استكشاف معالجة الصور والرؤية الحاسوبية والرؤية الآلية

يمكن استخدام الذكاء الاصطناعي لتحليل أنواع البيانات كافة، وعندما يتعلق الأمر بالبيانات المرئية مثل الصور ومقاطع الفيديو، فإن ذلك يندرج ضمن مجال تحليلات الصور، الذي يشمل تقنيات مختلفة. تتيح معالجة الصور والرؤية الحاسوبية والرؤية الآلية لأجهزة الكمبيوتر رؤية العالم وفهمه من خلال تحليل الصور وإطارات الفيديو. وعلى الرغم من التشابه الظاهري بين هذه التقنيات الثلاث، فإن بينها اختلافات جوهرية تجعلها مفيدة في تطبيقات متنوعة. تركز معالجة الصور على تعديل الصور وإطارات الفيديو وتحسينها، بينما تتجاوز الرؤية الحاسوبية ذلك باستخدام 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 في قطاعات كثيرة، مثل الرعاية الصحية والتصنيع والزراعة. في هذا المقال، سنستكشف معالجة الصور والرؤية الحاسوبية والرؤية الآلية، ونناقش الاختلافات بينها. كما سنشرح آلية عملها وكيفية استخدامها في قطاعات مختلفة.

ما معالجة الصور؟#

لنبدأ بالتقنية الأساسية التي تقوم عليها كل من الرؤية الحاسوبية والرؤية الآلية: معالجة الصور. وهي تنطوي على استخدام الخوارزميات لتعديل الصور الرقمية وتحسينها، وضبط معلمات مثل السطوع والتباين وتوازن الألوان أو تصفية التشويش، وذلك لإعدادها لتحليل أكثر تقدمًا وتفسيرها.

لنلقِ نظرة على آلية عملها. تُجرى معالجة الصور بتقسيم الصور إلى وحدات بكسل منفردة، ثم تعديل هذه الوحدات لتحقيق التأثيرات المطلوبة. فعلى سبيل المثال، لزيادة سطوع صورة، قد تزيد الخوارزمية شدة كل وحدة بكسل. وبالمثل، قد تبحث الخوارزمية عن التغيرات المفاجئة في قيم وحدات البكسل لاكتشاف الحواف. ومن خلال تطبيق العمليات الرياضية والخوارزميات على وحدات البكسل، 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 تضم صورًا واضحة وعالية الجودة، كما تساعد أنظمة الرؤية الحاسوبية والرؤية الآلية على تحليلها بدقة. وتوفر مكتبات مثل OpenCV وMATLAB أطر عمل قوية تتيح للمطورين والباحثين في مجالات شتى استخدام تقنيات معالجة الصور بسهولة.

فيما يلي بعض تقنيات معالجة الصور الشائعة:

• الترشيح: يُطبّق الترشيح للحد من الضوضاء في الصورة عبر تنعيم التباينات والتشوهات. ومن المرشحات الشائعة مرشحات غاوس للتمويه، والمرشحات الوسيطة لإزالة ضوضاء الملح والفلفل، التي تظهر على شكل بكسلات بيضاء وسوداء عشوائية.
• اكتشاف الحواف: يُستخدم لتحديد حدود الأجسام في الصورة عبر اكتشاف التغيرات الحادة في شدة البكسلات. وتستخدم تطبيقات مثل التصوير الطبي اكتشاف الحواف لتحديد معالم الأعضاء والأورام.
• تحديد العتبة: يتضمن تحديد العتبة في معالجة الصور تحويل صورة بتدرج الرمادي إلى صورة ثنائية من خلال تعيين قيمة عتبة. تتحول البكسلات التي تتجاوز العتبة إلى اللون الأبيض (1)، وتتحول البكسلات التي تقع دونها إلى اللون الأسود (0).

الشكل 2. صورة بتدرج الرمادي قبل تحديد العتبة وبعده.

