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
تتعامل العديد من الشركات مع العمليات المتكررة والمستهلكة للوقت في عملياتها اليومية. وتعتمد هذه المهام في كثير من الأحيان على قيام الأشخاص بمشاهدة المعلومات المرئية أو التحقق منها أو تحليلها بشكل متكرر.
سواءً كان الأمر يتعلق بتتبع المنتجات على الرفوف، أو مراجعة الصور الطبية، أو مراقبة النشاط في المستودع، أو التأكد من سلامة مكان العمل، فإن كل هذه المهام تتطلب اهتمامًا مستمرًا. حتى الفرق الأكثر خبرة يمكن أن تفوتها التفاصيل عندما تكون الأمور في حركة مستمرة.
مع زيادة إمكانية الوصول إلى الذكاء الاصطناعي (AI)، تتبنى العديد من الشركات الرؤية الحاسوبية، وهو مجال فرعي للذكاء الاصطناعي يمكّن الآلات من تفسير الصور ومقاطع الفيديو. يتيح الذكاء الاصطناعي البصري إمكانية أتمتة المهام المرئية وتحويل المرئيات اليومية إلى رؤى مؤثرة.
وقد بدأت صناعات مثل الرعاية الصحية وتجارة التجزئة والخدمات اللوجستية والروبوتات تشهد بالفعل فوائدها. تساعد الرؤية الحاسوبية فرق العمل على العمل بكفاءة أكبر، وتقليل الأخطاء، واتخاذ القرارات بثقة أكبر.
الشكل 1. يمكن استخدام الرؤية الحاسوبية في تطبيقات مختلفة في العالم الحقيقي، مثل تحليل الصور الطبية.(المصدر)
كما أنها تلعب دوراً هاماً في المكاسب الإنتاجية طويلة الأجل التي يمكن أن يحققها الذكاء الاصطناعي. في الواقع، يمكن أن تولد أنظمة الذكاء الاصطناعي ما يصل إلى 4.4 تريليون دولار من التحسينات السنوية في الإنتاجية عبر حالات الاستخدام المؤسسي.
في هذه المقالة، سنتعمق في هذه المقالة في كيفية مساهمة الرؤية الحاسوبية في اتخاذ قرارات أكثر ذكاءً ولماذا يمكن أن يؤدي تجاهل الرؤية الحاسوبية إلى ضياع الفرص. لنبدأ!
ما هي الرؤية الحاسوبية وكيف تعمل؟
الرؤية الحاسوبية هي واحدة من أسرع مجالات الذكاء الاصطناعي نمواً، وهي مدعومة بخوارزميات أكثر ذكاءً وقدرة تساعد الآلات على فهم العالم من خلال الصور والفيديو.
على وجه الخصوص، تدعم نماذج مثل Ultralytics YOLO11 و Ultralytics YOLO26 القادمة مهام الرؤية الحاسوبية مثل اكتشاف الأجسام وتجزئة النماذج وتصنيف الصور التي تساعد الآلات على تحليل المعلومات المرئية.
على سبيل المثال، يُستخدم اكتشاف الكائنات للعثور على كائنات معينة في الصورة وتحديد موقعها، بينما يُستخدم تجزئة المثيل لتحديد الكائنات وتحديدها على مستوى البكسل، ويقوم تصنيف الصور بتعيين تسميات بناءً على ما تحتويه الصورة. لكن كيف يعمل هذا في الواقع؟
الشكل 2. مثال على استخدام Ultralytics YOLO لاكتشاف الأدوات وتقسيمها.
يمكن تدريب النماذج مثل YOLO11 و YOLO26 أو ضبطها على مجموعات البيانات التي تحتوي على أمثلة للأشياء أو المشاهد التي تهتم بها الشركة. تشتمل مجموعات البيانات هذه على صور مقترنة بتسميات توضح للنموذج ما الذي يبحث عنه.
أثناء التدريب، تتعلم هذه النماذج، التي يتم إنشاؤها باستخدام شبكات عصبية عميقة (مثل الشبكات العصبية التلافيفية أو الشبكات العصبية التحويلية أو CNNs) ويتم تدريبها بواسطة تقنيات التعلم الآلي الخاضعة للإشراف، السمات البصرية وأنماط الكائنات من مجموعات البيانات. بعد التدريب الكافي للنموذج، يمكن للنموذج أن يعمم ويتعرف على الأنماط المتشابهة في الصور الجديدة غير المرئية.
