ترخيص YOLO
منصة Ultralytics

التعليق التلقائي باستخدام Gemini 4 Hydrogen: تكلفة أقل لكل رمز، وتكلفة أعلى لكل صورة

يحتل Gemini 4 Hydrogen المرتبة الثالثة بين 46 نموذجًا للرؤية واللغة (VLMs) في معيارنا للكشف عن الأجسام عبر 36 مجموعة بيانات، محققًا 0.553 mAP50، مع أعلى النتائج في اكتشاف أمراض النباتات والإنقاذ البحري والأشعة السينية.

Glenn JocherGlenn Jocher12 دقيقة قراءة
العمل الفني لإطلاق Gemini 4 Hydrogen من Google، مع مربع في Ultralytics Platform يعرض 0.553 mAP50، نتيجته الإجمالية في معيار UL37 للكشف عن الأجسام

يحتل Gemini 4 Hydrogen المرتبة الثالثة بين 46 نموذجًا للتعليق التلقائي على UL37، وهو معيار الكشف عن الأجسام الذي نستخدم فيه 36 مجموعة بيانات، وذلك على لوحة متصدرّي VLM من Ultralytics المحدّثة في 12 نوفمبر 2026. حقق 0.553 mAP50 و0.350 mAP50-95، متأخرًا عن Gemini 4 Carbon (0.584) وGPT-6.1 Terra (0.560)، ومتقدمًا على Claude Fable 5.2 وGemini 4 Argon؛ كما حقق أعلى نتيجة في PlantDoc (أمراض النباتات) وSeaDronesSee 2 (البحث والإنقاذ البحري) وIEDXray (الأشعة السينية الأمنية)، وتعادل على أعلى نتيجة في Kvasir-SEG وEgoHands.

أطلقت Google نموذج Hydrogen في 12 نوفمبر بوصفه نموذج Gemini 4 سريعًا وموفرًا للتكلفة، وأصبح متاحًا الآن للتعليق التلقائي في Ultralytics Platform. تروّج Google لاستخدام Hydrogen في البرمجة والوكلاء، بينما يقيس UL37 مدى جودة رسمه للمربعات.

فيما يلي النتائج الإجمالية ونتائج Hydrogen لكل مجموعة بيانات، وكيف يؤثر استخدام الرموز في تكلفته لكل صورة، وكيفية تشغيله على مجموعة بياناتك في Platform.

الكشف عن الأجسام باستخدام Gemini 4 Hydrogen: المرتبة الثالثة على UL37#

يقيس UL37 مدى تطابق مربعات النموذج مع التسميات البشرية على 360 صورة: 10 صور من كل مجموعة من 36 مجموعة بيانات حقيقية لـالكشف عن الأجسام، بدءًا من التصوير بالموجات فوق الصوتية للغدة الدرقية واللقطات الحرارية بالطائرات المسيّرة، وصولًا إلى رفوف المتاجر ومخططات الطوابق ولوحات الدوائر. تُمرر كل صورة عبر مسار المعالجة نفسه الذي يستخدمه مستخدمو Platform، مع أسماء الفئات الخاصة بمجموعة البيانات، وتحظى كل مجموعة بيانات بالوزن نفسه. المنهجية متاحة للجميع.

تضع نتيجة Hydrogen البالغة 0.553 mAP50 إياه متأخرًا عن المتصدر بمقدار 0.031 وعن Terra بمقدار 0.007. إليك موقعه بين نماذج Google الأخرى وأقرب المنافسين:

