بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
إعدادات ملفات تعريف الارتباط
بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
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.
وبفضل تدخل الذكاء الاصطناعي (AI)، أصبحت هذه العملية أسرع وأكثر ذكاءً وفعالية بكثير، مما يقلل من الضغط على المراقبين البشريين مع تحسين الدقة. وعلى وجه الخصوص، يمكن استخدام الرؤية الحاسوبية track الحيوانات ورصد الأخطار واتخاذ القرارات في الوقت الحقيقي. يمكن الآن إنجاز المهام التي كانت تستغرق ساعات في السابق في دقائق، مما يفتح طرقًا جديدة لفهم سلوك الحيوانات.
في فعالية YOLO Vision 2024 (YV24)، وهي فعالية سنوية مختلطة تستضيفها Ultralytics اجتمع الخبراء والمبتكرون لاستكشاف كيفية معالجة الذكاء الاصطناعي للتحديات اليومية. وشملت بعض الموضوعات التي تم عرضها التطورات في مجال الكشف عن الأجسام في الوقت الحقيقي ومراقبة الحيوانات، مما يوضح كيف يعزز الذكاء الاصطناعي السلامة والكفاءة في مختلف المجالات.
كان من أبرز ما تضمنته الفعالية محاضرة ألقاها جيم جريفين، مؤسس مجموعة AI Master Group، حيث أوضح كيف تجعل Vision AI الشواطئ أكثر أمانًا من خلال اكتشاف أسماك القرش قبل أن تقترب كثيرًا من الشاطئ. وشرح كيف استخدموا Ultralytics YOLOv8وهو نموذج متطور للرؤية الحاسوبية لتحديد أسماك القرش بدقة في الوقت الحقيقي، حتى في الظروف الصعبة مثل الأمواج المتلاطمة والوهج والعوائق 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 بالتعريف بشاطئ بادارو، وهو وجهة معروفة لركوب الأمواج في كاليفورنيا حيث يتشارك راكبو الأمواج وأسماك القرش في كثير من الأحيان نفس المياه. وسلط الضوء على التحدي الحقيقي لاكتشاف أسماك القرش، وقال: "بالطبع، من السهل detect سمكة قرش إذا عضتك، لذا ما أردنا القيام به هو التعرف على أسماك القرش مسبقاً".
الشكل 1. جيم على خشبة 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 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 detect أسماك القرش
وللاستفاضة في التفاصيل، شرح جيم بالتفصيل ما يوجد تحت غطاء محرك SharkEye وكيف أن حل اكتشاف أسماك القرش لم يتضمن فقط مهمة بسيطة لاكتشاف الأجسام. كان عليه أن يتعامل مع الظروف الديناميكية وغير المتوقعة مثل الأعشاب البحرية العائمة التي يمكن بسهولة الخلط بينها وبين أسماك القرش. على عكس اكتشاف جسم ثابت، يتطلب تحديد سمكة القرش الدقة والقدرة على التكيف، مما يجعل YOLOv8 خياراً مثالياً.
ومن المزايا الأخرى لـ YOLOv8 أنه يمكن نشره على طائرة بدون طيار دون الاعتماد على الخوادم السحابية. وأوضح جيم كيف أتاح هذا النهج لـ SharkEye إرسال تنبيهات فورية - وهو جزء أساسي لضمان الاستجابة في الوقت المناسب في ظروف المحيطات التي لا يمكن التنبؤ بها.
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 بإطلاع الجمهور على مثال مألوف - مقتطف كود "مرحبًا بالعالم" لنماذجUltralytics YOLO . من خلال ستة أسطر فقط من كود Python عرض كيف يمكن لنموذج Ultralytics YOLOv8 المدرب مسبقًا أن detect الحافلة في الصورة دون عناء.
الشكل 2. عرض توضيحي من جيم في YOLO Vision 2024.
استخدم العرض التوضيحي الذي قدمه 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 الحقيقي.
