ترخيص YOLO
منصة Ultralytics

GPT-6.2 Sol مقابل Astra للتعليق التلقائي: نتائج متقاربة ونقاط قوة مختلفة

يسجل GPT-6.2 Sol وAstra درجتي 0.551 و0.546 mAP50 على 36 مجموعة بيانات للكشف، لكن تكلفة Sol تبلغ 8.10 دولارات لكل 1,000 صورة مقابل 31.88 دولارًا. إليك أيهما تختار.

Glenn JocherGlenn Jocher12 دقيقة قراءة
عمل فني لإطلاق OpenAI GPT-6.2 Astra وSol على خلفية مرصعة بالنجوم، مع نتائج كشف الأجسام UL37 من Ultralytics: Astra ‏0.546 وSol ‏0.551 mAP50

أطلقت OpenAI GPT-6.2 Astra وGPT-6.2 Sol في 17 نوفمبر 2026، ووصفت Astra بأنه نموذجها الأكثر قدرة، وSol بأنه نموذجها المفضل للعمل اليومي. عندما طلبنا منهما رسم مربعات إحاطة، كانت دقتهما متقاربة. لكن أسعارهما لم تكن كذلك.

اختبرنا كليهما عبر UL37، وهو معيار للكشف يضم 36 مجموعة بيانات، يوم إطلاقهما. حصل GPT-6.2 Sol على 0.551 mAP50، وحصل GPT-6.2 Astra على 0.546، ليحتلا المركزين الرابع والخامس من بين 50 نموذجًا على لوحة صدارة VLM لدينا. حقق Sol ذلك مقابل 8.10 دولارات لكل 1,000 صورة. أما Astra فتكلفته 31.88 دولارًا، أي ما يقارب أربعة أضعاف.

أصبح كلاهما الآن من خياري OpenAI Sol وAstra للتعليق التلقائي في منصة Ultralytics، ليحلّا محل GPT-6.1 Sol وGPT-6 Astra. فيما يلي مقارنة بينهما، ومجالات تفوق كل منهما، وتكلفة دفعة التعليق، ومتى يظل GPT-6.1 Terra من OpenAI الخيار الأفضل.

تتقارب درجتا GPT-6.2 Sol وAstra بفارق يقارب 0.005 على UL37#

يقيس UL37 مدى تطابق مربعات النموذج مع التسميات البشرية على 360 صورة: 10 صور من كل مجموعة من مجموعات كشف الأجسام الواقعية الست والثلاثين، بدءًا من الصور الطبية والمسح الجوي وصولًا إلى أرفف المتاجر والرياضة والمستندات ولوحات الدوائر. تمر كل صورة بخط الإنتاج نفسه الذي يستخدمه مستخدمو Platform، مع أسماء الفئات الخاصة بمجموعة البيانات، ويعمل SAM 3.1 على تحسين كل مربع؛ لذا تصف النتائج خط الإنتاج المحسّن، لا مخرجات النموذج الأولية. المنهجية متاحة للعامة.

GPT-6.2 SolGPT-6.2 AstraGPT-6.1 Terra
الترتيب في لوحة الصدارة#4 من 50#5 من 50#2 من 50
mAP500.5510.5460.560
mAP50-950.3460.3450.345
الإحكام0.6230.6260.646
الاستدعاء0.6430.6250.613
تكلفة الموفّر لكل 1,000 صورة$8.10$31.88$4.36
الزمن الوسيط لكل صورة3.4 s4.3 s5.1 s
الطلبات الفاشلة0%0%0%

نتائج UL37 من لوحة صدارة VLM لدى Ultralytics، المحدّثة في 17 نوفمبر 2026.

في هذا الاختبار، تقارب النموذجان من حيث الدقة. يختلف رصيد mAP50-95، الذي يكافئ دقة تحديد المربعات، بمقدار 0.001، ويختلف الإحكام بمقدار 0.003. يعثر Sol على عدد أكبر قليلًا من الأجسام المصنفة: إذ إن قيمة الاستدعاء لديه، 0.643، هي الأعلى بين النماذج الخمسين على لوحة الصدارة، متقدمًا بفارق ضئيل على 0.642 الذي سجله Gemini 4 Carbon. كما أنه الأسرع بين النماذج السبعة الأولى، إذ يستغرق 3.4 ثانية لكل صورة.

