يستخدم SharkEye خوارزمية Ultralytics YOLOv8 لاكتشاف الكائنات

لطالما كانت مراقبة الحيوانات في بيئاتها الطبيعية، سواء كانت ماشية ترعى في مزرعة أو أسماك قرش تتحرك بالقرب من الشاطئ، مهمة لسلامتها ورفاهيتها. ومع ذلك، فإن مراقبتها يدويًا ليست سهلة. غالبًا ما يتطلب ذلك ساعات من الصبر والتركيز الدقيق، حيث يتعين على المراقبين مراقبة أي تغييرات في السلوك أو الحركة عن كثب. وحتى مع ذلك، من السهل تفويت العلامات الدقيقة ولكن المهمة.

بفضل تدخل الذكاء الاصطناعي (AI)، أصبحت هذه العملية أسرع وأكثر ذكاءً وأكثر كفاءة، مما يقلل الضغط على المراقبين البشريين مع تحسين الدقة. على وجه الخصوص، يمكن استخدام رؤية الحاسوب لتتبع الحيوانات، واكتشاف المخاطر، واتخاذ القرارات في الوقت الفعلي. المهام التي كانت تستغرق ساعات يمكن الآن إنجازها في دقائق، مما يفتح طرقًا جديدة لفهم سلوك الحيوان.

في YOLO Vision 2024 (YV24)، وهو حدث هجين سنوي تستضيفه Ultralytics، اجتمع الخبراء والمبتكرون لاستكشاف كيف يعالج الذكاء الاصطناعي التحديات اليومية. تضمنت بعض الموضوعات المعروضة التطورات في الكشف عن الكائنات في الوقت الفعلي و مراقبة الحيوانات، مما يدل على كيف يعزز الذكاء الاصطناعي السلامة والكفاءة في مختلف المجالات.

كانت إحدى أبرز فعاليات الحدث هي محاضرة ألقاها جيم جريفين، مؤسس AI Master Group، حيث أوضح كيف أن الرؤية المدعومة بالذكاء الاصطناعي (Vision AI) تجعل الشواطئ أكثر أمانًا من خلال اكتشاف أسماك القرش قبل اقترابها من الشاطئ. وأوضح كيف استخدموا Ultralytics YOLOv8، وهو نموذج رؤية حاسوبية متطور، لتحديد أسماك القرش بدقة في الوقت الفعلي، حتى في الظروف الصعبة مثل الأمواج المتقطعة والوهج والعقبات الموجودة تحت الماء.

في هذه المقالة، سوف نلقي نظرة فاحصة على مشروع SharkEye ونشارك رؤى مثيرة للاهتمام من حديث جيم.

التعرف على SharkEye: تطبيق للرؤية الحاسوبية

بدأ جيم حديثه بتقديم شاطئ Padaro، وهو وجهة شهيرة لركوب الأمواج في كاليفورنيا حيث غالبًا ما يتقاسم راكبو الأمواج وأسماك القرش نفس المياه. وأبرز التحدي الحقيقي المتمثل في الكشف عن أسماك القرش، قائلاً: "بالطبع، من السهل اكتشاف سمكة قرش إذا عضتك، لذلك ما أردنا القيام به هو تحديد أسماك القرش مسبقًا."

‍

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

في حال تم اكتشاف سمكة قرش، تصل تنبيهات SMS إلى حوالي 80 شخصًا، بمن فيهم رجال الإنقاذ وأصحاب متاجر تصفح الأمواج وأي شخص اشترك للحصول على التحديثات. وأشار جيم إلى كيف تتيح هذه الإشعارات الفورية استجابات سريعة، مما يحافظ على سلامة رواد الشاطئ عندما يكون القرش بالقرب من الشاطئ.

ذكر جيم أيضًا أن SharkEye يتميز بلوحة معلومات حية حيث يمكن للمستخدمين رؤية إحصائيات الكشف عن أسماك القرش. على سبيل المثال، على مدار 12 أسبوعًا، حدد النظام سمكتين قرش كبيرتين و 15 سمكة أصغر، بمتوسط يزيد قليلاً عن سمكة قرش واحدة في الأسبوع.

ثم قدم نيل ناثان، العالم الذي قاد الجهود وراء SharkEye. على الرغم من أن ناثان لديه خلفية في الدراسات البيئية بدلاً من علوم الكمبيوتر، إلا أنه قاد المشروع بنجاح. أكد جيم على أن أدوات الذكاء الاصطناعي الحديثة، مثل تلك المستخدمة في SharkEye، مصممة لتكون في متناول الجميع، مما يمكن الأفراد من خلفيات غير تقنية من تطوير حلول مؤثرة.

