدوي، الذي قد يستغرق وقتًا طويلًا جدًا ويكون عرضة للخطأ البشري. كما يمكن أن تؤدي مراقبة الجودة الضعيفة إلى تأخيرات في الإنتاج وخسائر مالية، مما يؤثر في سمعة الشركة. ويتمثل أحد الحلول الفعالة في أتمتة مهام مثل فحص الأسطح والتحقق من الملصقات وتحديد مواضع الكائنات بمساعدة الرؤية الآلية.

فعلى سبيل المثال، تُعد جودة المنتجات أمرًا بالغ الأهمية في صناعة الأدوية، وتُطبَّق لوائح صارمة للحفاظ على معايير عالية. ويمكن استخدام الرؤية الآلية للتأكد من أن عبوات الأقراص تحتوي على العدد الصحيح من الحبوب، والتحقق من أن كل عبوة تضم الكمية المطلوبة تمامًا، مثل عشر حبوب في عبوة تحتوي على 10 حبات. ويمكن استخدام نموذج رؤية حاسوبية مثل YOLOv8 لتحديد الحبوب وعدّها باستخدام اكتشاف الكائنات.

الشكل 5. يمكن استخدام الرؤية الآلية لمراقبة الجودة في صناعة الأدوية.

ومع ذلك، من المهم الانتباه إلى وجود بعض القيود التي ينبغي مراعاتها عند العمل باستخدام الرؤية الآلية. غالبًا ما تحتاج أنظمة الرؤية الآلية إلى ظروف إضاءة ممتازة لـإضاءة المنتجات في البيئات الصناعية. كما يلزم استخدام كاميرات عالية الجودة ومعالجات ومسرّعات أجهزة لالتقاط البيانات وتسريع عملية التحليل. ومن النتائج المباشرة لتصميم هذه الأنظمة خصيصًا للمهام العملية داخل البيئات الصناعية أنها قد تكون مكلفة عند إعدادها.

الاختلافات الرئيسية بين معالجة الصور والرؤية الحاسوبية والرؤية الآلية#

بعد أن ناقشنا التقنيات الثلاث كلًّا على حدة واستعرضنا بعض تطبيقاتها، فلنلقِ الآن نظرةً أكثر تفصيلًا عليها جنبًا إلى جنب.

الشكل 6. مقارنة جنبًا إلى جنب بين معالجة الصور والرؤية الحاسوبية والرؤية الآلية.

تُعد معالجة الصور الخيار الأفضل لمهام مثل ضبط السطوع أو تصفية التشويش، التي تتطلب قدرة حسابية أقل ولا تحتاج إلى فهم معلومات مرئية معقدة. وعلى الجانب الآخر، تتميز الرؤية الحاسوبية باستخراج الرؤى المفيدة من الصور والتعامل مع المشاهد المعقدة، لكنها تتطلب موارد حسابية وقدرًا أكبر من التعقيد. أما الرؤية الآلية، فهي مصممة للاستخدامات الصناعية، مثل الفحص الآلي، وغالبًا ما تدعمها أنظمة متخصصة ومكلفة.

رؤية الصورة الأكبر#

على الرغم من الترابط الوثيق بين معالجة الصور والرؤية الحاسوبية والرؤية الآلية، فإن لكل منها أغراضًا مميزة. تعمل معالجة الصور على تحسين الصور ومعالجتها على مستوى البكسل، مما يجعلها مفيدة جدًا لمهام مثل إعادة بناء الصور.

أما الرؤية الحاسوبية فتتقدم خطوة إضافية من خلال منح أجهزة الكمبيوتر القدرة على فهم البيانات المرئية واستيعابها. وهي ضرورية لحالات استخدام مثل التعرّف على الوجه والسيارات ذاتية القيادة. علاوةً على ذلك، تُستخدم الرؤية الآلية تحديدًا في التطبيقات الصناعية، إذ تعمل على أتمتة العمليات الصناعية مثل الفحص ومراقبة الجودة.

من خلال فهم هذه التقنيات والاختلافات بينها، يمكنك اختيار التقنية الأنسب لتطبيقاتك، مما يؤدي إلى تحسين الكفاءة وتحقيق نتائج أفضل.

لنتعلم ونستكشف معًا! اطّلع على مستودعنا على GitHub للتعرّف على إسهاماتنا في مجال الذكاء الاصطناعي، ولا تنسَ التفاعل مع مجتمعنا. وتعرّف على كيفية إعادة تعريفنا لقطاعات مثل التصنيع والرعاية الصحية باستخدام أحدث تقنيات الذكاء الاصطناعي.