مخطط أعمدة لقيمة mAP50 على UL37 لأكثر ثمانية نماذج تعليق تلقائي دقة، مع GPT-6.2 Sol عند 0.551 بتكلفة 8.10 دولارات لكل 1,000 صورة وGPT-6.2 Astra عند 0.546 بتكلفة 31.88 دولارًا

النماذج الثمانية الأعلى تقييمًا على UL37، مع تكلفة المزوّد لكل 1,000 صورة.

ما الغرض الذي صممت OpenAI من أجله GPT-6.2#

توجّه OpenAI النموذجين إلى نوعين مختلفين من العمل. توصي سجل التغييرات الخاصة بها باستخدام GPT-6.2 Astra «لمهام الاستدلال والبرمجة المكثفة»، وGPT-6.2 Sol «للبرمجة اليومية وسير عمل الوكلاء». يقبل كلاهما النصوص والصور ويُرجع نصًا، وكلاهما متاح عبر Responses API وChat Completions.

وتعكس الأسعار هذا الاختلاف. وفقًا لصفحات نماذج OpenAI، تبلغ تكلفة GPT-6.2 Sol دولارين لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج، بينما تبلغ تكلفة GPT-6.2 Astra 8 دولارات و40 دولارًا. سعر الرموز في Astra يساوي تمامًا أربعة أضعاف سعرها في Sol.

كلاهما نموذجان للأغراض العامة، لا كاشفان متخصصان، لذا قسنا أداءهما في هذه المهمة. يستدعي Platform كلا النموذجين باستخدام مستوى الاستدلال الافتراضي لدى OpenAI، مع طلب المربعات نفسه الذي يرسله إلى كل نموذج من OpenAI.

يتفوق Astra في مجموعات بيانات أكثر، ومجموعة واحدة من صور الموجات فوق الصوتية تحسم المتوسط#

لا يعني تقدم Sol في المتوسط أنه يفوز في مرات أكثر. ففي المواجهة المباشرة عبر مجموعات البيانات الست والثلاثين، يسجل Astra نتيجة أعلى في 17 مجموعة، وSol في 15، فيما تتعادل النتائج في أربع.

تفسر مجموعة بيانات واحدة هذا الاختلاف. ففي صور الموجات فوق الصوتية للغدة الدرقية TN5000، حيث يحمل كل مربع أيضًا تصنيفًا حميدًا أو خبيثًا، يسجل Sol ‏0.995 مقابل 0.769 لـAstra. وترفع هذه النتيجة وحدها متوسط Sol بنحو 0.006. وعند استبعاد TN5000، يصبح المتوسط 0.539 لـSol و0.540 لـAstra.

في هذا المعيار، تقارب النموذجان من حيث الدقة لدرجة أن الاختلافات الأوضح تتعلق بمجال الاستخدام والتكلفة.

مجالات تفوق كل من GPT-6.2 Sol وAstra#

يتصدر Astra عند حساب المتوسط حسب المجال سبعة من مجالات UL37 الاثني عشر، ويتصدر Sol أربعة مجالات، بينما تتعادل النتيجة في مجال الأشعة السينية الأمنية.

مخطط نقطي لمتوسط mAP50 على UL37 حسب المجال لـGPT-6.2 Sol وGPT-6.2 Astra: يتفوق Sol في الطرق وتحت الماء والطب والطبيعة، ويتفوق Astra في الصور الجوية والمستندات والتجزئة والأشخاص والتصوير الحراري والرياضة ولوحات الدوائر المطبوعة

يضم كل مجال ما بين مجموعة بيانات واحدة وثماني مجموعات، مع 10 صور لكل مجموعة بيانات.

يتفوق GPT-6.2 Sol في الصور الطبية وصور الطرق والطبيعة. يبلغ متوسطه في مجموعات البيانات الطبية الثماني 0.466 مقابل 0.411 لـAstra، بفضل نتيجتي TN5000 وسلائل القولون في Kvasir-SEG، حيث سجل 0.805 مقابل 0.707. وفي رؤوس القمح ضمن GWHD، يسجل 0.684 مقابل 0.537 لـAstra، كما يسجل في علامات الطرق ضمن CeyMo ‏0.843 مقابل 0.705.