التكلفة الخفية لتجاهل رؤية الكمبيوتر
تقوم صناعات مثل التصنيع والخدمات اللوجستية والرعاية الصحية وتجارة التجزئة بجمع كميات هائلة من البيانات المرئية كل يوم من خلال الكاميرات وأجهزة الاستشعار وغيرها من الأجهزة. والجزء المثير للدهشة هو أن الكثير من هذه المعلومات لا يتم استخدامها أبدًا.
عندما تغفل الشركات عن هذه البيانات، فإنها تفوت على نفسها فرصة الحصول على رؤى يمكن أن تجعل عملياتها تسير بسلاسة أكبر، وتمنع حدوث مشكلات يمكن تجنبها، وتسلط الضوء على فرص جديدة للنمو.
فيما يلي بعض التحديات اليومية التي تواجهها الشركات بسبب تجاهلها للرؤية الحاسوبية:
عدم الكفاءة التشغيلية: بدون الرؤية الحاسوبية، غالبًا ما تقوم فرق العمل بإجراء الفحوصات اليدوية وإدخال البيانات وعمليات الفحص الروتينية التي يمكن للذكاء الاصطناعي أتمتتها في ثوانٍ. يؤدي ذلك إلى إبطاء سير العمل وزيادة تكاليف العمالة وتقليل الإنتاجية الإجمالية.
الرؤى المفقودة: تحتوي البيانات المرئية على معلومات لا يمكن للبشر معالجتها على نطاق واسع. يمكن لنماذج الذكاء الاصطناعي تحديد الأنماط والحالات الشاذة والاتجاهات عبر آلاف الصور أو إطارات الفيديو.
التعرض للمخاطر: عندما تغيب المراقبة في الوقت الحقيقي، يمكن أن تمر مشكلات مثل العيوب أو مخاطر السلامة أو أعطال المعدات دون أن يلاحظها أحد. وهذا يزيد من فرص حدوث أخطاء مكلفة، واستدعاء المنتجات، ووقت تعطل التشغيل.
الفرص الضائعة: من دون اعتماد حلول Vision AI، قد تتجاهل الشركات الإشارات المبكرة لتغير سلوك العملاء أو اتجاهات الجودة أو اختناقات العمليات. وهذا يحد من قدرتها على الابتكار والاستجابة السريعة واتخاذ قرارات قائمة على البيانات.
كيف يمكن للرؤية الحاسوبية أن تخلق قيمة تجارية قابلة للقياس
من خلال فهم أفضل لماهية الرؤية الحاسوبية وكيفية عملها، دعنا نستكشف كيف يمكن أن تخلق قيمة حقيقية وقابلة للقياس للشركات.
فيما يلي نظرة فاحصة على المزايا التي توفرها في مختلف المجالات:
الأتمتة والدقة: عند التدريب على مجموعات بيانات كبيرة ومتنوعة، يمكن لنماذج الرؤية الحاسوبية اكتشاف الأنماط بدقة عالية. وهذا يقلل من الأخطاء البشرية ويسرّع المهام الروتينية ويحسّن دقة عمليات الفحص والمراقبة.
قابلية التوسع والمرونة: بمجرد التدريب، يمكن لأنظمة الرؤية المدعومة بالذكاء الاصطناعي معالجة آلاف الصور أو تدفقات الفيديو في نفس الوقت. يمكن أيضًا ضبطها أو إعادة تدريبها لتناسب بيئات وحالات استخدام محددة.
توفير التكاليف: تقلل أتمتة الفحوصات البصرية والمراقبة والتحليل من تكاليف العمالة وتقلل من إعادة العمل وتقلل من الأثر المالي للأخطاء أو العيوب.
رؤية تشغيلية أعلى: من خلال تحويل البيانات المرئية إلى معلومات قابلة للتنفيذ، تمنح الرؤية الحاسوبية القادة رؤية أوضح للعمليات اليومية، مما يتيح اتخاذ قرارات أسرع وأكثر استنارة.