النموذجUL37 mAP50سعر الرموز لكل مليون (إدخال / إخراج)تكلفة الموفّر لكل 1,000 صورة
Gemini 4 Carbon0.584$2.00 / $10.00 حتى 30 نوفمبر، ثم $4.00 / $20.00$12.93 (نحو $25.87 اعتبارًا من 1 ديسمبر)
GPT-6.1 Terra0.560$1.00 / $5.00$4.36
Gemini 4 Hydrogen0.553$1.50 / $7.50$20.32
Claude Fable 5.20.544$8.00 / $40.00$37.55
Gemini 4 Argon0.537$2.00 / $10.00 حتى 30 نوفمبر، ثم $4.00 / $20.00$7.60 (نحو $15 اعتبارًا من 1 ديسمبر)
Gemini 3.8 Flash0.516$0.75 / $3.75 حتى 31 ديسمبر، ثم $1.50 / $7.50$5.86 (نحو $11.72 اعتبارًا من 1 يناير)

تُحسب تكلفة المزوّد استنادًا إلى استخدام الرموز الذي يبلّغ عنه كل مزوّد وفق الأسعار المدرجة. تضاف إلى التعليق الدفعي رسوم المعالجة في Platform، البالغة $1.00 لكل 1,000 صورة، لأي نموذج.

الأسعار حتى 16 نوفمبر 2026. يحدد منشور إطلاق Hydrogen من Google السعر بـ $1.50 لكل مليون رمز إدخال و$7.50 لكل مليون رمز إخراج. ويحدد منشور إتاحة Carbon من Google سعر Carbon التمهيدي حتى 30 نوفمبر 2026، ثم $4.00 و$20.00 بعد ذلك؛ كما تعرض صفحة أسعار Gemini API التغيير نفسه لـ Gemini 4 Argon؛ ويحدد منشور Flash السعر التمهيدي لـ Gemini 3.8 Flash حتى 31 ديسمبر 2026، ثم $1.50 و$7.50 اعتبارًا من 1 يناير 2027. تطبق الأرقام اللاحقة في الجدول تلك الأسعار المعلنة على استخدام الرموز نفسه في المعيار؛ وهي تقديرات وليست تشغيلات جديدة.

أرقام Hydrogen الأخرى من التشغيل: ‏mAP50-95 بقيمة 0.350، وهو مقياس يكافئ أيضًا إحكام ملاءمة المربعات، ويأتي في المرتبة الثانية بعد Carbon الذي سجل 0.371؛ ودقة قدرها 0.63 واستدعاء قدره 0.62؛ من دون طلبات فاشلة أو حالات رفض؛ ومتوسط زمني قدره 7.2 ثانية لكل صورة.

الغرض الذي صُمم Hydrogen من أجله في Google#

يذكر منشور الإطلاق من Google أن Hydrogen «مصمم للتنفيذ السريع عبر مسارات عمل متنوعة قائمة على الوكلاء»، في حين أن Carbon وArgon «يتفوقان في الاستدلال العميق طويل الأمد على أصعب مشكلاتك». يمتلك Hydrogen نافذة سياق بسعة مليون رمز، ويبلغ سعره $1.50 لكل مليون رمز إدخال و$7.50 لكل مليون رمز إخراج عبر كامل النافذة، ويقدم أربعة مستويات للتفكير: منخفض ومتوسط ومرتفع (وهو الافتراضي) ومستوى xhigh الجديد.

تفيد Google بأن Hydrogen حقق 51 نقطة في مؤشر Artificial Analysis Intelligence Index عند المستوى الافتراضي المرتفع، أي أعلى بنقطة واحدة من Argon، و54 نقطة عند مستوى xhigh. وتصف Google Hydrogen بأنه ترقية كبيرة للفرق التي تنتقل من Gemini 3.8 Flash، مع نتيجة 57% في Terminal-Bench 4.1 مقارنةً بـ 18.2% لـ Flash. لا يقيس أي من هذه الأرقام المربعات المحيطة، ولهذا نجري UL37.

مقارنة Gemini 4 Hydrogen وGemini 3.8 Flash على UL37#

حقق Gemini 3.8 Flash نتيجة 0.516 mAP50 على UL37، لذا يضيف Hydrogen مقدار 0.037 على الصور ومسار المعالجة نفسيهما، أي نحو أربعة أخماس الفارق البالغ 0.047 بين Argon وCarbon. ويحتل Hydrogen المرتبة الثالثة على لوحة المتصدرين، بينما يأتي Flash في المرتبة الثامنة.

