منصة Ultralytics: خمس أدوات في منصة واحدة للرؤية الحاسوبية

أطلقنا اليوم منصة Ultralytics، وهي منصة للرؤية الحاسوبية متكاملة من البداية إلى النهاية، صُممت لتبسيط بناء أنظمة الذكاء الاصطناعي للرؤية ونشرها. وعلى الرغم من أن الرؤية الحاسوبية، وهي مجال من مجالات الذكاء الاصطناعي يتيح للآلات تفسير الصور ومقاطع الفيديو، تشغّل بالفعل كثيرًا من الأنظمة التي نعتمد عليها اليوم، فإن بناء هذه الحلول كان معقدًا تقليديًا.

بالنسبة إلى كثير من مهندسي الذكاء الاصطناعي ومطوري التعلم الآلي، لا يزال إنشاء تطبيق للرؤية الحاسوبية يتطلب التنقل بين أدوات متعددة طوال عملية التطوير. فقد يدير الفريق مجموعات البيانات وعمليات التعليق التوضيحي في منصة، وينفذ تدريب النموذج في منصة أخرى، ويعتمد على خدمات إضافية لاختبار التنبؤات وتتبع التجارب ونشر الأنظمة في بيئة الإنتاج.

مع نمو المشاريع، قد يؤدي التنقل بين الأدوات إلى إبطاء التطوير وزيادة الأعباء التشغيلية. وبدلًا من التركيز على تحسين النماذج وبناء تطبيقات جديدة للرؤية الحاسوبية، غالبًا ما تقضي الفرق وقتها في إدارة سير العمل ونقل البيانات بين الأدوات وإعداد 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 منظومة الذكاء الاصطناعي للرؤية بمنصة واحدة للرؤية الحاسوبية، مما يساعد الفرق على بناء أنظمة ذكاء اصطناعي للرؤية قابلة للتوسع ونشرها بكفاءة أكبر.

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

سنستكشف في هذا المقال كيف تستبدل منصة Ultralytics أدوات متعددة بمنصة موحدة للرؤية الحاسوبية. لنبدأ!

مشكلة تعدد الأدوات في تطوير الرؤية الحاسوبية#

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

• أدوات إدارة مجموعات البيانات: تستخدم الفرق هذه الأدوات لتخزين الصور ومقاطع الفيديو وتنظيمها، لاستخدامها لاحقًا بيانات تدريب لأنظمة الرؤية الحاسوبية.
• أدوات التعليق التوضيحي: تتيح هذه المنصات للمطورين وفرق البيانات وضع تسميات للأجسام أو المقاطع أو النقاط المفتاحية داخل الصور، لكي تتعلم الأنظمة الأنماط من البيانات المرئية.
• أدوات وأطر عمل تدريب النماذج: يعتمد المطورون على هذه الأدوات لتدريب أنظمة الرؤية الحاسوبية باستخدام مجموعات البيانات المشروحة ونماذج التعلم العميق، وغالبًا ما يعملون ضمن أطر عمل للتعلم الآلي قائمة على Python مثل PyTorch وTensorFlow.
• أدوات الاختبار والاستدلال: قبل النشر، تشغّل الفرق النماذج على صور أو مقاطع فيديو جديدة للتحقق من التنبؤات وتقييم أداء النظام.
• أدوات النشر والمراقبة: بعد تجهيز حل الذكاء الاصطناعي للرؤية للنشر، تُستخدم بنية تحتية إضافية لتشغيل التطبيق في بيئة الإنتاج ومراقبة أدائه بمرور الوقت.

قد تؤدي إدارة هذه الأدوات بشكل منفصل إلى صعوبة تنسيق سير عمل التطوير. وينتهي الأمر بالفرق إلى قضاء الوقت في نقل البيانات بين المنصات وصيانة عمليات التكامل وإعداد البنية التحتية، بدلًا من التركيز على تحسين تطبيقات الرؤية الحاسوبية.

ما منصة الذكاء الاصطناعي للرؤية المتكاملة من البداية إلى النهاية؟#

قبل أن نتعمق في الميزات الرئيسية لمنصة Ultralytics وما يمكنها فعله، دعونا نفهم المقصود بمنصة متكاملة للرؤية الحاسوبية من البداية إلى النهاية.

ببساطة، توفر منصة Ultralytics مكانًا واحدًا يستطيع فيه المطورون إنشاء تطبيقات الرؤية الحاسوبية وتشغيلها. فبدلًا من الاعتماد على خدمات منفصلة لمختلف مراحل التطوير، يمكن للأفراد والفرق التعامل مع البيانات المرئية وتدريب النماذج والخوارزميات واختبار النتائج وتشغيل التطبيقات ضمن البيئة نفسها.