استكشاف أحد تطبيقات معالجة الصور#

يُعد ترميم الصور مثالًا رائعًا على تطبيقات معالجة الصور. وينطوي على استعادة صورة تدهورت جودتها بمرور الوقت. وتُستخدم تقنيات مثل التصفية وتقليل التشويش لإزالة العلامات والخدوش والبقع وآثار التلف، واستعادة الصورة المتدهورة إلى جودتها الأصلية. ويكون ترميم الصور مفيدًا على نحو خاص عندما تكون الصور منخفضة الجودة أو تالفة، مثل الصور الفوتوغرافية القديمة.

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

ما الرؤية الحاسوبية؟#

على خلاف معالجة الصور التي تركز على تعديل الصور وتحسينها، تمنح الرؤية الحاسوبية أجهزة الكمبيوتر القدرة على رؤية العالم الحقيقي وفهمه. وتستخدم تطبيقات كثيرة الرؤية الحاسوبية لتحديد الأجسام والأشخاص في الصور أو إطارات الفيديو وفهمهم. وتهدف إلى محاكاة الطريقة التي نفهم بها ما نراه حولنا.

يمكن استخدام الرؤية الحاسوبية لأتمتة مهام مثل المراقبة. ولها أيضًا تطبيقات عملية واسعة النطاق، مثل التعرف على الوجوه والتصوير الطبي والمركبات ذاتية القيادة. تُدرَّب نماذج الرؤية الحاسوبية باستخدام تقنيات التعلم العميق لاستخراج السمات والأنماط المعقدة من مجموعات بيانات الصور الكبيرة وتحديدها. ثم تستخدم قطاعات مختلفة هذه النماذج المدرّبة، مثل Ultralytics YOLOv8، لتنفيذ مهام متنوعة كـاكتشاف الأجسام وتتبع الأجسام.

الشكل 4. مثال على استخدام Ultralytics YOLOv8 لاكتشاف الأجسام.

على سبيل المثال، تستخدم السيارات ذاتية القيادة مثل سيارات Tesla الرؤية الحاسوبية للتنقل في العالم الحقيقي. وتُعالج اللقطات التي تلتقطها الكاميرات المثبتة في السيارة باستخدام الرؤية الحاسوبية. وتُعد مهام الرؤية الحاسوبية مثل اكتشاف الأجسام وتتبعها وتقسيم الصور أساسية لفهم المواقف المرورية والبيئة المحيطة. ومن التطبيقات الأخرى المثيرة للاهتمام التعرف على الوجوه. إذ يمكن استخدام الرؤية الحاسوبية لتحليل ملامح الوجه في الصور والتعرف عليها، وذلك بالتقاط وجه الشخص من صورة أو مقطع فيديو، وتحديد ملامحه الرئيسية، ومقارنتها بقاعدة بيانات لبيانات الوجوه المخزنة.

ما الرؤية الآلية؟#

تُستخدم الرؤية الآلية في البيئات الصناعية، مثل مصانع التصنيع الكبيرة أو منشآت الإنتاج، في تطبيقات تشمل ضمان جودة المنتجات والتحقق من صحة الملصقات والرموز الشريطية على المنتجات النهائية. والرؤية الآلية فرع متخصص من الرؤية الحاسوبية يعتمد على أجهزة متينة للعمل بفعالية في الظروف القاسية. ونظرًا إلى دمج هذه الأنظمة في التطبيقات الصناعية، فإن السرعة العالية والدقة الآنية أمران أساسيان.

لنرَ آلية العمل. أولًا، تُجمع البيانات باستخدام كاميرا واحدة عالية الدقة أو أكثر. وقد تتضمن هذه الكاميرات أيضًا ميزات متخصصة مثل التصوير بالأشعة تحت الحمراء أو التصوير الحراري. ثم تُحلل البيانات المجمّعة باستخدام تقنيات الرؤية الحاسوبية لاستخراج المعلومات اللازمة. وتشمل المعلومات المستخرجة عادةً تفاصيل مثل تحديد الأجسام وأشكالها وأحجامها وحركاتها وأنماطها وأي حالات شاذة في المشهد، وفقًا للتطبيق المحدد.