يتفوق GPT-6.2 Astra في الصور الجوية وصور البيع بالتجزئة والمستندات والأشخاص. يبلغ متوسطه عبر مجموعات البيانات الجوية الخمس 0.550 مقابل 0.506 لـSol، ويعود ذلك جزئيًا إلى أداء كشف السفن في صور الرادار ضمن SSDD، إذ سجل 0.880 مقابل 0.749. وفي المنتجات عند صناديق الدفع ضمن RPC، يسجل 0.978 مقابل 0.823 لـSol، كما يتفوق في كشف معدات الوقاية الشخصية والقمامة وكرة السلة.

مجموعة البياناتالمجالGPT-6.2 SolGPT-6.2 Astra
صور الموجات فوق الصوتية للغدة الدرقية TN5000طبي0.9950.769
رؤوس القمح في GWHDطبيعة / زراعة0.6840.537
علامات الطرق في CeyMoطرق / حركة مرور0.8430.705
SoccerDBرياضة0.7480.631
صناديق الدفع في RPCتجزئة0.8230.978
كرة السلة والسلةرياضة0.7260.872
أمراض النباتات في PlantDocطبيعة / زراعة0.3020.447
سفن SSDD بالرادار ذي الفتحة الاصطناعيةجوي / استشعار عن بُعد0.7490.880

أكبر أربعة فروق في كل اتجاه، وفق mAP50 على UL37.

تتضمن كل مجموعة بيانات 10 صور، لذا فإن نتيجة واحدة مؤشر يستحق الاختبار، وليست حكمًا نهائيًا. قبل تعليق مجموعة بيانات كبيرة، افتح صفحتي نموذجي GPT-6.2 Sol وGPT-6.2 Astra، حيث تُعرض المربعات المسجلة لكل نموذج على كل مجموعة بيانات معيارية إلى جانب التسميات المتوقعة.

تحسن كبير مقارنة بـGPT-6.1 Sol وGPT-6 Astra، باستثناء لوحات الدوائر#

مقارنة بالنموذجين اللذين يحلّان محلهما في Platform، كلاهما أدق وأسرع وأقل تكلفة لكل صورة.

mAP50التكلفة لكل 1,000 صورةالزمن الوسيط لكل صورة
GPT-6.1 Sol0.514$10.3010.5 s
GPT-6.2 Sol0.551$8.103.4 ث
GPT-6 Astra0.525$49.3111.6 s
GPT-6.2 Astra0.546$31.884.3 ث

يتفوق GPT-6.2 Sol على GPT-6.1 Sol في 23 مجموعة بيانات ويخسر في 12، كما أنه يعمل بسرعة تزيد نحو ثلاثة أضعاف. وتأتي تكلفته الأقل بنسبة 21% لكل صورة من دون تغيير أسعار الرموز. أما GPT-6.2 Astra فيتفوق على GPT-6 Astra في 24 مجموعة بيانات ويخسر في 11، بتكلفة أقل بنسبة 35% لكل صورة وأسعار رموز أقل: تدرج OpenAI سعر GPT-6 Astra عند 10 دولارات و50 دولارًا لكل مليون رمز.

مخطط مبعثر لقيمة mAP50 على UL37 مقابل تكلفة المزوّد لكل 1,000 صورة لنماذج OpenAI، مع أسهم توضح انتقال GPT-6.1 Sol إلى GPT-6.2 Sol وGPT-6 Astra إلى GPT-6.2 Astra صعودًا ويسارًا

تُظهر الأسهم مقارنة كل نموذج GPT-6.2 بالنموذج الذي يحل محله في منصة Ultralytics.

الاستثناء هو لوحات الدوائر. ففي عيوب اللوحات العارية ضمن DeepPCB، يسجل كلا نموذجي GPT-6.2 قيمة 0.000، بينما سجل GPT-6.1 Sol قيمة 0.393. وفي عيوب الأسطح ضمن DsPCBSD+، تنخفض نتيجة Sol من 0.392 إلى 0.164، ويسجل Astra ‏0.216. كما أن أداءهما ضعيف في صور الأشعة السينية الأمنية: فكلاهما يسجل 0.05 على IEDXray، بينما يصل Gemini 4 Argon إلى 0.30. إذا كانت بياناتك لفحص لوحات الدوائر المطبوعة أو الفحص الأمني، فاختبر نماذج أخرى على عينة قبل الالتزام.