لتوفير المزيد من السياق، ذكر جيم أن النموذج في العرض التوضيحي تم تدريبه على COCO128 وهي مجموعة فرعية أصغر من مجموعة بياناتCOCO المستخدمة على نطاق واسع . تحتوي مجموعة بيانات COCO على أكثر من 20,000 صورة عبر 80 فئة مختلفة من الكائنات. وفي حين أن COCO128 يعمل بشكل جيد للعروض التوضيحية السريعة، فقد أشار إلى أن SharkEye بحاجة إلى شيء أكثر قوة - مجموعة بيانات خاصة بالتطبيقات للكشف عن أسماك القرش يمكنها التعامل مع تعقيدات سيناريوهات العالم الحقيقي.
التدريب المخصص 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.
الشكل 3. استخدام الطائرات بدون طيار لالتقاط صور لأسماك القرش للكشف عن الأجسام في الوقت الفعلي.
وبمجرد أن أصبحت مجموعة البيانات جاهزة، تم تدريبYOLOV8 Ultralytics YOLOV8 عليها بشكل مخصص. قال جيم: "لم يكن التدريب الفعلي هو الجزء الصعب، فقد استغرق الأمر 20 ساعة فقط على وحدات معالجة الرسومات T4 [وحدات معالجة الرسومات]." وأضاف أيضًا أنه كان من الممكن تقليل الوقت إلى أقل من خمس ساعات 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.
الشكل 4. جيم يعرض SharkEye في معرض YOLO Vision 2024.
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
هناك اقتباس مثير للاهتمام من حديث جيم جريفين، "ستة أسطر من التعليمات البرمجية يمكن أن تنقذ حياتك يوماً ما"، وهو اقتباس مثير للاهتمام من حديث جيم جريفين، وهو ما يجسد تماماً كيف أصبح الذكاء الاصطناعي متقدماً وسهل المنال في الوقت نفسه. تم إنشاء نماذج Ultralytics YOLO مع وضع ذلك في الاعتبار، مما يجعل تقنية الرؤية الحاسوبية المتطورة في متناول المطورين والشركات من جميع الأحجام. Ultralytics YOLO11 يعتمد على ذلك من خلال استنتاجات أسرع ودقة أعلى.
إليك نظرة سريعة على ما يميز YOLO11 عن غيره:
بنية مُعاد تصميمها: تتيح بنيتها المحسّنة للعمود الفقري والعنق استخراج ميزات أفضل ودقة محسّنة.
سهولة الاستخدام: يمكن الوصول إليها من خلال ترميز Python أو أدوات بدون ترميز مثل Ultralytics HUB.
المرونة عبر المهام: يدعم YOLO11 مهام الرؤية الحاسوبية مثل اكتشاف الأجسام، وتجزئة المثيلات، وتصنيف الصور، والتتبع، وتقدير الوضع، والمربعات المحدودة الموجهة (OBB).
دقة محسّنة: يحقق YOLO11 متوسط دقة أعلى بنسبة 22% مقارنةًmAP YOLOv8m على مجموعة بيانات COCO مما يوفر اكتشافات أكثر دقة.
هذه الميزات تجعل YOLO11 مناسبًا تمامًا لتتبع سلوك الحيوانات في البيئات الديناميكية، سواء في المزرعة أو في البرية.
النقاط الرئيسية
تعمل التطورات في مجال الذكاء الاصطناعي البصري على تسهيل مواجهة تحديات العالم الحقيقي من خلال توفير أدوات عملية لمختلف المجالات. على سبيل المثال، يمكن استخدام نماذج الرؤية الحاسوبية مثل YOLO11 لرصد الحيوانات وتتبعها في الوقت الحقيقي، حتى في الظروف الصعبة.
أوضحت الكلمة الرئيسية التي ألقاها جيم جريفين في YV24 كيف يمكن استخدام YOLOv8 لحل المشاكل المعقدة بأقل قدر من الترميز. وقد أظهر مشروع SharkEye، الذي يجمع بين الطائرات بدون طيار والذكاء الاصطناعي للكشف عن أسماك القرش في الوقت الحقيقي، كيف يمكن للتكنولوجيا تحسين سلامة الشاطئ.
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.