كما يتقدم على Claude Fable 5.2 بمقدار 0.009، بتكلفة لكل صورة تزيد قليلًا على نصف تكلفة Fable، ويتقدم على Gemini 4 Argon بمقدار 0.016، مع أن تكلفة Argon تبلغ $7.60 لكل 1,000 صورة.

مخطط دقة الكشف في صفحة نموذج Gemini 4 Hydrogen، يرتب النماذج حسب mAP50 على UL37 ويبرز Hydrogen في المرتبة الثالثة

قيمة mAP50 على UL37 من صفحة نموذج Gemini 4 Hydrogen، مع إبراز Hydrogen في المرتبة الثالثة، حتى 14 نوفمبر 2026.

تأثير استخدام الرموز في التكلفة لكل صورة#

يفرض نموذج الرؤية واللغة رسومًا على الصورة والموجّه الذي يقرأه، وعلى كل رمز ينتجه، بما في ذلك أي استدلال يسبق الإجابة. وقد تختلف تكلفة نموذجين لكل صورة كثيرًا إذا استخدم أحدهما عددًا أكبر من الرموز، حتى لو تقاربت أسعار الرموز لديهما.

تبلغ أسعار رموز Hydrogen 75% بالضبط من أسعار Carbon التمهيدية، لكل من الإدخال والإخراج. لو استخدم النموذجان العدد نفسه من الرموز لكل صورة، لبلغت تكلفة Hydrogen نحو $9.70 لكل 1,000 صورة. لكن تكلفته تبلغ $20.32، ما يعني أن عمليات Hydrogen استخدمت نحو ضعف عدد الرموز المرجح سعرها لكل صورة مقارنةً بـ Carbon. وبالمقارنة مع Gemini 3.8 Flash، الذي تبلغ أسعاره الحالية نصف أسعار Hydrogen بالضبط، توضح الحسابات نفسها أن Hydrogen يستخدم نحو 1.7 ضعف عدد الرموز المرجح سعرها لكل صورة مقارنةً بـ Flash.

تفيد Google بأن Hydrogen استخدم رموزًا أقل بنسبة تتراوح بين 12% و23% من 3.8 Flash في الاختبارات المبكرة مع الشركاء على مسارات عمل معقدة تعتمد على الرسوم البيانية وSQL والبيانات بكثافة. أما التعليق فمهمة مختلفة: صورة واحدة وإجابة منظمة واحدة؛ وعلى UL37 استخدم Hydrogen عددًا أكبر من الرموز المرجح سعرها لكل صورة. ويبلغ وسيطه الزمني 7.2 ثانية لكل صورة، مقابل 5.1 ثانية لـ Terra و4.6 لـ Argon.

تكلفة المزوّد لكل 1,000 صورة من UL37 حتى 16 نوفمبر 2026: Terra وHydrogen بالسعر المعلن، وCarbon بسعره التمهيدي البالغ $2 / $10، مع تقدير تكلفته وفق السعر المعلن البالغ $4 / $20 وباستخدام الرموز نفسه.

تجمع التكلفة لكل 1,000 صورة بين أسعار الرموز وعدد الرموز التي يستخدمها النموذج في مهمة معينة؛ لذا فإن اختبار بعض الصور التمثيلية من مجموعة بياناتك يقدم التقدير الأنسب. تعرض لوحة المتصدرين وصفحات النماذج المدفوعة في Platform تكلفة المزوّد لكل 1,000 صورة، ويتناول دليل تكلفة برامج التعليق على الصور بقية ميزانية وضع التسميات.