كيف تستخدم الصناعات المختلفة الرؤية الحاسوبية
بعد ذلك، دعنا نستعرض كيف تقوم الصناعات المختلفة بوضع الرؤية الحاسوبية موضع التنفيذ وتأثيرها على عملياتها اليومية.
تحسين عمليات متاجر البيع بالتجزئة باستخدام الذكاء البصري
تنطوي عمليات البيع بالتجزئة اليوم على ما هو أكثر بكثير من مجرد أرفف وعدادات الدفع. بمساعدة الذكاء الاصطناعي والبيانات المرئية، يجد تجار التجزئة طرقًا جديدة لتبسيط المهام اليومية وتحسين الدقة وتلبية توقعات العملاء المتزايدة. يتم استخدام الرؤية الحاسوبية عبر مجموعة واسعة من الأنشطة، بدءاً من تتبع مدى توافر المنتجات على الرفوف إلى تحليل حركة المرور على الأقدام وتحسين تخطيطات المتاجر.
الشكل 3. تحليل حركة السير على الأقدام في مركز تجاري باستخدام الرؤية الحاسوبية(المصدر)
أحد الأمثلة الرائعة على ذلك يأتي من وول مارت، أحد أكبر تجار التجزئة في العالم. تستخدم وول مارت نظام الرؤية الحاسوبية في أكثر من 1000 متجر لمراقبة نشاط الدفع وتقليل الخسائر.
تقوم الكاميرات التي تعمل بالذكاء الاصطناعي بتحليل ما يحدث في كل من سجلات الدفع الذاتي وسجلات الموظفين ويمكنها اكتشاف مرور عنصر ما على الماسح الضوئي دون أن يتم مسحه ضوئياً. عندما يحدث ذلك، يقوم النظام بتنبيه أحد الموظفين حتى يتمكن من التدخل وتصحيح المشكلة.
يساعد ذلك على تقليل الانكماش والخسائر الناجمة عن السرقة، أو أخطاء المسح الضوئي، أو الأخطاء البشرية البسيطة، والتي يمكن أن تضيف ما يصل إلى مليارات الدولارات في صناعة البيع بالتجزئة كل عام.
استخدام الرؤية الحاسوبية لمراقبة الجودة في التصنيع
أما في مجال التصنيع، فالدقة ضرورية لإنتاج منتجات عالية الجودة. تتيح الرؤية الحاسوبية للمصنعين تحقيق معايير أعلى للجودة والكفاءة دون إبطاء الإنتاج. ومن خلال الكشف عن العيوب في خطوط التجميع ومراقبة سلامة العمال، تجعل هذه الأنظمة فحوصات الجودة أسرع وأكثر اتساقاً وموثوقية.
الشكل 4. نظرة على استخدام الكاميرات لفحص الجودة(المصدر)
ومن المثير للاهتمام أن العلامات التجارية الشهيرة في مجال السيارات تتبنى أيضاً الرؤية الحاسوبية لتحديث خطوط إنتاجها. فتويوتا، على سبيل المثال، تستخدم نظام رؤية قائم على التعلم العميق لأتمتة عملية فحص السيارات.
اعتمدت الشركة في السابق على الفحوصات اليدوية التي كانت بطيئة وعرضة للخطأ. أما اليوم، فيلتقط نظام مزود ب 17 كاميرا عالية الدقة وإضاءة متطورة صوراً مفصلة لكل سيارة ويتحقق من أكثر من 80 مواصفة في الوقت الفعلي. والنتيجة هي عمليات فحص أسرع، ودقة أعلى، وتكاليف أقل، وجودة عالية باستمرار عبر خط الإنتاج.
رعاية صحية شخصية باستخدام رؤية مدعومة بالذكاء الاصطناعي
وبالمثل، تشهد الرعاية الصحية تقدماً كبيراً حيث أصبحت الرؤية الحاسوبية جزءاً من سير العمل السريري اليومي. في البيئات الطبية، تُعد الدقة والتوقيت أمرًا بالغ الأهمية، وتتيح أبحاث الرؤية الحاسوبية وتحليل الصور القائم على الذكاء الاصطناعي للأطباء السريريين اتخاذ قرارات أسرع وأكثر استنارة.
