بالنقر على "قبول جميع ملفات تعريف الارتباط"، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين تصفح الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. المزيد من المعلومات
إعدادات ملفات تعريف الارتباط
بالنقر على "قبول جميع ملفات تعريف الارتباط"، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين تصفح الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. المزيد من المعلومات
إن التعرّف على الأشياء، بغض النظر عن كيفية ترتيبها أو الاتجاه الذي تتجه إليه، أمر طبيعي بالنسبة لنا كبشر. سواء كانت سيارات في تقاطع طرق أو قوارب في مرفأ، يمكننا بسهولة معرفة ماهيتها والاتجاه الذي تشير إليه. ومع ذلك، بالنسبة لأنظمة الذكاء الاصطناعي (AI) ، فإن الأمر ليس بهذه البساطة.
على سبيل المثال، تتيح الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي يركز على فهم الصور ومقاطع الفيديو، مهام مثل اكتشاف الأجسام، والتي تساعد الآلات على تحديد الأجسام داخل المشهد وتحديد موقعها. يعتمد الاكتشاف التقليدي للأجسام على المربعات المحددة المحاور لرسم مربعات حول الأجسام. هذه المربعات لها جوانب مستقيمة وزوايا قائمة ثابتة. يعمل هذا النهج بشكل جيد عندما تكون الأجسام في وضع مستقيم وليست قريبة جداً من بعضها البعض.
ولكن عندما تكون الأجسام مائلة أو مستديرة أو متقاربة، غالباً ما يواجه الاكتشاف التقليدي للأجسام صعوبة في التقاطها بدقة. للتعامل مع هذه المواقف الأكثر تعقيدًا، تم تقديم تقنيات مثل الكشف عن المربع المحيط الموجه (OBB). على عكس المربعات المحدِّدة القياسية، يمكن تدوير المربعات المحدِّدة الموجهة لتتناسب مع زاوية وشكل الجسم، مما يسمح بمطابقة أكثر إحكامًا ودقة.
تُتيح نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11، التي تدعم اكتشاف الـ OBB، مجموعة من التطبيقات في الوقت الفعلي، خاصةً في السيناريوهات التي يكون فيها توجيه الكائنات مهمًا، مثل المراقبة الجوية. علاوةً على ذلك، يُستخدم اكتشاف الـ OBB أيضًا في مجالات الرعاية الصحية والزراعة وتحليل الوثائق.
في هذه المقالة، سنستكشف ما هو اكتشاف الـ OBB، وكيف يعمل، وأين يتم تطبيقه في سيناريوهات العالم الحقيقي. لنبدأ!
الشكل 1. مثال توضيحي لاستخدام YOLO11 للكشف عن سداسي البروم ثنائي الفينيل متعدد البروم للقوارب.
ما هو الصندوق المحيط الموجه؟
المربع المحدد الموجه هو نوع من المربعات المستطيلة المستخدمة في الرؤية الحاسوبية لتمثيل الأجسام المكتشفة في الصورة. بينما تتم محاذاة المربعات المحدودة القياسية مع المحاور الأفقية والرأسية للصورة، يمكن أن تدور المربعات المحدودة الموجهة لتتناسب مع الزاوية الفعلية للكائن.
هذه القدرة على التدوير تجلب العديد من المزايا. يمكن لمربعات OBBs أن تتماشى بشكل أوثق مع اتجاه الجسم، مما يسمح للمربع بالتوافق بإحكام حول شكل الجسم واتجاهه. ونتيجة لذلك، يصبح الاكتشاف أكثر دقة ودقة.
تُعد OBBs مفيدة بشكل خاص عندما لا تكون الأجسام في وضع مستقيم تمامًا، مثل سيارة تدور على طريق منحنٍ في لقطات جوية، أو كتاب مائل على مكتب، أو ورم مستدير في فحص طبي. من خلال مطابقة زاوية الجسم بشكل أكثر دقة، تعمل ال OBBs على تحسين أداء الاكتشاف وتقليل تداخل الخلفية، وهي رائعة بشكل خاص للتطبيقات التي يكون فيها اتجاه الجسم مهمًا بقدر أهمية موقعه.
قد يبدو اكتشاف OBB والكشف عن الأجسام التقليدية متشابهين في البداية، لكنهما يُستخدمان بطرق مختلفة وفي مواقف مختلفة. دعنا نلقي نظرة فاحصة على كيفية المقارنة بينهما بمثال.