المجالات التي يحقق فيها Gemini 4 Hydrogen أعلى النتائج: النباتات والإنقاذ البحري والأشعة السينية#

قد تخفي المتوسطات المحسوبة عبر 36 مجموعة بيانات الحالات التي يتقدم فيها نموذج على غيره، وتعرض صفحة نموذج Gemini 4 Hydrogen نتيجته في كل مجموعة منها. حقق Hydrogen أعلى نتيجة بين النماذج الـ46 في ثلاث مجموعات بيانات، وتعادل على أعلى نتيجة في مجموعتين إضافيتين.

أمراض النباتات. في PlantDoc، التي تضم 29 فئة لأوراق المحاصيل السليمة والمصابة، حقق Hydrogen نتيجة 0.638، متصدرًا النماذج على مجموعة البيانات. وكان Carbon قد سجل أعلى نتيجة سابقة فيها، إذ حقق 0.594، كما ورد في نتائج Gemini 4 Carbon.

البحث والإنقاذ البحري. في SeaDronesSee 2، التي تضم لقطات بالطائرات المسيّرة لسباحين وقوارب ومعدات إنقاذ في البحر، حقق Hydrogen نتيجة 0.596، متقدمًا على Carbon الذي سجل 0.564 وTerra الذي سجل 0.476.

صورة بطائرة مسيّرة لمياه مفتوحة من مجموعة بيانات SeaDronesSee 2، تظهر فيها المربعات المتوقعة من Gemini 4 Hydrogen حول قارب وثلاثة سباحين ودراجة مائية

مربعات Gemini 4 Hydrogen على صورة من معيار SeaDronesSee 2، من التنبؤات المعروضة في صفحة النموذج.

الأشعة السينية الأمنية. في IEDXray، التي تعرض مكونات أجهزة متفجرة مخفية في صور الأشعة السينية للحقائب، حقق Hydrogen نتيجة 0.315 مقابل 0.282 لـ Carbon. تسجل جميع النماذج نتائج منخفضة هنا، لذا ينبغي اعتبار هذه النتيجة الأفضل ضمن مجموعة بيانات صعبة، لا أداة فحص جاهزة للاستخدام.

تنظير القولون واكتشاف السلائل. في Kvasir-SEG، حقق Hydrogen نتيجة 0.805 وتعادل على أعلى نتيجة في مجموعة البيانات. وحقق Terra نتيجة 0.71 فيها وCarbon نتيجة 0.65؛ وتعرض نتائج GPT-6.1 Terra نتائج Terra في التصوير الطبي بمزيد من التفصيل.

اليدان. في EgoHands، التي تضم مقاطع فيديو من منظور الشخص الأول لليدين، حقق Hydrogen نتيجة 0.995 وتعادل مع GPT-6 Astra على أعلى نتيجة.

التصوير بالموجات فوق الصوتية للغدة الدرقية، والحالة المضادة. في TN5000، حيث تُصنّف كل عقدة بأنها حميدة أو خبيثة، حقق Hydrogen نتيجة 0.704 مقابل 0.537 لـ Carbon. وسجل كل من Gemini 3.8 Flash (0.88) وTerra (0.935) نتيجة أعلى في مجموعة البيانات هذه. كما سجل Hydrogen نتائج تقارب الصفر في عيوب لوحات الدوائر المطبوعة العارية (DeepPCB، 0.000)، وأشعة السل الصدرية (TBX11K، 0.013)، وعناصر واجهة المستخدم البرمجية (GroundCUA، 0.021).

في تحليل الصور الطبية، تعامل مع مربعات أي نموذج على أنها مسودة يراجعها الخبراء السريريّون ويعتمدونها، لا على أنها تشخيص.

جدول النتائج حسب مجموعة البيانات في صفحة نموذج Gemini 4 Hydrogen، يعرض mAP50 والدقة والاستدعاء على UL37 لكل مجموعة بيانات

نتائج Gemini 4 Hydrogen على UL37 لكل مجموعة بيانات في صفحة النموذج، حتى 14 نوفمبر 2026.

