استخدام Ultralytics YOLO11 للتعرف الآلي على لوحات أرقام المركبات

مع تزايد اعتماد الذكاء الاصطناعي، أصبحت الابتكارات التي تعتمد على التعرّف الآلي على لوحات الأرقام (ANPR) أكثر شيوعًا. تستخدم أنظمة ANPR الرؤية الحاسوبية لقراءة لوحات أرقام المركبات تلقائيًا والتعرّف عليها وتتبعها. ومؤخرًا، أتاحت التطورات في الذكاء الاصطناعي إمكانية دمج هذه الأنظمة بسرعة في حياتنا اليومية. في الواقع، ربما شاهدت أنظمة ANPR عند أكشاك تحصيل الرسوم أو أثناء عمليات الشرطة للتحقق من المركبات المسرعة.

أصبح التعرّف على لوحات الأرقام مهمًا على نحو متزايد، ومن المتوقع أن تصل قيمة السوق العالمية لأنظمة ANPR إلى 4.8 مليارات دولار بحلول عام 2027. ومن عوامل هذا النمو الفوائد التي تقدمها ANPR لتطبيقات مثل إدارة حركة المرور والأمن.

للحصول على أفضل النتائج من تطبيقات ANPR، من المهم فهم تقنيات الذكاء الاصطناعي الكامنة وراء هذه الحلول. فعلى سبيل المثال، يُعد اكتشاف الأجسام، وهو مهمة في الرؤية الحاسوبية، ضروريًا للتعرّف على المركبات وتتبعها بدقة، وهنا يأتي دور نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11. في هذه المقالة، سنستعرض كيفية عمل ANPR وكيف يمكن لـ YOLO11، على وجه الخصوص، تحسين حلول ANPR.

الشكل 1. استخدام نماذج Ultralytics YOLO في ANPR.

كيفية عمل التعرّف الآلي على لوحات أرقام المركبات#

يتضمن التعرّف الآلي على لوحات الأرقام (ANPR) بضع خطوات مهمة للتعرّف على لوحات أرقام المركبات بسرعة ودقة. لنفصّل كيفية تضافر هذه الخطوات لجعل العملية فعّالة:

• التقاط الصور: أولًا، تُستخدم الكاميرات لالتقاط صور للمركبات. ويمكن تثبيت هذه الكاميرات في مواقع ثابتة، مثل أكشاك تحصيل الرسوم، أو تركيبها على مركبات الشرطة لتوفير إمكانية التنقل.
• اكتشاف لوحة الأرقام: بعد ذلك، تُستخدم نماذج اكتشاف الأجسام مثل YOLO11 للعثور على لوحة الأرقام في الصورة.
• التعرّف الضوئي على الأحرف (OCR): بعد ذلك، يُستخدم OCR لقراءة الأحرف الموجودة على اللوحة (في الصورة)، وتحويلها إلى نص قابل للقراءة آليًا.
• البحث في قاعدة البيانات: تُطابَق البيانات النصية بعد ذلك مع قاعدة بيانات لتأكيد معلومات اللوحة.

الشكل 2. مثال على استخدام نماذج Ultralytics YOLO لاكتشاف لوحات الأرقام.

غالبًا ما تواجه أنظمة ANPR تحديات مثل الإضاءة الضعيفة، وتصاميم اللوحات المختلفة، والظروف البيئية القاسية. ويمكن أن يساعد YOLO11 في معالجة هذه التحديات من خلال تعزيز دقة الاكتشاف وسرعته، حتى عندما تكون الظروف صعبة. وباستخدام نماذج مثل YOLO11، يمكن لأنظمة ANPR العمل بموثوقية أكبر، ما يسهّل التعرّف على اللوحات في الوقت الفعلي، سواءً في النهار أو الليل أو في الأحوال الجوية السيئة. في القسم التالي، سنلقي نظرةً أعمق على كيفية استخدام YOLO11 لتحقيق هذه التحسينات.

كيف يمكن لـ YOLO11 تحسين نظام ANPR#

عُرض Ultralytics YOLO11 لأول مرة في الفعالية الهجينة السنوية التي تنظمها Ultralytics، وهي YOLO Vision 2024 (YV24). وبصفته نموذجًا لـاكتشاف الأجسام يدعم التطبيقات في الوقت الفعلي، يُعد YOLO11 خيارًا ممتازًا لتحسين الابتكارات مثل أنظمة ANPR. كما يناسب YOLO11 تطبيقات الذكاء الاصطناعي الطرفي. ويسمح ذلك لحلول ANPR المدمجة مع YOLO11 بالعمل بفعالية حتى عندما يكون اتصال الشبكة غير موثوق. ونتيجةً لذلك، يمكن لأنظمة ANPR العمل بسلاسة في المواقع النائية أو المناطق ذات الاتصال المحدود.