الشكل 2. اختبار نموذج على منصة Ultralytics (المصدر)

يسهّل هذا النهج على المطورين إجراء التجارب وتحسين أنظمتهم ودفع المشاريع قدمًا دون الحاجة إلى التنقل باستمرار بين الأدوات.

كيف تبسّط منصة Ultralytics سير عمل الذكاء الاصطناعي للرؤية#

تبلورت منصة Ultralytics عبر سنوات من العمل الوثيق مع مجتمع الرؤية الحاسوبية. وقد تكررت في حواراتنا مع المطورين والفرق التي تبني أنظمة الذكاء الاصطناعي للرؤية مجموعة من التحديات المشتركة.

على سبيل المثال، كان التعليق التوضيحي للبيانات من أبرز المخاوف، إذ قد يستغرق وقتًا طويلًا عند الحاجة إلى وضع تسميات لمجموعات بيانات كبيرة. وظهر تحدٍ آخر عندما حاولت الفرق نقل الأنظمة إلى بيئة الإنتاج، حيث يتطلب نشر التطبيقات عبر بيئات وإعدادات أجهزة مختلفة أدوات إضافية في كثير من الأحيان.

تتعامل فرق كثيرة أيضًا مع مشكلة التنقل بين الأدوات، إذ غالبًا ما تتوزع أدوات التعليق التوضيحي وبيئات التدريب وأنظمة النشر على منصات متعددة. وتحل منصة Ultralytics كل هذه التعقيدات بفضل مجموعة من الميزات المدمجة.

نظرة عامة على الميزات الرئيسية لمنصة Ultralytics#

فلنستعرض بعض الوظائف الرئيسية لمنصة Ultralytics التي تساعد على تبسيط هذه التحديات وسير عمل الذكاء الاصطناعي للرؤية عمومًا:

• التعليق التوضيحي الذكي للبيانات: تساعد أدوات التعليق التوضيحي المدمجة الفرق على وضع تسميات لمجموعات البيانات بسرعة أكبر، بفضل ميزات مثل التعليق التوضيحي الذكي المدعوم بنموذج تقسيم أي شيء (SAM) واختصارات لوحة المفاتيح التي تبسّط سير عمل التعليق التوضيحي.
• تدريب متكامل للنماذج: يستطيع المطورون تدريب النماذج المدربة مسبقًا مباشرةً ضمن المنصة، مع تتبع التجارب ومراقبة الأداء عبر لوحات معلومات تفاعلية.
• اختبار الاستدلال عبر المتصفح: تستطيع الفرق اختبار التنبؤات سريعًا في المتصفح لتقييم أداء النظام قبل نشره في بيئة الإنتاج.
• خيارات نشر مرنة: يمكن تصدير النماذج إلى 17 تنسيقًا مختلفًا أو نشرها عبر خدمات استدلال مشتركة ونقاط نهاية مخصصة في 43 منطقة حول العالم.
• مراقبة مدمجة: توفر المنصة لوحات معلومات تساعد الفرق على تتبع نتائج التجارب وأداء النظام وسلامة النشر في مكان واحد.

من البيانات الخام إلى النشر باستخدام منصة Ultralytics#

قد تتساءل، كلما تعرفت أكثر إلى منصة Ultralytics، عن شكل العمل عليها فعليًا. ولتكوين فكرة أوضح، دعونا نستعرض مثالًا بسيطًا.

لنفترض أنك تبني نظامًا للفحص البصري لخط تصنيع. والهدف هو التعرف تلقائيًا على المنتجات التالفة أو المعيبة أثناء مرورها بمراحل الإنتاج.

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

تأتي بعد ذلك مرحلة التعليق التوضيحي للبيانات. فباستخدام أدوات التعليق التوضيحي اليدوية أو المدعومة بالذكاء الاصطناعي المدمجة في المنصة، يمكنك تحديد العيوب مباشرةً في الصور ضمن 5 مهام للكشف. وتعمل ابتكارات مثل التعليق التوضيحي الذكي المدعوم بنموذج SAM، وقوالب الهياكل العظمية للوضعيات المدمجة التي تتيح وضع النقاط المفتاحية بنقرة واحدة، على تبسيط سير عمل كان سيستغرق ساعات لولا ذلك.

بعد تجهيز مجموعة البيانات، يمكنك الانتقال إلى تدريب النموذج. وتتيح لك المنصة تدريب نماذج الرؤية الحاسوبية، مثل نماذج Ultralytics YOLO، باستخدام البيانات التي وُضعت لها تسميات. وأثناء التدريب، يمكنك مراقبة مقاييس الأداء وتتبع التجارب وتحسين النماذج بمرور الوقت لتعزيز أداء النظام، كل ذلك من لوحة معلومات واحدة.