تتضمن كل مجموعة بيانات 10 صور، لذا اعتبر النتيجة في صف واحد مؤشرًا يستدعي الاختبار على صورك، لا حكمًا نهائيًا. يشرح دليلنا حول اختيار نموذج VLM استنادًا إلى الدقة والاستدعاء كيفية الموازنة بين المربعات الخاطئة والأجسام التي لم تُكتشف بعد تحديد قائمة مختصرة.

كيفية تشغيل التعليق التلقائي باستخدام Gemini 4 Hydrogen على مجموعة بياناتك#

Hydrogen نموذج يعتمد على الموجّه بالفئات لمجموعات بيانات الكشف التي تضم من 1 إلى 200 فئة. ويعيد مربعات بأسماء الفئات الخاصة بمجموعة بياناتك، لتراجعها قبل التدريب.

  1. أنشئ مفتاح Gemini API في Google AI Studio.
  2. اطلب من مالك مساحة العمل إضافة المفتاح ضمن Settings > API Keys في مساحة Platform التي تضم مجموعة بياناتك. وتفوتر Google استخدام مفتاحك مباشرةً، كما توضح وثائق مفاتيح المزوّد التفاصيل.
  3. افتح صورة في محرر التعليقات، وانتقل إلى وضع Smart، ثم اختر Gemini 4 Hydrogen ضمن Google في قائمة اختيار النموذج.
  4. اضغط Predict أو P لوضع تسميات على الصورة الحالية. عندما يعيد المزوّد تقديرًا للتكلفة، تعرضه الرسالة المنبثقة بعد كل تنبؤ، لذا تمنحك بضع صور تمثيلية فكرة عن تكلفة بياناتك.
  5. في صفحة مجموعة البيانات، اختر More actions > Batch Annotation لوضع تسميات على كل الصور التي لا تحمل تسميات في عملية واحدة. راجع Estimated Cost وانقر على Start. تحفظ Platform إصدارًا من مجموعة البيانات أولًا، لتتمكن من التراجع، ولا تتغير التسميات الموجودة مطلقًا.
  6. راجع المربعات وصححها، ثم درّب نموذج Ultralytics YOLO26 على النتيجة في مساحة العمل نفسها باستخدام التدريب السحابي.

لمعرفة المزيد عن كيفية دمج هذه النماذج في المحرر، اطّلع على كيفية استخدام Ultralytics Platform للذكاء الاصطناعي لأتمتة التعليق وعلى أسباب استمرار المراجعة البشرية ضمن الحلقة كجزء من مسار العمل.

موقع Gemini 4 Hydrogen ضمن الخيارات#

بالنسبة إلى الفرق التي تستخدم Gemini 3.8 Flash لوضع التسميات حاليًا، يضيف Hydrogen مقدار 0.037 mAP50 على UL37 ضمن فئة Google السريعة، وتعرض صفحة النموذج نتيجته في كل مجموعة بيانات، بما في ذلك أعلى نتيجة في PlantDoc والتعادل على أعلى نتيجة في Kvasir-SEG. تختلف النتائج باختلاف مجموعات البيانات، لذا اختبره على صور تمثيلية وتحقق من المربعات والتكلفة المقدرة قبل تشغيل التعليق الدفعي.

لمقارنة الدقة والتكلفة والسرعة بين جميع النماذج، قارن بينها على لوحة متصدّري VLM. لا تحتاج النماذج المستضافة مثل Qwen3.8 27B وSAM 3.1 Text إلى مفتاح API.

الأسئلة الشائعة

  • حقق Hydrogen في معيار UL37 لدينا نتيجة 0.553 mAP50 عبر 36 مجموعة بيانات حقيقية للكشف، محتلاً المرتبة الثالثة على لوحة متصدري VLM من Ultralytics بعد Gemini 4 Carbon (0.584) وGPT-6.1 Terra (0.560). وبلغت نتيجته 0.350 mAP50-95، وهي الثانية بعد Carbon، كما حقق أعلى نتيجة بين النماذج الـ46 في PlantDoc وSeaDronesSee 2 وIEDXray.

