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
إن التعرف على الأجسام، بغض النظر عن كيفية ترتيبها أو الاتجاه الذي تواجهه، يأتي بشكل طبيعي بالنسبة لنا كبشر. سواء كانت سيارات عند تقاطع طرق أو قوارب في ميناء، يمكننا بسهولة معرفة ماهيتها والاتجاه الذي تشير إليه. ومع ذلك، بالنسبة لأنظمة الذكاء الاصطناعي (AI)، فالأمر ليس بهذه البساطة.
على سبيل المثال، رؤية الحاسوب، وهي فرع من فروع الذكاء الاصطناعي يركز على فهم الصور ومقاطع الفيديو، تُمكّن مهام مثل الكشف عن الأجسام، مما يساعد الآلات على تحديد وتحديد مواقع الأجسام داخل المشهد. يعتمد الكشف التقليدي عن الأجسام على مربعات محيطة محاذاة للمحاور لرسم مربعات حول الأجسام. هذه المربعات لها جوانب مستقيمة وزوايا قائمة ثابتة. يعمل هذا النهج بشكل جيد عندما تكون الأجسام منتصبة وليست قريبة جدًا من بعضها البعض.
ولكن عندما تكون الأجسام مائلة أو مدورة أو قريبة من بعضها البعض، غالبًا ما يكافح الكشف التقليدي عن الأجسام لالتقاطها بدقة. للتعامل مع هذه المواقف الأكثر تعقيدًا، تم تقديم تقنيات مثل الكشف عن المربعات المحيطة الموجهة (OBB). على عكس المربعات المحيطة القياسية، يمكن أن تدور OBBs لتتناسب مع زاوية وشكل الجسم، مما يسمح بملاءمة أكثر إحكامًا ودقة.
نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11التي تدعم الكشف عن الـ OBB، تتيح مجموعة من التطبيقات في الوقت الحقيقي، خاصةً في السيناريوهات التي يكون فيها توجيه الكائنات مهمًا، مثل المراقبة الجوية. علاوةً على ذلك، يُستخدم الكشف عن الـ OBB أيضًا في مجالات الرعاية الصحية والزراعة وتحليل الوثائق.
في هذه المقالة، سوف نستكشف ماهية الكشف عن OBB، وكيف يعمل، وأين يتم تطبيقه في سيناريوهات العالم الحقيقي. هيا بنا نبدأ!
الشكل 1. مثال توضيحي لاستخدام YOLO11 للكشف عن سداسي البروم ثنائي الفينيل متعدد البروم للقوارب.
ما هو المربع المحيط الموجه؟
المربع المحيط الموجه هو نوع من المربعات المستطيلة المستخدمة في رؤية الحاسوب لتمثيل الأجسام التي تم الكشف عنها في صورة. في حين أن المربعات المحيطة القياسية محاذاة مع المحاور الأفقية والرأسية للصورة، يمكن أن تدور OBBs لتتناسب مع الزاوية الفعلية للجسم.
تجلب هذه القدرة على الدوران العديد من المزايا. يمكن أن تتماشى OBBs بشكل أوثق مع اتجاه الجسم، مما يسمح للمربع بالتناسب بإحكام حول شكل الجسم واتجاهه. ونتيجة لذلك، يصبح الكشف أكثر دقة وتحديدًا.
تُعد OBBs مفيدة بشكل خاص عندما لا تكون الأجسام منتصبة تمامًا، مثل سيارة تنعطف على طريق منحني في لقطات جوية، أو كتاب مائل على مكتب، أو ورم مستدار في فحص طبي. من خلال مطابقة زاوية الجسم بدقة أكبر، تعمل OBBs على تحسين أداء الكشف وتقليل تداخل الخلفية، وهي رائعة بشكل خاص للتطبيقات التي يكون فيها اتجاه الجسم مهمًا مثل موضعه.
الشكل 2. مقارنة بين الكشف عن الأجسام والكشف عن OBB.
