Ultralytics Platform: خمس أدوات، ومنصة واحدة للرؤية الحاسوبية

أطلقنا اليوم منصة Ultralytics، وهي منصة متكاملة وشاملة للرؤية الحاسوبية مصممة لتبسيط طريقة بناء أنظمة ذكاء اصطناعي للرؤية ونشرها. وبينما الرؤية الحاسوبية، وهي مجال من مجالات الذكاء الاصطناعي يمكّن الآلات من تفسير الصور ومقاطع الفيديو، تشغّل بالفعل العديد من الأنظمة التي نعتمد عليها اليوم، ظل بناء هذه الحلول معقدًا تقليديًا.

بالنسبة إلى العديد من مهندسي الذكاء الاصطناعي ومطوري تعلّم الآلة، لا يزال بناء تطبيق للرؤية الحاسوبية يتطلب التبديل بين عدة أدوات طوال عملية التطوير. فقد يدير الفريق مجموعات البيانات وعمليات التعليق التوضيحي في منصة، ويجري تدريب النماذج في منصة أخرى، ويعتمد على خدمات إضافية لاختبار التنبؤات وتتبع التجارب ونشر الأنظمة في بيئة الإنتاج.

ومع نمو المشاريع، يمكن أن يؤدي التبديل بين الأدوات إلى إبطاء عملية التطوير وزيادة الأعباء التشغيلية. فبدلًا من التركيز على تحسين النماذج وبناء تطبيقات جديدة للرؤية الحاسوبية، غالبًا ما تقضي الفرق وقتًا في إدارة مسارات العمل، ونقل البيانات بين الأدوات، وتهيئة البنية التحتية.

أُنشئت منصة Ultralytics لتبسيط هذه العملية وتسريعها. فمن خلال جمع التعليق التوضيحي والتدريب والتحقق والنشر والمراقبة في بيئة واحدة، تستبدل المنصة أدوات متعددة ضمن حزمة تقنيات الرؤية بالذكاء الاصطناعي بمنصة واحدة للرؤية الحاسوبية، ما يساعد الفرق على بناء أنظمة رؤية بالذكاء الاصطناعي قابلة للتوسع ونشرها بكفاءة أكبر.

الشكل 1. نظرة على إعداد مجموعة البيانات باستخدام منصة Ultralytics (المصدر)

في هذه المقالة، سنستكشف كيفية استبدال منصة Ultralytics أدوات متعددة بمنصة واحدة موحّدة للرؤية الحاسوبية. لنبدأ!

مشكلة تعدد الأدوات في تطوير الرؤية الحاسوبية#

يتضمن بناء حل للرؤية الحاسوبية عدة مراحل، بدءًا من إعداد مجموعات البيانات ووصولًا إلى نشر الأنظمة في بيئة الإنتاج. وفي كثير من الحالات، تعتمد الفرق على أدوات مختلفة لكل جزء من مسار العمل هذا، ومنها:

• أدوات إدارة مجموعات البيانات: تستخدم الفرق هذه الأدوات لتخزين الصور ومقاطع الفيديو وتنظيمها، لاستخدامها لاحقًا بوصفها بيانات تدريب لأنظمة الرؤية الحاسوبية.
• أدوات التعليق التوضيحي: تتيح هذه المنصات للمطورين وفرق البيانات تسمية الكائنات أو الأجزاء أو النقاط الأساسية داخل الصور، لكي تتعلم الأنظمة الأنماط من البيانات المرئية.
• أدوات وأطر تدريب النماذج: يعتمد المطورون على هذه الأدوات لتدريب أنظمة الرؤية الحاسوبية باستخدام مجموعات البيانات المشروحة ونماذج التعلم العميق، وغالبًا ما يعملون ضمن أطر تعلّم الآلة المستندة إلى Python مثل PyTorch وTensorFlow.
• أدوات الاختبار والاستدلال: قبل النشر، تشغّل الفرق النماذج على صور أو مقاطع فيديو جديدة للتحقق من التنبؤات وتقييم مدى جودة أداء النظام.
• أدوات النشر والمراقبة: بعد أن يصبح حل الرؤية بالذكاء الاصطناعي جاهزًا للشحن، تُستخدم بنية تحتية إضافية لتشغيل التطبيق في بيئة الإنتاج ومراقبة أدائه بمرور الوقت.