  • في معيارنا، بلغت رسوم الرموز من Google $20.32 لكل 1,000 صورة وفق السعر المعلن لـ Hydrogen حتى 16 نوفمبر 2026، وهو $1.50 لكل مليون رمز إدخال و$7.50 لكل مليون رمز إخراج. وتضيف Batch Annotation في Ultralytics Platform مبلغ $1.00 لكل 1,000 صورة، وتفوتر Google استخدام الرموز مباشرةً على مفتاحك.

  • يبلغ سعر الرمز في Hydrogen نسبة 75% من السعر التمهيدي لـ Carbon، لكن تشغيلات Hydrogen على UL37 استخدمت نحو ضعف عدد الرموز المرجح سعرها لكل صورة، فبلغت التكلفة $20.32 مقابل $12.93 لكل 1,000 صورة. وبالسعر المعلن لـ Carbon اعتبارًا من 1 ديسمبر، ستبلغ تكلفة استخدام Carbon نفسه نحو $25.87.

  • على UL37، حقق Carbon نتيجة 0.584 mAP50 وHydrogen نتيجة 0.553، بفارق 0.031. تفوق Hydrogen على Carbon في PlantDoc وSeaDronesSee 2 وIEDXray وKvasir-SEG وEgoHands وTN5000. قد يختلف الأداء على صورك، لذا اختبر النموذجين على عينة قبل معالجة دفعة كبيرة.

  • على UL37، حقق GPT-6.1 Terra نتيجة 0.560 mAP50 وHydrogen نتيجة 0.553، بينما حقق GPT-6.1 Sol نتيجة 0.514. وسجل Hydrogen قيمة 0.350 mAP50-95، متقدمًا على Terra الذي سجل 0.345 وSol الذي سجل 0.318، كما تفوق على Terra في PlantDoc وSeaDronesSee 2 وKvasir-SEG؛ بينما تفوق Terra في التصوير بالموجات فوق الصوتية للغدة الدرقية في TN5000، محققًا 0.935 مقابل 0.704 لـ Hydrogen. تعرض نتائج GPT-6.1 Terra المجالات التي يتفوق فيها Terra.

  • على UL37، حقق Hydrogen نتيجة 0.553 mAP50 مقابل 0.516 لـ Flash. وبلغت تكلفة المزوّد في تشغيلاتنا $20.32 لكل 1,000 صورة لـ Hydrogen و$5.86 لـ Flash بسعره التمهيدي، الذي تقول Google إنه ينتهي في 31 ديسمبر. وبالسعر المعلن اعتبارًا من 1 يناير 2027، ستبلغ تكلفة استخدام Flash نفسه نحو $11.72.

  • نعم. يضيف مالك مساحة العمل مفتاح Gemini API من Google AI Studio ضمن Settings > API Keys في مساحة العمل التي تضم مجموعة بياناتك، وتفوتر Google مباشرةً الحساب المرتبط بذلك المفتاح. لوضع التسميات من دون مفتاح للمزوّد، استخدم نموذجًا مستضافًا مثل Qwen3.8 27B أو SAM 3.1 Text، أو أحد نماذج YOLO الخاصة بك.

بقلم

Glenn Jocher
Glenn Jocher

المؤسس والرئيس التنفيذي · Ultralytics

غلين جوشر هو مؤسس Ultralytics ورئيسها التنفيذي، حيث يقود تطوير Ultralytics YOLO، نماذج الرؤية الحاسوبية الأكثر اعتمادًا في العالم. لا يقتصر عمله على بناء نماذج أسرع وأكثر دقة؛ بل يتمحور حول تمكين الناس في كل مكان من حل مشكلات مهمة باستخدام الذكاء الاصطناعي للرؤية.

التعليقات

اطرح سؤالًا، أو شارك نتائجك، أو ساعد شخصًا آخر.