فهم أحد تطبيقات الرؤية الآلية#

يضمن ضبط الجودة في خطوط الإنتاج الصناعية وصول المنتجات عالية الجودة فقط إلى العملاء، ما يؤدي إلى زيادة رضا العملاء والأرباح. وتعتمد الطرق التقليدية غالبًا على الفحص اليدوي، الذي قد يستغرق وقتًا طويلًا ويكون عرضة للخطأ البشري. وقد يؤدي ضعف ضبط الجودة أيضًا إلى تأخيرات في الإنتاج وخسائر مالية تؤثر في سمعة الشركة. ومن الحلول الفعالة أتمتة مهام مثل فحص الأسطح والتحقق من الملصقات وموضعة الأجسام بمساعدة الرؤية الآلية.

على سبيل المثال، في قطاع الأدوية، تكتسب جودة المنتجات أهمية بالغة، وتُطبّق لوائح صارمة للحفاظ على معايير عالية. ويمكن استخدام الرؤية الآلية للتأكد من احتواء عبوات الأقراص على العدد الصحيح، والتحقق من وجود الكمية المطلوبة بالضبط في كل عبوة، مثل عشرة أقراص في عبوة من 10 أقراص. ويمكن استخدام نموذج للرؤية الحاسوبية مثل YOLOv8، المدرّب على مجموعة بيانات مثل Medical Pills، لتحديد الأقراص وعدّها باستخدام اكتشاف الأجسام.

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

ومع ذلك، من المهم الانتباه إلى بعض القيود عند العمل بالرؤية الآلية. فغالبًا ما تحتاج أنظمة الرؤية الآلية إلى ظروف إضاءة ممتازة لإضاءة المنتجات في البيئات الصناعية. كما تتطلب كاميرات ومعالجات ومسرّعات أجهزة عالية الجودة لالتقاط البيانات وتسريع عملية التحليل. وبما أن هذه الأنظمة مصممة خصيصًا لتنفيذ مهام عملية في البيئات الصناعية، فقد يكون إعدادها مكلفًا.

الاختلافات الرئيسية بين معالجة الصور والرؤية الحاسوبية والرؤية الآلية#

بعد أن ناقشنا التقنيات الثلاث كلًّا على حدة واستعرضنا بعض تطبيقاتها، لنلقِ نظرة عليها جنبًا إلى جنب.

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

تُعد معالجة الصور الخيار الأنسب لمهام مثل ضبط السطوع أو ترشيح الضوضاء، التي تتطلب قدرة حوسبية أقل ولا تحتاج إلى فهم المعلومات المرئية المعقدة. في المقابل، تتفوق الرؤية الحاسوبية في استخراج رؤى ذات معنى من الصور والتعامل مع المشاهد المعقدة، لكنها تتطلب موارد حوسبية أكبر وتكون أكثر تعقيدًا. أما الرؤية الآلية، فهي مصممة للاستخدامات الصناعية مثل الفحص الآلي، وغالبًا ما تدعمها أنظمة متخصصة ومكلفة.

رؤية الصورة الأشمل#

على الرغم من الترابط الوثيق بين معالجة الصور والرؤية الحاسوبية والرؤية الآلية، فإن لكل منها غرضًا مميزًا. تعزز معالجة الصور الصور وتعدلها على مستوى البكسل، ما يجعلها مفيدة جدًا لمهام مثل استعادة الصور.

أما الرؤية الحاسوبية، فتتجاوز ذلك قليلًا بمنح الحواسيب القدرة على فهم البيانات المرئية واستيعابها. وهي أساسية لتطبيقات مثل التعرّف على الوجه والسيارات ذاتية القيادة. فضلًا عن ذلك، تُستخدم الرؤية الآلية تحديدًا في التطبيقات الصناعية، حيث تؤتمت العمليات الصناعية مثل الفحص ومراقبة الجودة.

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

لنتعلم ونستكشف معًا! تفقّد مستودع GitHub للاطلاع على إسهاماتنا في الذكاء الاصطناعي، ولا تنسَ التفاعل مع مجتمعنا. واكتشف كيف نعيد تشكيل قطاعات مثل التصنيع والرعاية الصحية باستخدام تقنيات الذكاء الاصطناعي.