الكشف عن OBB مقابل الكشف عن الأجسام
قد يبدو الكشف عن OBB والكشف التقليدي عن الأجسام متشابهين في البداية، لكنهما يستخدمان بطرق مختلفة وفي مواقف مختلفة. دعنا نلقي نظرة فاحصة على كيفية مقارنتهما بمثال.
يمكن تدريب نماذج الرؤية الحاسوبية، مثل YOLO11 على detect classify الأجسام في مختلف تطبيقات العالم الحقيقي، مثل الفحص الصناعي. ضع في اعتبارك 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 الأجسام مربعات مستقيمة مستطيلة تتماشى مع الحواف الأفقية والرأسية للصورة. لذلك، 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.
الآن، لنفترض أنك تستخدم الكشف عن OBB بدلاً من ذلك. في هذه الحالة، يمكن للنموذج رسم مربع يدور لمطابقة الزاوية الدقيقة لكل جزء. سيتم إحاطة الترس المائل أو المكون الزاوي بإحكام بمربع يتناسب مع شكله واتجاهه. وهذا يعني دقة أفضل وأخطاء أقل ونتائج أكثر موثوقية، خاصة فيما يتعلق بحالات الاستخدام مثل التحكم الآلي في الجودة أو الفرز الروبوتي.
نماذج الكشف عن OBB الشائعة
الآن بعد أن أصبح لدينا فهم أفضل لما هو الكشف عن OBB، دعنا نلقي نظرة على بعض نماذج Vision AI 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.
الإصدارات السابقة مثل Ultralytics YOLOv5 صُممت للكشف عن الأجسام القياسية. التكرارات اللاحقة، مثل Ultralytics YOLOv8 وإصدار YOLO11 الأحدث، دعمًا أصليًا لاكتشاف ال OBB. يوفر YOLO11 على وجه الخصوص، دقة فائقة دون المساس بالسرعة، مما يجعله خيارًا مؤثرًا للتطبيقات في الوقت الفعلي.
يتم تدريب نماذجYOLO11 OBB المُدرّبة مسبقًا مثل 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 (obb) إلى الكبير جدًا (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 detect 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.
detect 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 الأجسام المستهدفة من زوايا ومواضع وبيئات واقعية مختلفة.
شرح الأجسام: ضع علامات على كل جسم باستخدام مربعات إحاطة موجهة (OBBs) لالتقاط كل من موقعها واتجاهها باستخدام أدوات الشرح التي تدعم 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 النموذج المدرب على صور جديدة، وقم بتقييم دقته، وانشره في تطبيقات عملية مثل التصنيع أو المراقبة الجوية أو تحليل المستندات.
التطبيقات التي تم تمكينها بواسطة اكتشاف OBB
تعتبر الأجسام غير المركزية أو المائلة شائعة جدًا في سيناريوهات الحياة الواقعية. دعنا نمر ببعض الأمثلة حيث يحدث اكتشاف OBB فرقًا حقيقيًا من خلال اكتشاف هذه الأجسام بدقة.
تحليل صور الأشعة السينية باستخدام اكتشاف OBB
يمكن أن يأخذ اكتشاف OBB تحليل الصور الطبية خطوة أخرى إلى الأمام من خلال تحسين الدقة. غالبًا ما تتضمن الصور الطبية هياكل تشريحية مثل الأورام أو الأعضاء أو العظام. غالبًا ما تظهر هذه الهياكل بأشكال غير منتظمة واتجاهات متنوعة. نظرًا لأن OBBs يمكن أن تدور لتتناسب مع زاوية الجسم، فإنها توفر تحديد موقع وقياس أكثر دقة، وهو أمر بالغ الأهمية للتشخيص والتخطيط للعلاج.
