كانت شركة Pixelabs تسعى إلى أتمتة سير العمل البصري الذي لا يزال يعتمد على الفحص اليدوي. فهذه العمليات تستغرق وقتًا طويلاً، وتفتقر إلى الاتساق، ويصعب توسيع نطاقها، لا سيما في حالات مثل تصوير شبكية العين للكشف المبكر عن مرض الزهايمر.
من خلال دمجYOLO Ultralytics في محرك الذكاء الاصطناعي Pixelabs AI-Engine، تمكنت Pixelabs من أتمتة سير العمل البصري. فعلى سبيل المثال، في مجال تصوير شبكية العين للكشف المبكر عن مرض الزهايمر، أدى ذلك إلى تحسين اتساق عملية تحديد المؤشرات، حيث بلغت نسبة الاسترجاع ما يصل إلى 95%.
لا تزال العديد من سير العمل في المجالات الصناعية والتشغيلية والبحثية تعتمد اليوم على مراجعة الصور يدويًا للتحقق من العمليات أو اكتشاف الأنماط. ومع تزايد حجم البيانات، سرعان ما يصبح هذا النهج بطيئًا وغير متسق ويصعب توسيع نطاقه.
وينطبق هذا بشكل خاص على المجالات البحثية مثل تصوير شبكية العين للكشف المبكر عن مرض الزهايمر، حيث قد يكون تحديد المؤشرات الدقيقة في الصور أمراً صعباً ويستغرق وقتاً طويلاً.
تساعد Pixelabs في حل هذه المشكلة من خلال محرك Pixelabs AI-Engine، وهو منصة ذكاء اصطناعي بصري مصممة لتحليل الصور ومقاطع الفيديو في الوقت الفعلي. وباستخدام نماذج الرؤية الحاسوبية مثل YOLO Ultralytics YOLO تسهل المنصة أتمتة سير العمل البصري، وتحسين الاتساق، وتوسيع نطاق التحليل.
تقوم شركة Pixelabs بتطوير حلول الذكاء الاصطناعي البصرية التي تمكّن الشركات من أتمتة العمليات الحالية وتحسينها باستخدام تقنية الرؤية الحاسوبية. وتتخذ الشركة من مدريد مقراً لها، ولها مكاتب في برشلونة والمملكة المتحدة، وتركز على تطوير أدوات عملية للذكاء الاصطناعي يمكن تطبيقها في مختلف القطاعات.
وعلى وجه الخصوص، تتيح منصتها، Pixelabs AI-Engine، تحليل الصور ومقاطع الفيديو في الوقت الفعلي لأداء مهام مثل اكتشاف الأجسام، وتحديد العيوب، وتحليل الأسطح، والتعرف الضوئي على الحروف (OCR). وتتيح هذه القدرات للمستخدمين معالجة البيانات المرئية بكفاءة أكبر وتقليل الاعتماد على المراجعة اليدوية.
تم تصميم المنصة بحيث تتكامل مع الأنظمة الحالية، مما يسهل على المؤسسات اعتماد تقنية الرؤية الحاسوبية دون تعطيل سير العمليات. وتتيح هذه المرونة لشركة Pixelabs دعم مجموعة واسعة من حالات الاستخدام وتوسيع نطاق الحلول مع تزايد المتطلبات.
في العديد من القطاعات، لا تزال العمليات اليومية تعتمد على سير العمل اليدوي والأتمتة المحدودة. وغالبًا ما يقوم المشغلون والمهندسون والباحثون بمراجعة الصور يدويًّا، والتحقق من صحة النتائج، وإدارة البيانات عبر أدوات متعددة.
وهذا يجعل العمليات أبطأ، وأصعب في التوحيد، وأكثر عرضة للتناقضات، لا سيما مع تزايد حجم البيانات. وحتى عندما تسعى المؤسسات إلى إدخال تقنية الرؤية الحاسوبية، فإن عملية الانتقال لا تكون دائمًا سهلة.