يمكن أن تؤدي إدارة هذه الأدوات بصورة منفصلة إلى جعل تنسيق مسارات التطوير أكثر صعوبة. وينتهي الأمر بالفرق إلى قضاء الوقت في نقل البيانات بين المنصات، وصيانة عمليات التكامل، وتهيئة البنية التحتية بدلًا من التركيز على تحسين تطبيقات الرؤية الحاسوبية.

ما منصة الرؤية بالذكاء الاصطناعي المتكاملة؟#

قبل أن نتعمق في الميزات الرئيسية لمنصة Ultralytics وما يمكنها فعله، لِنفهم أولًا ما نعنيه بمنصة متكاملة للرؤية الحاسوبية.

ببساطة، توفر منصة Ultralytics مكانًا واحدًا يستطيع فيه المطورون بناء تطبيقات الرؤية الحاسوبية وتشغيلها. وبدلًا من الاعتماد على خدمات منفصلة لأجزاء مختلفة من عملية التطوير، يمكن للأفراد والفرق العمل مع البيانات المرئية، وتدريب النماذج والخوارزميات، واختبار النتائج، وتشغيل التطبيقات ضمن البيئة نفسها.

الشكل 2. اختبار نموذج على منصة Ultralytics (المصدر)

يُسهّل هذا النهج على المطورين إجراء التجارب وتحسين أنظمتهم ودفع المشاريع إلى الأمام دون التبديل المستمر بين الأدوات.

كيف تبسّط منصة Ultralytics مسار عمل الرؤية بالذكاء الاصطناعي#

تشكلت منصة Ultralytics عبر سنوات من العمل الوثيق مع مجتمع الرؤية الحاسوبية. وقد واصلت محادثاتنا مع المطورين والفرق التي تبني أنظمة الرؤية بالذكاء الاصطناعي إظهار بعض التحديات المشتركة.

فعلى سبيل المثال، كان أحد الشواغل الرئيسية هو التعليق التوضيحي للبيانات، الذي قد يستغرق وقتًا كبيرًا عند الحاجة إلى تسمية مجموعات بيانات ضخمة. وظهر تحدٍّ آخر عندما حاولت الفرق نقل الأنظمة إلى بيئة الإنتاج، إذ يتطلب نشر التطبيقات عبر بيئات وإعدادات أجهزة مختلفة غالبًا أدوات إضافية.

كما تتعامل فرق كثيرة مع التبديل بين الأدوات، لأن أدوات التعليق التوضيحي وبيئات التدريب وأنظمة النشر تكون موزعة غالبًا عبر منصات متعددة. وتحل منصة Ultralytics كل هذه التعقيدات من خلال مجموعة من الميزات المدمجة.

نظرة عامة على الميزات الرئيسية لمنصة Ultralytics#

فلنستعرض بعض الوظائف الرئيسية لمنصة Ultralytics التي تساعد على تبسيط هذه التحديات ومسار عمل الرؤية بالذكاء الاصطناعي عمومًا:

• التعليق التوضيحي الذكي للبيانات: تساعد أدوات التعليق التوضيحي المدمجة الفرق على تسمية مجموعات البيانات بسرعة أكبر، من خلال ميزات مثل التعليق التوضيحي الذكي المدعوم بنموذج تقسيم أي شيء (SAM) واختصارات لوحة المفاتيح التي تبسّط مسارات عمل التعليق التوضيحي.
• تدريب النماذج المتكامل: يمكن للمطورين تدريب النماذج المدرّبة مسبقًا مباشرةً داخل المنصة، مع تتبع التجارب ومراقبة الأداء من خلال لوحات معلومات تفاعلية.
• اختبار الاستدلال عبر المتصفح: يمكن للفرق اختبار التنبؤات بسرعة في المتصفح لتقييم أداء النظام قبل نشره في بيئة الإنتاج.
• خيارات النشر المرنة: يمكن تصدير النماذج إلى 17 تنسيقًا مختلفًا، أو نشرها من خلال خدمات استدلال مشتركة ونقاط نهاية مخصصة عبر 43 منطقة حول العالم.
• المراقبة المدمجة: توفر المنصة لوحات معلومات تساعد الفرق على تتبع نتائج التجارب وأداء النظام وسلامة النشر في مكان واحد.