لا يزال GPT-6.1 Terra أفضل نموذج تعليق من OpenAI على UL37#

لا يتجاوز أي من النموذجين الجديدين GPT-6.1 Terra، الذي يحتل المركز الثاني على لوحة الصدارة بنتيجة 0.560 mAP50 مقابل 4.36 دولارات لكل 1,000 صورة. يفوز Terra وGPT-6.2 Sol كل منهما في 17 مجموعة بيانات، مع تعادلين، لذا فالفارق ضئيل. Terra أكثر إحكامًا، إذ يسجل 0.646 مقابل 0.623، وتكلفته تقارب النصف. أما Sol فيعثر على أجسام أكثر ويستجيب أسرع، إذ يستغرق 3.4 ثانية مقابل 5.1.

في قمة لوحة الصدارة، لا يزال Gemini 4 Carbon متصدرًا بنتيجة 0.584 mAP50 مقابل 12.93 دولارًا لكل 1,000 صورة. وتتناول نتائج GPT-6.1 Terra ونتائج Gemini 4 Carbon لدينا هذين النموذجين بالتفصيل.

تكلفة دفعة تعليق باستخدام GPT-6.2#

تُحسب تكلفة المزوّد بناءً على استهلاك الرموز الذي أبلغت عنه OpenAI وفق السعر المعلن، وقد تستهلك صورك عددًا أكبر أو أقل من الرموز. وتضيف خدمة Batch Annotation رسوم معالجة من Platform قدرها 1.00 دولار لكل 1,000 صورة، بحد أدنى 0.01 دولار لكل تشغيل.

لكل 1,000 صورةGPT-6.2 SolGPT-6.2 Astra
رسوم OpenAI$8.10$31.88
رسوم المعالجة في Ultralytics Platform$1.00$1.00
الإجمالي$9.10$32.88

تدفع مباشرة إلى OpenAI باستخدام مفتاح API الخاص بك، بما في ذلك تنبؤات الاختبار التي تجريها أولًا، ولا تضيف Ultralytics أي هامش ربح على الرموز. وبالنسبة إلى مجموعة بيانات تضم 10,000 صورة، تبلغ التكلفة نحو 91 دولارًا مع Sol و329 دولارًا مع Astra.

كيفية إجراء التعليق التلقائي باستخدام GPT-6.2 Sol أو Astra في منصة Ultralytics#

GPT-6.2 Sol وAstra نموذجان يعتمدان على توجيه الفئات، مخصصان لمجموعات بيانات الكشف التي تضم من فئة واحدة إلى 200 فئة. ويُرجعان مربعات إحاطة لأسماء الفئات الخاصة بمجموعة بياناتك، لتراجعها قبل الحفظ.

  1. أنشئ مفتاحًا في صفحة مفاتيح OpenAI API.
  2. اطلب من مالك مساحة العمل إضافة المفتاح ضمن Settings > API Keys في مساحة العمل على Platform التي تضم مجموعة بياناتك. وتوضح مستندات مفاتيح المزوّد التفاصيل.
  3. في محرر التعليقات، انتقل إلى وضع Smart واختر GPT-6.2 Sol أو GPT-6.2 Astra ضمن OpenAI في قائمة اختيار النموذج.
  4. اضغط Predict، أو P، على بضع صور تمثل بياناتك، ثم قارن النموذجين على الصور نفسها.
  5. عندما تصبح راضيًا عن النتائج، افتح صفحة مجموعة البيانات واختر More actions > Batch Annotation لتعليق كل صورة غير معلّمة. تعمل Batch Annotation على مجموعات البيانات المستضافة على Platform التي تضم ما يصل إلى ثلاث قنوات صور، وتحفظ Platform إصدارًا من مجموعة البيانات أولًا لتتمكن من التراجع.
  6. راجع المربعات واحفظها، ثم درّب نموذج Ultralytics YOLO26 على النتائج في مساحة العمل نفسها.

تشرح مستندات التعليق وضعي Smart وBatch Annotation بالكامل، ويساعدك دليلنا حول اختيار VLM وفقًا للإحكام والاستدعاء على مواءمة النموذج مع سير عمل المراجعة لديك.