يمكن تدريب نماذج الرؤية الحاسوبية، مثل YOLO11، على اكتشاف وتصنيف الأجسام في مختلف تطبيقات العالم الحقيقي، مثل الفحص الصناعي. فكّر في خط تجميع مصنع حيث تتحرك أجزاء الماكينة المختلفة على طول حزام ناقل. قد تكون بعض الأجزاء موضوعة بدقة، ولكن قد تكون بعض الأجزاء الأخرى مستديرة قليلاً أو مائلة أو متداخلة بسبب الاهتزاز أو السرعة.
يستخدم الكشف التقليدي عن الكائنات المربعات المستطيلة العمودية التي تحاذي الحواف الأفقية والرأسية للصورة. لذا، عندما يتم تدوير جزء ما، قد لا يتناسب المربع بشكل صحيح - فقد يترك جزءًا من الجسم أو يتضمن جزءًا كبيرًا جدًا من الخلفية. هذا يمكن أن يجعل عمليات الكشف أقل دقة ويصعب على النظام تحديد الجزء بثقة.
والآن، لنفترض أنك تستخدم اكتشاف OBB بدلًا من ذلك. في هذه الحالة، يمكن للنموذج أن يرسم مربعًا يدور ليطابق الزاوية الدقيقة لكل جزء. سيتم إحاطة الترس المائل أو المكوّن المائل بزاوية بإحكام بواسطة صندوق يناسب شكله واتجاهه. وهذا يعني دقة أفضل، وأخطاء أقل، ونتائج أكثر موثوقية، خاصةً فيما يتعلق بحالات الاستخدام مثل مراقبة الجودة الآلية أو الفرز الآلي.
نماذج اكتشاف OBB الشائعة
الآن بعد أن أصبح لدينا فهم أفضل لماهية اكتشاف الـ OBB، دعنا نلقي نظرة على بعض نماذج الذكاء الاصطناعي البصري الأكثر استخدامًا التي تدعمه.
لقد تم تطوير العديد من نماذج الرؤية الحاسوبية المتقدمة خصيصاً للكشف عن الأجسام الدوارة أو المائلة. من بينها نماذج Ultralytics YOLO المعروفة بشكل خاص بقدراتها الموثوقة والفعالة في الكشف عن الأجسام المائلة أو المائلة.
صُممت الإصدارات السابقة مثل Ultralytics YOLOv5 للكشف عن الكائنات القياسية. وقدمت الإصدارات اللاحقة، مثل Ultralytics YOLOv8 والإصدار الأحدث YOLO11، دعمًا أصليًا لاكتشاف OBB. يوفر YOLO11، على وجه الخصوص، دقة فائقة دون المساس بالسرعة، مما يجعله خيارًا مؤثرًا للتطبيقات في الوقت الفعلي.
يتم تدريب نماذج YOLO11 OBB المُدرّبة مسبقًا مثل YOLO11n-obb على مجموعات بيانات مثل DOTAv1، والتي تتكون من صور جوية مشروحة بمجموعة من فئات الأجسام مثل الطائرات والسفن وملاعب التنس التي تظهر في زوايا واتجاهات مختلفة.
كما أن هذه النماذج متوفرة في خمسة أحجام مختلفة، من النانو (n-obb) إلى الكبير جدًا (x-obb)، لتتناسب مع احتياجات الأداء المختلفة. يتيح هذا التنوع تطبيقها في مختلف الصناعات - من مراقبة البنية التحتية الحضرية وفحص الآلات إلى قراءة النصوص المنحرفة في المستندات الممسوحة ضوئيًا.
تدريب مخصص YOLO11 للكشف عن المربع المحدود الموجه
في العديد من المواقف الواقعية، قد تكون الكائنات التي تحتاج إلى اكتشافها مختلفة تمامًا عن تلك الموجودة في مجموعات بيانات التدريب القياسية. على سبيل المثال، قد تكون الأجسام مثل الأدوات الموجودة على خط الإنتاج، أو حزم المنتجات، أو المكونات الموجودة على لوحة الدارات الكهربائية مستديرة أو موضوعة بشكل غير منتظم أو ذات شكل مختلف.