من البيانات الأولية إلى النشر باستخدام منصة Ultralytics#

مع تعرّفك أكثر إلى منصة Ultralytics، قد تتساءل عن شكل العمل بها فعليًا. ولتكوين فكرة أفضل، لِنستعرض مثالًا بسيطًا.

لنفترض أنك تبني نظام فحص بصري لخط تصنيع. ويتمثل الهدف في تحديد المنتجات التالفة أو المعيبة تلقائيًا أثناء تحركها خلال الإنتاج.

تبدأ العملية عادةً بجمع البيانات المرئية. وباستخدام منصة Ultralytics الجديدة للرؤية الحاسوبية، يمكنك تحميل صور أو مقاطع فيديو للمنتجات من خط الإنتاج وتنظيمها في مجموعات بيانات ستُستخدم لتدريب نموذج لاكتشاف العيوب.

تأتي بعد ذلك مرحلة التعليق التوضيحي للبيانات. وباستخدام أدوات التعليق التوضيحي اليدوية أو المدعومة بالذكاء الاصطناعي المدمجة في المنصة، يمكنك تسمية العيوب مباشرةً في الصور ضمن 5 مهام للكشف. وتبسّط الابتكارات الكامنة وراء ميزات مثل التعليق التوضيحي الذكي المدعوم بـ SAM، وقوالب الهيكل العظمي للوضعية المدمجة التي تتيح وضع النقاط الأساسية بنقرة واحدة، مسار العمل الذي كان سيستغرق ساعات لولا ذلك.

بعد أن تصبح مجموعة البيانات جاهزة، يمكنك الانتقال إلى تدريب النموذج. تتيح لك المنصة تدريب نماذج الرؤية الحاسوبية، مثل نماذج Ultralytics YOLO، باستخدام البيانات المصنفة. وأثناء التدريب، يمكنك مراقبة مقاييس الأداء وتتبع التجارب وتحسين النماذج بمرور الوقت لتحسين أداء النظام من لوحة معلومات واحدة.

بعد التدريب، تتمثل الخطوة التالية في الاختبار والتحقق. يمكنك تشغيل التنبؤات على صور جديدة مباشرةً داخل المنصة للتحقق من مدى جودة اكتشاف النظام للعيوب وتحديد المجالات التي قد تحتاج إلى مزيد من التحسين.

وأخيرًا، عندما يحقق النظام أداءً جيدًا، يمكن نشره في بيئة الإنتاج. وتدعم منصة Ultralytics تصدير النماذج إلى تنسيقات متعددة أو نشرها من خلال خدمات الاستدلال ونقاط النهاية، لكي تعمل في بيئات العالم الحقيقي.

الشكل 3. مثال على تصدير النماذج باستخدام منصة Ultralytics (المصدر)

ومن خلال دعم كل خطوة من خطوات مسار العمل هذا، تسهّل منصة Ultralytics الانتقال من البيانات المرئية الأولية إلى تطبيق عملي للرؤية الحاسوبية قادر على اكتشاف العيوب تلقائيًا على خط الإنتاج.

حالات استخدام مدعومة بالرؤية بالذكاء الاصطناعي يمكنك بناؤها باستخدام منصة Ultralytics#

في معظم التطبيقات التي يمكن فيها تحويل البيانات المرئية إلى معلومات واستخدامها لأتمتة العمليات، تستطيع الرؤية الحاسوبية إحداث فرق. وينطبق ذلك على مختلف القطاعات، من الرعاية الصحية إلى صناعة السيارات، وقد صُممت منصة Ultralytics لدعم هذا التنوع.

تدعم المنصة أصلًا نماذج متطورة مثل Ultralytics YOLO26 ومجموعة من مهام الرؤية الحاسوبية، بما في ذلك اكتشاف الكائنات وتصنيف الصور وتقسيم الكائنات وتقدير الوضعية واكتشاف صندوق الإحاطة الموجّه (OBB). وبفضل هذه المرونة، يستطيع المطورون بناء تطبيقات لسيناريوهات متعددة تحتاج فيها الصور أو مقاطع الفيديو إلى التحليل.