هذا النهج فعال بشكل خاص عندما يتعلق الأمر بتحليل صور الأشعة السينية لكسور العظام، حيث يكون موضع العظام ومحاذاتها من العوامل الرئيسية. على سبيل المثال، تم استخدام اكتشاف OBB لتحليل صور الأشعة السينية لمرفق الأطفال. من خلال التكيف مع اتجاه العظام، ساعد ذلك في تحسين دقة الاكتشاف.
الشكل 3. صور الأشعة السينية (a, d) مع اكتشاف الأجسام (b, e) واكتشاف الصناديق المحيطة الموجهة (c, f).
المراقبة الجوية مدعومة باكتشاف 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 detect بدقة أكبر.
يحل اكتشاف OBB هذه المشكلة عن طريق إمالة مربعات الإحاطة 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.
أحد الأمثلة المثيرة للاهتمام على اكتشاف OBB هو تتبع السفن في المراقبة البحرية. غالبًا ما تلتقط صور الأقمار الصناعية السفن بزوايا وأحجام مختلفة بسبب الطقس أو الإضاءة أو الحركة. يمكن أن تتكيف OBBs مع هذه التغييرات، مما يحسن الاكتشاف، خاصة بالنسبة للسفن الصغيرة أو المخفية جزئيًا.
الشكل 4. نظرة على استخدام اكتشاف OBB للمراقبة البحرية.
استخدام اكتشاف 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 detect 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 detect المحاصيل المتعددة في صورة واحدة، حتى لو كانت مائلة أو متداخلة، وتقييم جودتها وموقعها في الوقت الحقيقي.
إيجابيات وسلبيات اكتشاف الصندوق المحيط الموجه (OBB)
فيما يلي بعض فوائد استخدام اكتشاف الصندوق المحيط الموجه (OBB):
تحسين الإدخال إلى المهام اللاحقة: يمكن لمهام الرؤية الحاسوبية مثل تجزئة المثيلات وتتبع الكائنات أن تعمل بشكل أفضل عند إعطائها اكتشافات أكثر دقة للكائنات.
تعزيز الاستدلال المكاني: من خلال التقاط زاوية الاتجاه، تجعل الصناديق المحيطة الموجهة (OBB) من الممكن فهم محاذاة الكائن واتجاهه.
تقليل التداخل في المشاهد المزدحمة: تقلل الصناديق المحيطة الموجهة (OBB) من الغموض عن طريق احتواء الكائنات بإحكام أكبر، حتى في المشاهد المزدحمة أو الفوضوية.
على الرغم من المساعدة في تحسين دقة الاكتشاف في المشاهد المعقدة، إلا أن اكتشاف الصندوق المحيط الموجه (OBB) يأتي مع بعض القيود التي يجب أخذها في الاعتبار:
حساسية أكبر للضوضاء: يمكن أن يكون للأخطاء الصغيرة في توقع الزاوية تأثير أكبر على دقة الاكتشاف، خاصة بالنسبة للكائنات المعبأة بإحكام أو المطولة.
أدوات متخصصة مطلوبة: نظرًا لأن ليست كل منصات وضع العلامات والتدريب تدعم الصناديق المحيطة الموجهة (OBB) بشكل أصلي، فقد يتطلب العمل معها أدوات أو إعدادات إضافية.
توفر محدود لمجموعات البيانات: بالمقارنة مع اكتشاف الكائنات القياسي، يوجد حاليًا عدد أقل من مجموعات البيانات المتاحة للعامة مع تعليقات توضيحية للصناديق المحيطة الموجهة (OBB)، مما قد يجعل البدء أو مقارنة النتائج أكثر صعوبة بعض الشيء.
النقاط الرئيسية
يسهل اكتشاف الصندوق المحيط الموجه (OBB) على حلول الرؤية الحاسوبية التعرف على الكائنات غير المستقيمة أو المحاذية تمامًا. من خلال التقاط كل من موضع الكائنات واتجاهها، يعزز اكتشاف الصندوق المحيط الموجه (OBB) الدقة عبر حالات الاستخدام الواقعية 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.