استخدام Ultralytics YOLOv8 لاكتشاف أسماك القرش

بالخوض في مزيد من التفاصيل، أوضح جيم ما هو موجود تحت غطاء SharkEye وكيف أن حل اكتشاف أسماك القرش لم يتضمن مجرد مهمة اكتشاف الأجسام بسيطة. كان عليه التعامل مع الظروف الديناميكية وغير المتوقعة مثل الأعشاب البحرية العائمة التي يمكن أن تخطئ بسهولة في اعتبارها أسماك قرش. على عكس اكتشاف جسم ثابت، يتطلب تحديد سمكة قرش دقة وقابلية للتكيف، مما يجعل YOLOv8 خيارًا مثاليًا.

ميزة أخرى لـ YOLOv8 هي إمكانية نشرها على طائرة بدون طيار دون الاعتماد على الخوادم السحابية. أوضح جيم كيف أن هذا النهج مكّن SharkEye من إرسال تنبيهات فورية - وهو جزء أساسي لضمان الاستجابات في الوقت المناسب في الظروف المحيطية غير المتوقعة.

الكشف عن الأجسام بستة أسطر فقط من التعليمات البرمجية

بعد تسليط الضوء على كيفية عمل SharkEye والجهد التعاوني وراءه، عرض Jim عرضًا توضيحيًا مباشرًا.

بدأ جيم جريفين عرضه التوضيحي المباشر باصطحاب الجمهور خلال مثال مألوف - مقتطف شفرة "hello world" لـ نماذج Ultralytics YOLO. مع ستة أسطر فقط من كود Python، أوضح كيف يمكن لنموذج Ultralytics YOLOv8 المدرب مسبقًا اكتشاف حافلة في صورة دون عناء. 

‍

استخدم عرضه التوضيحي نموذج YOLOv8 Nano، وهو إصدار خفيف الوزن للأجهزة منخفضة الطاقة مثل الطائرات بدون طيار. تم استخدام نفس النموذج في SharkEye للكشف عن أسماك القرش 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 20000 صورة عبر 80 فئة كائنات مختلفة. في حين أن COCO128 يعمل بشكل جيد للعروض التوضيحية السريعة، فقد أشار إلى أن SharkEye يحتاج إلى شيء أكثر قوة - مجموعة بيانات للكشف عن أسماك القرش خاصة بالتطبيق يمكنها التعامل مع تعقيدات سيناريوهات العالم الحقيقي.

تدريب مخصص لـ YOLOv8 لـ SharkEye 

وفقًا لما ذكره جيم، فإن الجزء الأصعب في مشروع SharkEye لم يكن تدريب نموذج الذكاء الاصطناعي، بل جمع البيانات الصحيحة. وعلق قائلاً: "العمل الرئيسي في هذا المشروع لم يكن الذكاء الاصطناعي. كان العمل الرئيسي في هذا المشروع هو تحليق تلك الطائرات بدون طيار لمدة خمس سنوات، واستخلاص الصور من مقاطع الفيديو هذه، ووضع علامات عليها بشكل مناسب."

وصف كيف جمع الفريق 15000 صورة في شاطئ بادارو. كان يجب تصنيف كل صورة يدويًا للتمييز بين أسماك القرش والأعشاب البحرية والأشياء الأخرى في الماء. في حين أن العملية كانت بطيئة وشاقة، إلا أنها أرست الأساس لكل ما تلاها.

‍

بمجرد أن أصبحت مجموعة البيانات جاهزة، تم تدريب Ultralytics YOLOV8 عليها تدريبًا مخصصًا. قال جيم: "التدريب الفعلي لم يكن الجزء الصعب - استغرق 20 ساعة فقط على وحدات معالجة الرسومات T4 [وحدات معالجة الرسومات]." وأضاف أيضًا أنه كان من الممكن تقليل الوقت إلى خمس ساعات فقط باستخدام أجهزة أكثر قوة، مثل وحدات معالجة الرسومات A100.

تقييم SharkEye: الدقة قبل الاسترجاع

ثم، ناقش جيم كيف تم تقييم أداء SharkEye. أوضح أن المقياس الرئيسي كان الدقة - مدى دقة النظام في تحديد أسماك القرش الفعلية. مع تحقيق SharkEye لدقة مذهلة بلغت 92٪، أثبت النموذج فعاليته العالية في تحديد أسماك القرش بدقة وسط البيئة المحيطية المعقدة.