فعلى سبيل المثال، يمكن للفرق إنشاء أنظمة لـالمراقبة تحت الماء في الوقت الفعلي ضمن البيئات البحرية، وعدّ الخلايا في الأبحاث الطبية والبيولوجية، وتتبع الحياة البرية في النظم البيئية النائية، وتمكين أنظمة الإدراك للمركبات ذاتية القيادة، وتوجيه الروبوتات عبر البيئات المعقدة. وما ذكرناه ليس سوى جزء يسير مما يمكن تحقيقه باستخدام الرؤية الحاسوبية.

الشكل 4. التعليق التوضيحي على صورة لاكتشاف الحياة البرية على منصة Ultralytics (المصدر)

لماذا تُعد منصة Ultralytics مستقبل الرؤية بالذكاء الاصطناعي#

مع انتشار استخدام الرؤية الحاسوبية على نطاق أوسع، تزداد أهمية جعل تطوير الرؤية بالذكاء الاصطناعي أكثر سهولة وإتاحة. ويرغب العديد من المطورين والمؤسسات في إجراء التجارب على البيانات المرئية وبناء تطبيقات الذكاء الاصطناعي، لكن إعدادات التطوير التقليدية قد تجعل البدء أمرًا صعبًا.

تساعد منصة Ultralytics على خفض هذه العوائق من خلال توفير بيئة يستطيع فيها المطورون بدء العمل بسرعة باستخدام تقنية الرؤية الحاسوبية. وبدلًا من قضاء الوقت في إعداد البنية التحتية أو دمج الأدوات المختلفة، يمكن للفرق التركيز على تجربة الأفكار وبناء التطبيقات العملية.

تفتح هذه الإتاحة الباب أمام نطاق أوسع من المطورين والباحثين والمؤسسات لاستكشاف الرؤية بالذكاء الاصطناعي. ونتيجةً لذلك، تستطيع فرق أكثر تحويل البيانات المرئية إلى رؤى ذات معنى وإنشاء تطبيقات تحل مشكلات العالم الحقيقي.

ومع استمرار توسع الرؤية بالذكاء الاصطناعي عبر القطاعات، نؤمن بأن منصة Ultralytics ستجعل التطوير أكثر سهولة، وستؤدي دورًا رئيسيًا في تشكيل مستقبل الرؤية الحاسوبية.

البدء باستخدام منصة Ultralytics#

ابدأ البناء لمشاريع الرؤية الحاسوبية باستخدام منصة Ultralytics اليوم. يمكنك استكشاف المنصة من خلال الخطة المجانية، التي تشمل أرصدة تسجيل للاستخدام في التدريب السحابي والوصول إلى الأدوات الأساسية لإدارة مجموعات البيانات والتعليق التوضيحي على الصور وتدريب النماذج ونشر التطبيقات.

ومع نمو مشاريعك، يمكنك توسيع نطاق استخدامك من خلال خطط إضافية توفر مزيدًا من موارد الحوسبة ومساحة التخزين وميزات التعاون وسعة النشر. كما تستخدم المنصة نظام تسعير قائمًا على الأرصدة لخدمات مثل التدريب السحابي ونقاط النهاية المُدارة، ما يمكّن الفرق من تشغيل التجارب ونشر التطبيقات مع تتبع الاستخدام بشفافية.

أهم النقاط المستخلصة#

تنتقل معالجة الصور وتقنية الرؤية الحاسوبية بسرعة من تجارب البحث إلى أنظمة العالم الحقيقي التي تشغّل التقنيات اليومية. وتساعد منصة Ultralytics على تسريع هذا التحول من خلال تزويد المطورين بطريقة أبسط لبناء تطبيقات الرؤية بالذكاء الاصطناعي واختبارها ونشرها. ومع تقليل العوائق بين الأفكار والنشر، يمكن بناء الجيل التالي من حلول الرؤية الحاسوبية بسرعة أكبر من أي وقت مضى.

انضم إلى مجتمعنا واستكشف مستودع GitHub لمعرفة المزيد عن نماذج الرؤية الحاسوبية. اقرأ عن تطبيقات مثل الذكاء الاصطناعي في الزراعة والرؤية الحاسوبية في الروبوتات في صفحات حلولنا. اطّلع على خيارات الترخيص وابدأ ببناء نموذج الرؤية بالذكاء الاصطناعي الخاص بك.