يستخدم SharkEye نظام Ultralytics YOLOv8 لكشف الكائنات

لطالما كان رصد الحيوانات في بيئاتها الطبيعية، سواء كانت ماشية ترعى في مزرعة أو قروشاً تتحرك بالقرب من الشاطئ، أمراً مهماً لسلامتها ورفاهيتها. ومع ذلك، فإن المراقبة اليدوية ليست بالأمر السهل، إذ غالباً ما تتطلب ساعات من الصبر والتركيز الدقيق، حيث يتعين على المراقبين تتبع أي تغييرات في السلوك أو الحركة عن كثب. وحتى في تلك الحالة، من السهل تفويت علامات دقيقة ولكنها مهمة.

بفضل دخول الذكاء الاصطناعي (AI) على الخط، أصبحت هذه العملية أسرع وأذكى وأكثر كفاءة بكثير، مما يقلل العبء على المراقبين البشريين مع تحسين الدقة. وعلى وجه الخصوص، يمكن استخدام الرؤية الحاسوبية لتتبع الحيوانات، ورصد المخاطر، واتخاذ القرارات في الوقت الفعلي. المهام التي كانت تستغرق ساعات يمكن الآن إنجازها في دقائق، مما يفتح آفاقاً جديدة لفهم سلوك الحيوان.

في مؤتمر YOLO Vision 2024 (YV24)، وهو حدث هجين سنوي تستضيفه Ultralytics، اجتمع الخبراء والمبتكرون لاستكشاف كيفية معالجة الذكاء الاصطناعي للتحديات اليومية. شملت بعض الموضوعات المعروضة تطورات في الكشف عن الأشياء في الوقت الفعلي ومراقبة الحيوانات، مما يوضح كيف يعمل الذكاء الاصطناعي على تعزيز السلامة والكفاءة عبر مختلف المجالات.

كان أحد أبرز أحداث المؤتمر عرضاً تقديمياً لجيم غريفين، مؤسس AI Master Group، حيث أوضح كيف تجعل رؤية الذكاء الاصطناعي الشواطئ أكثر أماناً من خلال اكتشاف القروش قبل اقترابها الشديد من الشاطئ. وشرح كيف استخدموا Ultralytics YOLOv8، وهو نموذج رؤية حاسوبية متطور، لتحديد القروش بدقة في الوقت الفعلي، حتى في الظروف الصعبة مثل الأمواج المتلاطمة، والوهج، والعوائق تحت الماء.

في هذه المقالة، سنلقي نظرة فاحصة على مشروع SharkEye وسنشارك رؤى مثيرة للاهتمام من عرض جيم.

Link to this sectionالتعرف على SharkEye: تطبيق رؤية حاسوبية#

بدأ جيم حديثه بتقديم شاطئ بادارو، وهو وجهة شهيرة لركوب الأمواج في كاليفورنيا حيث غالباً ما يتشارك راكبو الأمواج والقروش نفس المياه. مسلطاً الضوء على التحدي الحقيقي في اكتشاف القروش، قال: "بالطبع، من السهل اكتشاف القرش إذا عضك، لذا ما أردنا القيام به هو تحديد أماكن القروش مسبقاً".

الشكل 1. جيم على المسرح في YOLO Vision 2024.

تم إنشاء SharkEye لمعالجة هذه المشكلة، بدعم من جامعة كاليفورنيا، سانتا باربرا. وصف جيم كيف تم استخدام طائرات بدون طيار مزودة بـ كاميرات ذكاء اصطناعي عالية الدقة للطيران على ارتفاع حوالي 200 قدم فوق الماء، لمسح المحيط في الوقت الفعلي.

إذا تم اكتشاف قرش، تصل تنبيهات عبر الرسائل القصيرة (SMS) إلى حوالي 80 شخصاً، بما في ذلك المنقذون، وأصحاب متاجر ركوب الأمواج، وأي شخص سجل للحصول على التحديثات. أشار جيم إلى أن هذه الإشعارات الفورية تسمح باستجابات سريعة، مما يحافظ على سلامة مرتادي الشاطئ عندما يكون القرش بالقرب من الشاطئ.

ذكر جيم أيضاً أن SharkEye يتميز بلوحة تحكم حية حيث يمكن للمستخدمين رؤية إحصائيات اكتشاف القروش. على سبيل المثال، على مدار 12 أسبوعاً، حدد النظام قرشين كبيرين و15 قرشاً أصغر، بمتوسط يزيد قليلاً عن قرش واحد في الأسبوع.

ثم قدم نيل ناثان، العالم الذي قاد الجهود وراء SharkEye. وعلى الرغم من خلفيته في الدراسات البيئية بدلاً من علوم الكمبيوتر، نجح ناثان في قيادة المشروع. أكد جيم كيف تم تصميم أدوات الذكاء الاصطناعي الحديثة، مثل تلك المستخدمة في SharkEye، لتكون في متناول الجميع، مما يمكن الأفراد من خلفيات غير تقنية من تطوير حلول مؤثرة.