يوفر YOLO11 أيضًا تحسينات في الكفاءة مقارنةً بأسلافه. فعلى سبيل المثال، يحقق YOLO11m متوسط دقة أعلى (mAP) على مجموعة بيانات COCO باستخدام عدد معلمات أقل بنسبة 22% مقارنةً بـ YOLOv8m. وباستخدام YOLO11، تستطيع أنظمة ANPR التعامل بصورة أفضل مع تحديات متنوعة، مثل تغيّر ظروف الإضاءة، وتنوع تصاميم اللوحات، والمركبات المتحركة، ما يؤدي إلى تعرّف أكثر موثوقية وفعالية على لوحات الأرقام.

الشكل 3. مقارنة Ultralytics YOLO11 بالإصدارات السابقة.

إذا كنت تتساءل عن كيفية استخدام YOLO11 في مشروع ANPR الخاص بك، فالأمر بسيط للغاية. لقد دُرّبت إصدارات نماذج YOLO11 التي تدعم اكتشاف الأجسام مسبقًا على مجموعة بيانات COCO. ويمكن لهذه النماذج اكتشاف 80 نوعًا مختلفًا من الأجسام، مثل السيارات والدراجات والحيوانات. وعلى الرغم من أن لوحات الأرقام ليست ضمن التسميات المدربة مسبقًا، يمكن للمستخدمين تدريب YOLO11 بسهولة تدريبًا مخصصًا لاكتشاف لوحات الأرقام باستخدام حزمة Ultralytics Python أو منصة Ultralytics HUB الخالية من التعليمات البرمجية. ويتمتع المستخدمون بالمرونة اللازمة لإنشاء مجموعة بيانات مخصصة للوحات الأرقام أو استخدامها، لجعل نموذج YOLO11 المدرب مخصصًا ومثاليًا لـ ANPR.

تطبيقات نظام ANPR المدمج مع YOLO11#

بعد ذلك، سنستعرض التطبيقات المختلفة التي يمكن فيها استخدام ANPR وYOLO11 معًا لتحسين الكفاءة والدقة.

اكتشاف لوحات الأرقام في الوقت الفعلي لحركة المرور وإنفاذ القانون#

في المدن المزدحمة التي تتحرك فيها السيارات عبر التقاطعات والطرق السريعة، يتعين على مسؤولي المرور إدارة الازدحام، ومراقبة مخالفات المرور، وضمان السلامة العامة. ويمكن لـ ANPR، عند دمجه مع YOLO11، أن يُحدث فرقًا كبيرًا في هذه الجهود. فمن خلال التعرّف الفوري على لوحات المركبات، تستطيع السلطات مراقبة تدفق حركة المرور، وإنفاذ قوانين المرور، والتعرّف سريعًا على المركبات المتورطة في المخالفات. فعلى سبيل المثال، يمكن بسهولة إيقاف المركبات المسرعة.

الشكل 4. اكتشاف المركبات المسرعة والتعرّف عليها باستخدام ANPR وYOLO11.

بوجه عام، يمكن لـ ANPR مع YOLO11 أتمتة المهام التي كانت ستتطلب جهدًا يدويًا بخلاف ذلك. إذ يمكنه اكتشاف المركبات التي تتجاوز الإشارة الحمراء وإدارة عمليات أكشاك تحصيل الرسوم. ولا تؤدي أتمتة هذه المهام إلى جعل النظام أكثر كفاءة فحسب، بل تقلل أيضًا من عبء العمل على مسؤولي المرور، ما يتيح لهم التركيز على المسؤوليات الأكثر أهمية.

في مجال إنفاذ القانون، يمكن لـ YOLO11 وANPR العمل معًا لتتبع المركبات المسروقة والتعرّف على المركبات المعلّمة بسبب أنشطة مشبوهة. ويضمن الاكتشاف في الوقت الفعلي باستخدام YOLO11 التعرّف على المركبات بسرعة وموثوقية، حتى عندما تتحرك بسرعة عالية. وتساعد هذه القدرة على تحسين السلامة العامة من خلال تمكين الاستجابة الأسرع وإنفاذ القانون بفعالية أكبر.

أنظمة إدارة مواقف السيارات المتطورة وANPR#

من التطبيقات المثيرة الأخرى لـ ANPR مع YOLO11 أنظمة إدارة مواقف السيارات. فعلى سبيل المثال، يتيح ذلك إنشاء مواقف يمكن للسيارات دخولها وإيقافها ومغادرتها من دون حاجة السائق إلى التفاعل مع آلة تذاكر أو موظف. ويمكن لـ أنظمة مواقف السيارات المعتمدة على ANPR والتي تستخدم YOLO11 المساعدة في تسهيل عمليات الدخول والخروج والدفع.

الشكل 5. إدارة مواقف السيارات باستخدام نماذج Ultralytics YOLO.

عندما تقترب مركبة من بوابة الدخول، يتعرّف ANPR المدعوم بـ YOLO11 على لوحة الأرقام فورًا. ثم يطابق النظام اللوحة مع قاعدة بيانات مسجلة مسبقًا أو ينشئ إدخالًا جديدًا. وتُفتح البوابة تلقائيًا، ما يسمح للمركبة بالدخول من دون أي خطوات يدوية. وتوفر هذه العملية السريعة تجربة أكثر راحة للسائقين.