وهذا صحيح في العديد من مجالات الرعاية الصحية. خذ طب العيون على سبيل المثال. في مستشفى مورفيلدز للعيون في المملكة المتحدة، طوّر الباحثون في مستشفى مورفيلدز للعيون في المملكة المتحدة نموذج RETFound، وهو أحد النماذج التأسيسية الأولى للذكاء الاصطناعي في الطب والأول في مجال رعاية العيون.
تم تدريب هذا النموذج على 1.6 مليون صورة لشبكية العين باستخدام التعلم الذاتي الخاضع للإشراف، ويمكنه اكتشاف الحالات التي تهدد البصر مثل اعتلال الشبكية السكري والزرق، بل والتنبؤ بأمراض جهازية أوسع نطاقاً مثل قصور القلب والسكتة الدماغية والشلل الرعاش بناءً على أدلة شبكية خفية.
الشروع في استخدام الرؤية الحاسوبية في عملك
عندما يتعلق الأمر بدمج الرؤية الحاسوبية في عملياتك التجارية، فإن الإصلاح الشامل ليس ضروريًا دائمًا. الخطوة الأولى السهلة هي النظر إلى ما لديك بالفعل.
معظم الشركات لديها بالفعل البيانات الأولية التي تحتاجها. وتكمن الفرصة الحقيقية في إدراك كيف يمكن لتلك البيانات أن تخلق قيمة ذات مغزى.
غالباً ما يؤدي البدء على نطاق صغير إلى تحقيق أكبر الإنجازات. يمكن لمشروع بسيط، مثل استخدام نموذج مُدرَّب مسبقاً لمراقبة مستويات المخزون أو لتحسين رؤى المراقبة الأساسية، أن يحقق نتائج قابلة للقياس بسرعة. هذه المكاسب المبكرة تقلل من الأخطاء وتوفر الوقت وتساعد الفرق على بناء الثقة فيما يمكن أن يحققه الذكاء الاصطناعي.
مستقبل الرؤية الحاسوبية
تعمل بعض الاتجاهات الحديثة في مجال الذكاء الاصطناعي للرؤية الحاسوبية على إعادة تعريف كيفية استخدام الشركات للبيانات المرئية. حتى وقت قريب، كانت معظم معالجات الذكاء الاصطناعي تعتمد على الحوسبة السحابية، حيث يتم إرسال الصور والفيديو إلى خوادم بعيدة لتحليلها.
كان هذا النهج فعالاً ولكنه أدى إلى حدوث تأخيرات وزيادة المخاوف المتعلقة بالخصوصية واعتمد على اتصالات قوية بالإنترنت. جعلت هذه القيود من الصعب استخدام الرؤية الحاسوبية في المواقف التي تتطلب استجابات فورية.
واليوم، يؤدي التحرك نحو الحوسبة المتطورة إلى تسريع زخم تبني الذكاء الاصطناعي. يمكن الآن تشغيل نماذج الرؤية المتطورة مثل YOLO11 و YOLO26 القادم مباشرةً على أجهزة أصغر حجماً على الجهاز.
وهذا يعني أنه يمكن للأنظمة معالجة المعلومات المرئية على الفور والعمل حتى بدون اتصال دائم بالإنترنت. والنتيجة هي اكتشاف أسرع وموثوقية أكبر ومزيد من التحكم في البيانات الحساسة. مع استمرار تحسن الذكاء الاصطناعي المتطور، يمكن للشركات أن تتحول من المعالجة البطيئة والدُفعات إلى الذكاء في الوقت الحقيقي في مجالات الروبوتات والتصنيع وتجارة التجزئة والخدمات اللوجستية والعديد من البيئات الأخرى.
النقاط الرئيسية
تعمل الرؤية الحاسوبية على تغيير كيفية مراقبة الشركات لعملياتها واتخاذ القرارات. باستخدام البيانات المرئية بشكل أكثر فعالية، يمكن للمؤسسات العمل بكفاءة أكبر، وتقليل الأخطاء، وتحسين جودة عملياتها اليومية. من خلال رؤية أفضل لسير عملها، يمكن للشركات اتخاذ قرارات مستنيرة في الوقت المناسب، ومستنيرة ومستندة إلى بيانات تشغيلية حقيقية.