Link to this sectionاستخدام Ultralytics YOLOv8 لاكتشاف القروش#

بالتعمق في التفاصيل، أوضح جيم ما يدور خلف كواليس SharkEye وكيف أن حل اكتشاف القروش لم يكن مجرد مهمة بسيطة لـ الكشف عن الأشياء. كان عليه التعامل مع ظروف ديناميكية لا يمكن التنبؤ بها مثل الأعشاب البحرية العائمة التي يمكن الخلط بينها وبين القروش بسهولة. على عكس رصد جسم ثابت، يتطلب تحديد قرش الدقة والقدرة على التكيف، مما يجعل YOLOv8 خياراً مثالياً.

ميزة أخرى لـ YOLOv8 هي إمكانية نشره على طائرة بدون طيار دون الاعتماد على خوادم سحابية. شرح جيم كيف جعل هذا النهج من الممكن لـ SharkEye إرسال تنبيهات فورية - وهو جزء أساسي لضمان الاستجابات في الوقت المناسب في ظروف المحيط غير المتوقعة.

Link to this sectionالكشف عن الأشياء بستة أسطر فقط من الكود#

بعد تسليط الضوء على كيفية عمل SharkEye والجهد التعاوني وراءه، قدم جيم عرضاً حياً.

بدأ جيم غريفين عرضه الحي بأخذ الجمهور عبر مثال مألوف - مقتطف برمجي "hello world" لـ نماذج Ultralytics YOLO. بستة أسطر فقط من كود Python، عرض كيف يمكن لنموذج Ultralytics YOLOv8 مدرب مسبقاً اكتشاف حافلة في صورة بسهولة.

الشكل 2. عرض توضيحي من قبل جيم في YOLO Vision 2024.

استخدم عرضه نموذج YOLOv8 Nano، وهو نسخة خفيفة الوزن للأجهزة منخفضة الطاقة مثل الطائرات بدون طيار. تم استخدام نفس النموذج في SharkEye للكشف عن القروش في الوقت الفعلي.

لتوفير المزيد من السياق، ذكر جيم أن النموذج في العرض التوضيحي كان يتم تدريبه على COCO128، وهي مجموعة فرعية أصغر من مجموعة بيانات COCO المستخدمة على نطاق واسع. تحتوي مجموعة بيانات COCO على أكثر من 20,000 صورة عبر 80 فئة مختلفة من الأشياء. في حين أن COCO128 تعمل بشكل جيد للعروض التوضيحية السريعة، فقد أشار إلى أن SharkEye يحتاج إلى شيء أكثر قوة - مجموعة بيانات مخصصة لاكتشاف القروش يمكنها التعامل مع تعقيدات سيناريوهات العالم الحقيقي.

Link to this sectionتدريب مخصص لـ YOLOv8 من أجل SharkEye#

وفقاً لجيم، لم يكن الجزء الأصعب من مشروع SharkEye هو تدريب نموذج الذكاء الاصطناعي بل جمع البيانات الصحيحة. وعلق قائلاً: "العمل الرئيسي لهذا المشروع لم يكن الذكاء الاصطناعي. العمل الرئيسي لهذا المشروع كان طيران تلك الطائرات بدون طيار لمدة خمس سنوات، واختيار الصور من تلك الفيديوهات، وتصنيفها بشكل مناسب".

وصف كيف جمع الفريق 15,000 صورة في شاطئ بادارو. كان يجب تصنيف كل صورة يدوياً للتمييز بين القروش، والأعشاب البحرية، والأشياء الأخرى في الماء. على الرغم من أن العملية كانت بطيئة وشاقة، إلا أنها وضعت الأساس لكل ما تلاها.

الشكل 3. استخدام الطائرات بدون طيار لالتقاط صور للقروش من أجل الكشف عن الأشياء في الوقت الفعلي.

بمجرد أن أصبحت مجموعة البيانات جاهزة، تم تدريب Ultralytics YOLOv8 عليها بشكل مخصص. قال جيم: "التدريب الفعلي لم يكن الجزء الصعب - فقد استغرق 20 ساعة فقط على وحدات معالجة الرسومات T4 [GPU]". وأضاف أيضاً أنه كان من الممكن تقليل الوقت إلى خمس ساعات فقط باستخدام أجهزة أكثر قوة، مثل وحدات معالجة الرسومات A100.

Link to this sectionتقييم SharkEye: الدقة فوق الاستدعاء#

ثم ناقش جيم كيفية تقييم أداء SharkEye. وأوضح أن المقياس الرئيسي هو الدقة - مدى دقة تحديد النظام للقروش الفعلية. مع تحقيق SharkEye لدقة مذهلة بلغت 92%، أثبت النموذج فعالية عالية في تحديد القروش بدقة وسط بيئة المحيط المعقدة.