لاكتشاف هذه الكائنات المخصصة بدقة، خاصةً عندما يكون الاتجاه مهمًا، من المهم تدريب نماذج مثل YOLO11 باستخدام صورك وتسمياتك الخاصة. تُعرف هذه العملية باسم التدريب المخصص.
فيما يلي نظرة عن كثب على العملية خطوة بخطوة لتدريب YOLO11 على اكتشاف الـ OBB:
جمع الصور: اجمع الصور التي تعرض أجسامك المستهدفة من زوايا ومواضع وبيئات واقعية مختلفة.
التعليق التوضيحي للكائن: قم بتسمية كل كائن باستخدام المربعات المحدودة المدورة (OBBs) لالتقاط كل من موقعه واتجاهه باستخدام أدوات التعليق التوضيحي مع دعم OBB.
إعداد مجموعة البيانات: نظّم صورك وتسمياتك في بنية دليل YOLO، وأنشئ ملف تكوين YAML بأسماء الفئات ومسارات مجموعة البيانات.
تدريب النموذج: اختر إصدارًا من نموذج YOLO11 الذي يناسب احتياجاتك، وقم بتشغيل عملية التدريب حتى يتمكن النموذج من التعلم من الصور التي تحمل علاماتك.
التقييم والنشر: اختبر نموذجك المدرّب على صور جديدة، وقيّم دقته، وانشره في تطبيقات عملية مثل التصنيع أو المراقبة الجوية أو تحليل المستندات.
التطبيقات التي تم تمكينها من خلال اكتشاف OBB
الأجسام البعيدة عن المركز أو المائلة شائعة جدًا في سيناريوهات الحياة الواقعية. دعنا نستعرض بعض الأمثلة التي يُحدث فيها اكتشاف OBB فرقًا حقيقيًا من خلال اكتشاف هذه الأجسام بدقة.
تحليل الصور بالأشعة السينية باستخدام كشف OBB
يمكن للكشف عن الثنائيات الفوقية البنائية أن يرتقي بتحليل الصور الطبية خطوة إلى الأمام من خلال تحسين الدقة. غالباً ما تتضمن الصور الطبية هياكل تشريحية مثل الأورام أو الأعضاء أو العظام. غالباً ما تظهر هذه البنى بأشكال غير منتظمة وتوجهات متنوعة. وبما أنه يمكن لـ OBBs الدوران لتتناسب مع زاوية الجسم، فإنها توفر تحديدًا وقياسًا أكثر دقة للتوطين والقياس، وهو أمر بالغ الأهمية للتشخيص وتخطيط العلاج.
يكون هذا النهج فعالاً بشكل خاص عندما يتعلق الأمر بتحليل صور الأشعة السينية لكسور العظام، حيث يكون موضع العظام ومحاذاة العظام من العوامل الرئيسية. على سبيل المثال، استُخدمت تقنية OBB لتحليل صور الأشعة السينية لمرفق الأطفال. ومن خلال التكيف مع اتجاه العظام، ساعد ذلك في تحسين دقة الكشف.
الشكل 3. الأشعة السينية (أ، د) مع الكشف عن الأجسام (ب، هـ) والكشف عن الصندوق المحيط الموجه (ج، و).
مراقبة جوية مدعومة بكشف OBB
تُعد المراقبة الجوية أداة أساسية في قطاعات مثل السلامة العامة والمراقبة البيئية وتخطيط المدن. يمكن أن تساعد الصور الملتقطة بواسطة الطائرات بدون طيار أو الأقمار الصناعية في تحديد الأجسام مثل السفن والمركبات والمباني. ومع ذلك، في هذه الصور، غالبًا ما تظهر الأجسام في هذه الصور صغيرة وفي زوايا غير معتادة، مما يجعل اكتشافها بدقة أكبر.
يعمل اكتشاف OBB على حل هذه المشكلة عن طريق إمالة المربعات المحدودة لتتناسب مع زاوية كل جسم. يؤدي هذا إلى قياسات أكثر دقة لحجم الجسم واتجاهه، مما يدعم اتخاذ قرارات أفضل في مجالات مثل التخطيط الحضري والدفاع والاستجابة للكوارث والمراقبة البيئية.