GPT-6.2 Sol أم GPT-6.2 Astra أم GPT-6.1 Terra: أيها تختار؟#

إذا كنت تحتاج إلى…ابدأ بـ
نموذج تعليق عام من OpenAI بأقل تكلفةGPT-6.1 Terra: أعلى نتيجة UL37 بين النماذج الثلاثة، وبنحو نصف سعر Sol
السرعة أو العثور على أكبر عدد من الأجسامGPT-6.2 Sol: ‏3.4 ثوانٍ لكل صورة وأعلى قيمة استدعاء على لوحة الصدارة
صور طبية أو للطرق أو للزراعةGPT-6.2 Sol، ثم اختبر Terra على البيانات الطبية
صور جوية أو للبيع بالتجزئة أو للمستندات أو لمعدات الوقاية الشخصيةGPT-6.2 Astra، إذا كان تفوق دقته على بياناتك يبرر تكلفة تقارب أربعة أضعاف تكلفة Sol
عيوب لوحات الدوائر المطبوعة أو صور الأشعة السينية الأمنيةاختبر نماذج أخرى أولًا؛ فكلا نموذجي GPT-6.2 يسجل نتيجة ضعيفة على UL37 في هذه المجالات

في معظم أعمال التعليق، يقدم GPT-6.2 Sol قيمة أفضل بين النموذجين الجديدين: إذ يحقق نتيجة UL37 مشابهة لـAstra بنحو ربع التكلفة. اختر Astra عندما يُظهر الاختبار على صورك تفوقه في مجالك.

الأسئلة الشائعة

  • نتائجهما متقاربة على معيار UL37 لدينا: يسجل GPT-6.2 Sol قيمة 0.551 mAP50، بينما يسجل GPT-6.2 Astra قيمة 0.546، ويفوز Astra في عدد أكبر قليلًا من مجموعات البيانات، 17 مقابل 15. أما الفرق الواضح فهو التكلفة: تبلغ رسوم OpenAI لـSol ‏8.10 دولارات لكل 1,000 صورة، مقابل 31.88 دولارًا لـAstra. يتفوق Sol في الصور الطبية وصور الطرق والطبيعة، بينما يتفوق Astra في الصور الجوية وصور البيع بالتجزئة والمستندات والأشخاص.

  • نعم. يحتل كلا نموذجي GPT-6.2 أحد المراكز الخمسة الأولى بين 50 نموذجًا على لوحة صدارة VLM من Ultralytics، من دون أي طلبات فاشلة. ويحقق GPT-6.2 Sol أعلى قيمة استدعاء على لوحة الصدارة، وهي 0.643. لكن أداء النموذجين ضعيف في كشف عيوب لوحات الدوائر والأشعة السينية الأمنية.

  • نحو 8.10 دولارات مع GPT-6.2 Sol و31.88 دولارًا مع GPT-6.2 Astra كرسوم من OpenAI، استنادًا إلى استهلاك الرموز المُبلّغ عنه وفق السعر المعلن. وتضيف منصة Ultralytics رسوم Batch Annotation قدرها 1.00 دولار لكل 1,000 صورة، ليصبح الإجمالي نحو 9.10 دولارات و32.88 دولارًا.

  • نعم، بفارق ضئيل على UL37. يسجل GPT-6.1 Terra ‏0.560 mAP50 مقابل 4.36 دولارات لكل 1,000 صورة، متقدمًا على نموذجي GPT-6.2 من حيث المتوسط والتكلفة. ويتعادل GPT-6.2 Sol مع Terra في عدد مجموعات البيانات التي فاز بها، 17 لكل منهما، كما أنه أسرع ويعثر على أجسام أكثر.

  • نعم، في المتوسط. يتفوق GPT-6.2 Sol على GPT-6.1 Sol في 23 من أصل 36 مجموعة بيانات، مع سرعة تقارب ثلاثة أضعاف وتكلفة أقل بنسبة 21% لكل صورة. ويتفوق GPT-6.2 Astra على GPT-6 Astra في 24 مجموعة بيانات، بتكلفة أقل بنسبة 35%. وكان أداء كلا النموذجين الأقدم أفضل في كشف عيوب لوحات الدوائر.

  • أضف مفتاح OpenAI API ضمن Settings > API Keys، ثم اختر GPT-6.2 Sol أو GPT-6.2 Astra في وضع Smart بمحرر التعليقات. اختبر بضع صور، ثم استخدم Batch Annotation لتعليق مجموعة البيانات كاملة، وراجع المربعات ودرّب نموذج Ultralytics YOLO26 في مساحة العمل نفسها.

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