استكشف الحلول

الرؤية الحاسوبية في الرياضة

الرؤية الحاسوبية في الرياضة

اكتشف كيف يعزّز Ultralytics YOLO الرؤية الحاسوبية الرياضية عبر تتبّع اللاعبين والكرة، وتحليلات الأداء، ورؤى التدريب، وإعادة تأهيل الرياضيين.
معرفة المزيد
الرؤية الحاسوبية للصور الجوية

الرؤية الحاسوبية للصور الجوية

حوّل صور الطائرات المسيّرة والصور الجوية إلى رؤى آنية للزراعة وتربية الأحياء المائية والحفاظ على البيئة والتحليل الجغرافي المكاني باستخدام Ultralytics YOLO.
معرفة المزيد
الرؤية الحاسوبية في قطاع الطيران والفضاء

الرؤية الحاسوبية في قطاع الطيران والفضاء

طبّق الرؤية الحاسوبية في مجال الطيران والفضاء باستخدام Ultralytics YOLO لفحص الطائرات، واكتشاف الأجسام الغريبة على المدارج (FOD)، والعمليات الأرضية في المطارات، واكتشاف عيوب المواد المركّبة.
معرفة المزيد
الرؤية الحاسوبية في مجال الأمن

الرؤية الحاسوبية في مجال الأمن

احمِ كل موقع باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري مراقبة المحيط، واكتشاف التهديدات، والتعرف على لوحات المركبات، والسلامة في مكان العمل.
معرفة المزيد
الرؤية الحاسوبية في الروبوتات

الرؤية الحاسوبية في الروبوتات

عزّز أداء الآلات الذكية باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري في الروبوتات الملاحة الذاتية والإدراك وتعقب الأجسام والتحكم الآني.
معرفة المزيد
الرؤية الحاسوبية في الخدمات اللوجستية

الرؤية الحاسوبية في الخدمات اللوجستية

بسّط العمليات اللوجستية باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري فحص الطرود وفرزها وتتبع المركبات ومراقبة سلامة المستودعات في الوقت الفعلي.
معرفة المزيد
الرؤية الحاسوبية في تجارة التجزئة

الرؤية الحاسوبية في تجارة التجزئة

أعِد تصور تجارة التجزئة باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري تتبع المخزون ومراقبة الرفوف وإدارة الطوابير واستخلاص رؤى أذكى عن العملاء.
معرفة المزيد
الرؤية الحاسوبية في الرعاية الصحية

الرؤية الحاسوبية في الرعاية الصحية

أنشئ حلولًا للرعاية الصحية باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي البصري في الرعاية الصحية سرعة التصوير الطبي، وكفاءة التشخيص، ومراقبة المرضى.
معرفة المزيد
الرؤية الحاسوبية في التصنيع

الرؤية الحاسوبية في التصنيع

حسّن التصنيع باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية مراقبة الجودة واكتشاف العيوب والالتزام بمعدات الوقاية الشخصية وأتمتة خطوط التجميع.
معرفة المزيد
الرؤية الحاسوبية في قطاع السيارات

الرؤية الحاسوبية في قطاع السيارات

طبّق الرؤية الحاسوبية في قطاع السيارات باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية سلامة الطرق ومساعدة السائق وأتمتة المركبات لإنشاء طرق أكثر ذكاءً.
معرفة المزيد
الرؤية الحاسوبية في الزراعة

الرؤية الحاسوبية في الزراعة

أدخل الذكاء الاصطناعي البصري إلى الزراعة الذكية باستخدام نماذج Ultralytics YOLO. عزّز مراقبة المحاصيل وتتبع الماشية والزراعة الدقيقة لزيادة الإنتاجية وتحسينها.
معرفة المزيد

لنبنِ مستقبل الذكاء الاصطناعي معًا!

ابدأ رحلتك نحو مستقبل تعلّم الآلة