من الأمثلة المثيرة للاهتمام للكشف عن الـ OBB تتبع السفن في المراقبة البحرية. غالبًا ما تلتقط صور الأقمار الصناعية السفن بزوايا وأحجام مختلفة بسبب الطقس أو الإضاءة أو الحركة. يمكن لـ OBBs أن تتكيف مع هذه التغييرات، مما يحسن من عملية الكشف، خاصة بالنسبة للسفن الأصغر أو المحجوبة جزئياً.
الشكل 4. نظرة على استخدام كشف الـ OBB للمراقبة البحرية.
استخدام الكشف عن الـ OBB في الزراعة
يعد فرز المحاصيل بعد الحصاد خطوة حاسمة لضمان الجودة قبل تعبئتها وإرسالها إلى السوق. وفي حين أن العديد من الأنظمة تعمل بشكل جيد مع الفاكهة المستديرة مثل التفاح والبرتقال، فإن المحاصيل الطويلة والضيقة، مثل الجزر أو براعم الزيزانيا قد يكون التعامل معها أصعب بكثير. حيث تتنوع أشكالها، وغالبًا ما تنتهي بزوايا مختلفة، مما يجعل من الصعب اكتشافها وفرزها بدقة.
ولمعالجة هذه المشكلة، طوّر الباحثون نظامًا يستخدم نظامًا يستخدم الكشف عن المربع المحدود الموجه (OBB) لتحديد هذه المحاصيل وتصنيفها بدقة أكبر. يمكن للنظام اكتشاف المحاصيل المتعددة في صورة واحدة، حتى لو كانت مائلة أو متداخلة، وتقييم جودتها وموقعها في الوقت الحقيقي.
إيجابيات وسلبيات اكتشاف OBB
فيما يلي بعض فوائد استخدام كشف OBB:
تحسين المدخلات للمهام النهائية: يمكن أن تحققمهام الرؤية الحاسوبية مثل تجزئة المثيل وتتبع الكائنات أداءً أفضل عند الحصول على اكتشافات أكثر دقة للكائنات.
تعزيز الاستدلال المكاني: من خلال التقاط زاوية الاتجاه، تتيح الـ OBBs إمكانية فهم محاذاة الجسم واتجاهه.
تقليل التداخل في المشاهد المزدحمة: تقلل الـ OBBs من الغموض من خلال تركيب الأجسام بشكل أكثر إحكامًا، حتى في المشاهد المزدحمة أو المزدحمة.
على الرغم من مساعدته في تحسين دقة الكشف في المشاهد المعقدة، إلا أن الكشف عن سداسي البروم ثنائي الفينيل متعدد البروم يأتي مع بعض القيود التي يجب مراعاتها:
حساسية أكبر للضوضاء: يمكن أن يكون للأخطاء الصغيرة في التنبؤ بالزاوية تأثير أكبر على دقة الكشف، خاصة بالنسبة للأجسام المعبأة بإحكام أو الممدودة.
الأدوات المتخصصة المطلوبة: نظرًا لأن منصات وضع العلامات والتدريب لا تدعم جميع منصات وضع العلامات والتدريب في الأصل OBBs، فقد يتطلب العمل معها أدوات أو إعدادات إضافية.
محدودية توافر مجموعة البيانات: مقارنةً بالكشف عن الكائنات القياسية، يوجد حاليًا عدد أقل من مجموعات البيانات المتاحة للجمهور مع شروح OBB، مما قد يجعل الأمر أكثر صعوبة في البدء أو مقارنة النتائج.
الوجبات الرئيسية
يسهّل اكتشاف المربع المحدود الموجه على حلول الرؤية الحاسوبية التعرف على الأجسام غير المستقيمة أو المحاذاة تمامًا. من خلال التقاط كلٍ من موضع الأجسام واتجاهها، يعزز اكتشاف المربع المحدود الموجه الدقة في حالات الاستخدام في العالم الحقيقي مثل مسح الصور الطبية أو مراقبة الأراضي الزراعية أو تحليل صور الأقمار الصناعية.
مع وجود نماذج مثل YOLO11 التي تجعل اكتشاف الـ OBB أكثر سهولة، أصبح خيارًا عمليًا للعديد من الصناعات. سواء أكنت تتعامل مع أجسام مائلة أو متداخلة أو غريبة الشكل، فإن اكتشاف الـ OBB يضيف طبقة إضافية من الدقة التي غالبًا ما تفتقدها الطرق القياسية.
AR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
TR
VI