بعد التدريب، تأتي مرحلة الاختبار والتحقق. يمكنك إجراء تنبؤات على صور جديدة مباشرةً ضمن المنصة للتحقق من مدى كفاءة النظام في اكتشاف العيوب 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 عبر خدمات الاستدلال ونقاط النهاية، لتعمل في بيئات العالم الحقيقي.

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

ومن خلال دعم كل خطوة في خط المعالجة هذا، تسهّل منصة Ultralytics الانتقال من البيانات المرئية الخام إلى تطبيق عملي للرؤية الحاسوبية، قادر على اكتشاف العيوب تلقائيًا على خط الإنتاج.

حالات استخدام يمكنك إنشاؤها باستخدام الذكاء الاصطناعي للرؤية على منصة Ultralytics#

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

تدعم المنصة بطبيعتها أحدث النماذج مثل Ultralytics YOLO26 ومجموعة من مهام الرؤية الحاسوبية، بما في ذلك اكتشاف الأجسام وتصنيف الصور وتقسيم الكائنات وتقدير الوضعيات واكتشاف مربعات الإحاطة الموجّهة (OBB). وبفضل هذه المرونة، يستطيع المطورون بناء تطبيقات لسيناريوهات مختلفة عديدة تتطلب تحليل الصور أو مقاطع الفيديو.

فعلى سبيل المثال، تستطيع الفرق إنشاء أنظمة لـالمراقبة تحت الماء في 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. وهذه ليست سوى لمحة عن إمكانات الرؤية الحاسوبية.

الشكل 4. إضافة تعليق توضيحي إلى صورة لاكتشاف الحياة البرية على منصة Ultralytics (المصدر)

لماذا تمثل منصة Ultralytics مستقبل الذكاء الاصطناعي للرؤية#

مع تزايد انتشار الرؤية الحاسوبية، تزداد أهمية جعل تطوير الذكاء الاصطناعي للرؤية أكثر سهولة. يرغب كثير من المطورين والمؤسسات في إجراء التجارب على البيانات المرئية وبناء تطبيقات الذكاء الاصطناعي، لكن إعدادات التطوير التقليدية قد تجعل البدء صعبًا.

تساعد منصة Ultralytics على تخطي هذه العقبات من خلال توفير بيئة تتيح للمطورين البدء سريعًا في استخدام تقنيات الرؤية الحاسوبية. وبدلًا من قضاء الوقت في إعداد البنية التحتية أو دمج أدوات مختلفة، تستطيع الفرق التركيز على تجربة الأفكار وبناء تطبيقات عملية.

تتيح هذه السهولة المجال لمزيد من المطورين والباحثين والمؤسسات لاستكشاف الذكاء الاصطناعي للرؤية. ونتيجة لذلك، تستطيع فرق أكثر تحويل البيانات المرئية إلى رؤى قيّمة وإنشاء تطبيقات تحل مشكلات العالم الحقيقي.

ومع استمرار انتشار الذكاء الاصطناعي للرؤية في مختلف القطاعات، نؤمن بأن منصة Ultralytics ستجعل التطوير أكثر سهولة، وستؤدي دورًا رئيسيًا في رسم مستقبل الرؤية الحاسوبية.

البدء باستخدام منصة Ultralytics#

ابدأ ببناء مشاريع الرؤية الحاسوبية باستخدام منصة Ultralytics اليوم. ويمكنك استكشاف المنصة عبر الخطة المجانية، التي تتضمن أرصدة تسجيل للاستخدام في التدريب السحابي وإمكانية الوصول إلى الأدوات الأساسية لإدارة مجموعات البيانات والتعليق التوضيحي على الصور وتدريب النماذج ونشر التطبيقات.

مع نمو مشاريعك، يمكنك زيادة نطاق استخدامك عبر خطط إضافية توفر مزيدًا من موارد الحوسبة والتخزين وميزات التعاون وسعة النشر. كما تستخدم المنصة نظام تسعير قائمًا على الأرصدة لخدمات مثل التدريب السحابي ونقاط النهاية المُدارة، ما يتيح للفرق إجراء التجارب ونشر التطبيقات مع تتبع الاستخدام بشفافية.

أبرز النقاط#

تنتقل تقنيات معالجة الصور والرؤية الحاسوبية بسرعة من التجارب البحثية إلى أنظمة العالم الحقيقي التي تشغّل التقنيات اليومية. وتساعد منصة Ultralytics على تسريع هذا التحول من خلال إتاحة طريقة أبسط للمطورين لبناء تطبيقات الذكاء الاصطناعي للرؤية واختبارها ونشرها. ومع تقليل العقبات بين الأفكار والنشر، يمكن بناء الجيل القادم 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 الحلول لدينا. اطّلع على خيارات الترخيص وابدأ ببناء نموذج الذكاء الاصطناعي للرؤية الخاص بك.