بالتعمق أكثر في أهمية الدقة، أوضح جيم سبب أهمية الدقة أكثر من الاستدعاء في هذه الحالة. وأوضح: "في معظم الأوقات، يهتم الناس بـ الاستدعاء، خاصة في مجالات مثل الرعاية الصحية حيث يمكن أن يكون تفويت حالة إيجابية أمراً بالغ الأهمية. لكن في هذه الحالة، لم نكن نعرف عدد القروش الموجودة، لذا ما كنا نهتم به هو الدقة". ضمن SharkEye تقليل الإنذارات الكاذبة من خلال التركيز على الدقة، مما يسهل على المنقذين والمستجيبين الآخرين اتخاذ إجراءات سريعة.

الشكل 4. جيم يعرض SharkEye في YOLO Vision 2024.

اختتم حديثه بمقارنة الذكاء الاصطناعي بالأداء البشري، مشيراً إلى أن دقة SharkEye البالغة 92% تفوقت بكثير على دقة الخبراء البشر البالغة 60%. وأكد على هذه الفجوة قائلاً: "هذا لأننا بشر. بغض النظر عن مدى خبرتك أو خبرتي، إذا كان علينا الجلوس أمام شاشة طوال اليوم للبحث عن القروش، فسوف تشرد أذهاننا في النهاية". على عكس الناس، لا تتعب نماذج الذكاء الاصطناعي ولا تتشتت، مما يجعلها حلاً موثوقاً للمهام التي تتطلب مراقبة مستمرة.

Link to this sectionUltralytics YOLO11: أحدث YOLO#

اقتباس مثير للاهتمام من حديث جيم غريفين، "ستة أسطر من الكود يمكن أن تنقذ حياتك يوماً ما"، يجسد تماماً مدى تقدم الذكاء الاصطناعي وسهولة الوصول إليه. تم إنشاء نماذج Ultralytics YOLO مع وضع هذا في الاعتبار، مما يجعل تكنولوجيا الرؤية الحاسوبية المتطورة في متناول المطورين والشركات من جميع الأحجام. يبني Ultralytics YOLO11 على هذا مع استنتاجات أسرع ودقة أعلى.

إليك نظرة سريعة على ما يميز YOLO11:

• هيكلية معاد تصميمها: تتيح بنية العمود الفقري (backbone) والعنق (neck) المحسنة استخراجاً أفضل للميزات ودقة محسنة.
• سهولة الاستخدام: يمكن الوصول إليها من خلال برمجة Python أو أدوات بدون كود مثل Ultralytics HUB.
• المرونة عبر المهام: يدعم YOLO11 مهام الرؤية الحاسوبية مثل الكشف عن الأشياء، وتقسيم المثيلات، وتصنيف الصور، والتتبع، وتقدير الوضعية، والمربعات المحيطة الموجهة (OBB).
• دقة محسنة: يحقق YOLO11 دقة متوسطة متوسطة (mAP) أعلى بنسبة 22% مقارنة بـ YOLOv8m على مجموعة بيانات COCO، مما يوفر اكتشافات أكثر دقة.

هذه الميزات تجعل YOLO11 مناسباً جداً لتتبع سلوك الحيوان في البيئات الديناميكية، سواء في مزرعة أو في البرية.

Link to this sectionأبرز النقاط#

تجعل التطورات في رؤية الذكاء الاصطناعي من السهل التعامل مع تحديات العالم الحقيقي من خلال توفير أدوات عملية لمختلف المجالات. على سبيل المثال، يمكن استخدام نماذج الرؤية الحاسوبية مثل YOLO11 للمراقبة والتتبع في الوقت الفعلي للحيوانات، حتى في الظروف الصعبة.

أوضح العرض الرئيسي لجيم غريفين في YV24 كيف يمكن استخدام YOLOv8 لحل المشكلات المعقدة بأقل قدر من الترميز. عرض مشروع SharkEye، الذي يجمع بين الطائرات بدون طيار والذكاء الاصطناعي للكشف عن القروش في الوقت الفعلي، كيف يمكن للتكنولوجيا تحسين سلامة الشاطئ.

لقد كانت دراسة حالة رائعة حول كيفية تمكين الذكاء الاصطناعي الذي يسهل الوصول إليه للأشخاص من خلفيات مختلفة لإنشاء حلول فعالة. مع استمرار تطور الذكاء الاصطناعي، فإنه يغير الصناعات ويجعل من الممكن للأفراد تسخير إمكاناته لجعل العالم مكاناً أكثر أماناً وذكاءً وكفاءة.

كن جزءاً من مجتمعنا واستكشف مستودع GitHub الخاص بنا للتعمق أكثر في الذكاء الاصطناعي. من الرؤية الحاسوبية في الزراعة إلى الذكاء الاصطناعي في السيارات ذاتية القيادة، تعرف على كيفية دفع هذه التقنيات للابتكار. تحقق من خيارات الترخيص الخاصة بنا لبدء مشاريع الذكاء الاصطناعي الخاصة بك اليوم!