بالتعمق أكثر في أهمية الدقة، أوضح جيم لماذا كانت الدقة مهمة أكثر من الاسترجاع في هذه الحالة. “في معظم الأوقات، يهتم الناس بالاسترجاع، خاصة في مجالات مثل الرعاية الصحية حيث يمكن أن يكون تفويت حالة إيجابية أمرًا بالغ الأهمية. ولكن في هذه الحالة، لم نكن نعرف عدد أسماك القرش الموجودة هناك، لذلك ما اهتممنا به هو الدقة”، كما أوضح. ضمنت SharkEye تقليل الإنذارات الكاذبة من خلال التركيز على الدقة، مما يسهل على رجال الإنقاذ وغيرهم من المستجيبين اتخاذ إجراءات سريعة.

‍

واختتم حديثه بمقارنة أداء الذكاء الاصطناعي بأداء الإنسان، مشيرًا إلى أن دقة SharkEye البالغة 92٪ تجاوزت بكثير دقة الخبراء البشريين البالغة 60٪. وأكد على هذه الفجوة قائلاً: "ذلك لأننا بشر. بغض النظر عن مدى خبرتك أو خبرتي، إذا كان علينا الجلوس أمام الشاشة طوال اليوم للبحث عن أسماك القرش، ففي النهاية، سوف تشتت أذهاننا." على عكس البشر، فإن نماذج الذكاء الاصطناعي لا تتعب أو تشتت انتباهها، مما يجعلها حلاً موثوقًا به للمهام التي تتطلب مراقبة مستمرة.

Ultralytics YOLO11: أحدث إصدار من YOLO

اقتباس مثير للاهتمام من حديث جيم جريفين، "ستة أسطر من التعليمات البرمجية يمكن أن تنقذ حياتك يومًا ما"، يلخص تمامًا كيف أصبح الذكاء الاصطناعي متقدمًا ويسهل الوصول إليه. تم إنشاء نماذج Ultralytics YOLO مع وضع ذلك في الاعتبار، مما يجعل تكنولوجيا رؤية الكمبيوتر المتطورة في متناول المطورين والشركات من جميع الأحجام. Ultralytics YOLO11 يبني على هذا مع استدلالات أسرع ودقة أعلى. 

إليك لمحة سريعة عما يميز YOLO11:

• بنية مُعاد تصميمها: تتيح بنيتها المحسّنة للعمود الفقري والعنق استخراج ميزات أفضل ودقة محسّنة.
  ‍
• سهولة الاستخدام: يمكن الوصول إليه من خلال ترميز Python أو أدوات بدون تعليمات برمجية مثل Ultralytics HUB.
  ‍
• المرونة عبر المهام: يدعم YOLO11 مهام رؤية الكمبيوتر مثل اكتشاف الكائنات، وتقسيم المثيلات، وتصنيف الصور، والتتبع، وتقدير الوضعية، والمربعات المحيطة الموجهة (OBB).
  ‍
• دقة محسنة: تحقق YOLO11 دقة متوسطة أعلى بنسبة 22٪ (mAP) مقارنة بـ YOLOv8m على مجموعة بيانات COCO، مما يوفر عمليات اكتشاف أكثر دقة.

هذه الميزات تجعل YOLO11 مناسبًا تمامًا لتتبع سلوك الحيوانات في البيئات الديناميكية، سواء في مزرعة أو في البرية.

النقاط الرئيسية

إن التطورات في مجال الرؤية الاصطناعية تجعل من السهل معالجة 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 خطاب جيم جريفين الرئيسي في YV24 كيف يمكن استخدام YOLOv8 لحل المشكلات المعقدة بأقل قدر من الترميز. مشروع SharkEye، الذي يجمع بين الطائرات بدون طيار والذكاء الاصطناعي للكشف عن أسماك القرش في الوقت الفعلي، أظهر كيف يمكن للتكنولوجيا تحسين سلامة الشواطئ. 

لقد كانت دراسة حالة رائعة لكيفية تمكين الذكاء الاصطناعي الذي يمكن الوصول إليه للأشخاص من خلفيات مختلفة لإنشاء حلول فعالة. مع استمرار تطور الذكاء الاصطناعي، فإنه يحول الصناعات ويمكّن الأفراد من تسخير إمكاناته لجعل العالم مكاناً أكثر أماناً وذكاءً وكفاءة.

كن جزءًا من مجتمعنا واستكشف مستودع GitHub الخاص بنا للتعمق أكثر في الذكاء الاصطناعي. من رؤية الكمبيوتر في الزراعة إلى الذكاء الاصطناعي في السيارات ذاتية القيادة، تعرف على كيف تقود هذه التقنيات الابتكار. تحقق من خيارات الترخيص الخاصة بنا لبدء مشاريع الذكاء الاصطناعي الخاصة بك اليوم!