وبالمثل، عندما تغادر مركبة، يكتشف النظام لوحة الأرقام مرة أخرى باستخدام YOLO11. ويحسب مدة ركن المركبة، ويمكنه معالجة الدفع تلقائيًا إذا كانت المركبة مسجلة باستخدام طريقة دفع. وتلغي الأتمتة الحاجة إلى آلات الدفع الفعلية، وتساعد على تقليل الازدحام عند المخارج، لا سيما خلال أوقات الذروة.

تُعد قدرة YOLO11 على اكتشاف لوحات الأرقام بدقة وفي الوقت الفعلي عاملًا أساسيًا في جعل أنظمة إدارة مواقف السيارات هذه تعمل بسلاسة. وإلى جانب جعل ركن السيارات أكثر راحة، تساعد هذه القدرة المشغلين على إدارة مرافقهم بصورة أفضل من خلال تقليل العمل اليدوي وتحسين تدفق حركة المرور.

استخدام ANPR للتحكم في الوصول ضمن أنظمة الأمن#

تُعد أنظمة ANPR المدمجة مع YOLO11 خيارًا ممتازًا لـإدارة الوصول إلى المناطق الآمنة مثل المجمعات السكنية المسوّرة، والمجمعات المؤسسية، والمنشآت المقيّدة. ومن خلال استخدام ANPR، تستطيع هذه المواقع أتمتة الأمن، بما يضمن السماح للمركبات المصرّح لها فقط بالدخول.

الشكل 6. استخدام ANPR للسماح للمركبات المصرّح لها بدخول المناطق الآمنة.

يشبه ذلك نظام إدارة مواقف السيارات الذي ناقشناه سابقًا. ويتمثل الاختلاف الرئيسي في أن النظام يطابق اللوحة مع قائمة بالمركبات المصرّح لها. فإذا كانت المركبة معتمدة، تُفتح البوابة تلقائيًا، ما يوفر وصولًا سلسًا للسكان أو الموظفين أو الزوار مع الحفاظ على مستوى أمان مرتفع. وتقلل هذه العملية الحاجة إلى الفحوصات اليدوية، ما يتيح لموظفي الأمن التركيز على المهام الأكثر أهمية.

أنظمة ANPR جزء أساسي من مستقبل المدن الذكية#

بعد أن استعرضنا بعض تطبيقات أنظمة ANPR المدمجة مع YOLO11، لِنفكّر في هذه التطبيقات بطريقة أكثر ترابطًا.

لا تتألق مزايا هذه التطبيقات عند النظر إليها كتطبيقات فردية فحسب، بل تظهر بوضوح أكبر عند اعتبارها حلًا متكاملًا ضمن البنية التحتية الحضرية للمدن الذكية. ومع تطور المدن لتصبح أكثر ذكاءً، تؤدي أنظمة ANPR دورًا متزايد الأهمية في البنية التحتية الحضرية.

على سبيل المثال، تخيّل مدينة ذكية تُستخدم فيها ANPR لإدارة حركة المرور، ومنح الوصول الآمن، وتسهيل ركن السيارات في آن واحد. إذ يمكن اكتشاف مركبة عند دخولها المدينة، وتتبعها طوال مسارها، ومنحها الوصول إلى المناطق المقيّدة، والسماح لها بالركن من دون أي تدخل يدوي.

من خلال دمج نماذج الرؤية الحاسوبية مثل YOLO11، يمكن لـ ANPR المساعدة على إدارة حركة المرور بكفاءة أكبر، وتعزيز الأمن، وتحسين السلامة العامة. وتتيح هذه الأنظمة المراقبة في الوقت الفعلي، والعمليات المؤتمتة، واتخاذ القرارات المستندة إلى البيانات، وهي أمور ضرورية لإدارة التعقيدات المتزايدة للمدن الحديثة.

نظرة أخيرة على ANPR مع YOLO11#

أصبحت أنظمة ANPR ضرورية للبنية التحتية الحضرية الحديثة، كما أن دمج نماذج الرؤية الحاسوبية مثل YOLO11 يجعلها أكثر فائدة. ويعزز YOLO11 أنظمة ANPR من خلال دقة أفضل، ومعالجة في الوقت الفعلي، وقدرة على التكيّف، ما يجعله مثاليًا لتطبيقات المدن الذكية. ومن تحسين إدارة حركة المرور وإنفاذ القانون إلى أتمتة مواقف السيارات والوصول الآمن، توفر أنظمة ANPR المدعومة بـ YOLO11 الكفاءة والموثوقية. ومع ازدياد ذكاء المدن، يُرجّح أن تؤدي هذه الحلول دورًا محوريًا في تحويل الحياة الحضرية ودعم مستقبل البنية التحتية الذكية.

لمعرفة المزيد عن الذكاء الاصطناعي، تفضّل بزيارة مستودع GitHub الخاص بنا والتفاعل مع مجتمعنا. واستكشف تطبيقات الذكاء الاصطناعي في التصنيع والزراعة على صفحات حلولنا. 🚀