قد يتطلب دمج الذكاء الاصطناعي في الأنظمة الحالية إجراء تغييرات على سير العمل المعمول به، أو إنشاء بنية تحتية جديدة، أو بذل جهود هندسية إضافية. ولهذا السبب، يصعب توسيع نطاق العديد من الحلول أو صيانتها على المدى الطويل.
على سبيل المثال، في المجالات البحثية مثل تصوير شبكية العين للكشف المبكر عن مرض الزهايمر، تزداد هذه التحديات تعقيدًا. حيث يتعين على الباحثين detect تفاصيل detect ، وإدارة مجموعات بيانات ضخمة من الصور، وضمان اتساق النتائج في مختلف الظروف.
وبدون وجود طريقة مبسطة للتعامل مع التحليلات وإدارة البيانات والنتائج، يصعب توسيع نطاق هذه العمليات والحفاظ على موثوقية النتائج.
تصدت شركة Pixelabs لهذه التحديات من خلال دمجYOLO Ultralytics في محرك الذكاء الاصطناعي الخاص بها (Pixelabs AI-Engine). وتُعد هذه المنصة جوهر حلول الذكاء الاصطناعي البصري التي تقدمها الشركة، مما يجعل إجراء تحليل الصور والفيديو في الوقت الفعلي عبر مختلف التطبيقات أكثر سلاسة دون تعطيل سير العمل الحالي.
وهي تدعم مجموعة من المهام، بما في ذلك الكشف عن الأجسام والعيوب، وتحليل الأسطح والملمس، وإدارة الألوان، والتعرف الضوئي على الحروف (OCR). ونظرًا لأنها لا تعتمد على أجهزة معينة ومصممة للتكامل عبر واجهات برمجة التطبيقات (API)، فإنه يمكن نشرها عبر بيئات مختلفة وتوسيع نطاقها.
وقد طُبق هذا النهج في تعاون حديث مع فريق أبحاث مرض الزهايمر التابع لمعهد CIBIR، حيث طورت شركة Pixelabs نظامًا لدعم الكشف المبكر عن مرض الزهايمر في الفئران باستخدام التصوير الشبكي. وكان الهدف هو تحديد المؤشرات الدقيقة، مثل ترسبات بيتا أميلويد، التي يمكن أن تشير إلى المراحل المبكرة من المرض.
ولتحقيق ذلك، قامت شركة Pixelabs بإنشاء مسار عمل يربط بين تخزين البيانات ومعالجة الصور وواجهة المستخدم. ويتم أولاً نقل صور شبكية العين، التي يتم التقاطها باستخدام أجهزة تصوير قاع العين الخاصة بالمختبرات، عبر بروتوكول نقل الملفات الآمن (SFTP) وتخزينها في نظام مركزي، مما يسهل إدارة مجموعات البيانات الضخمة والوصول إليها.
ولضمان اتساق النتائج، يتم بعد ذلك تطبيق خطوات المعالجة المسبقة لمعالجة الاختلافات في جودة الصورة والإضاءة. ويساعد ذلك النظام على الحفاظ على الدقة عبر العينات والظروف المختلفة.
ثم يتم تحليل الصور باستخدام نماذج الذكاء الاصطناعي للرؤية، بما في ذلك نماذج تم تدريبها خصيصًا Ultralytics YOLOv8 المدربة خصيصًا. YOLOv8 الإصدارات المتوسطة والكبيرة من YOLOv8 لتحقيق التوازن بين الأداء والدقة.
في إطار هذا المسار، تُستخدمYOLO Ultralytics في الكشف عن الأجسام وتصنيف الصور لتحديد وتحديد مواقع المناطق الصغيرة ذات الأهمية، مثل ترسبات بيتا أميلويد، مباشرةً داخل صور الشبكية.
وأخيرًا، يتم عرض النتائج عبر منصة إلكترونية، حيث يمكن للمستخدمين تحميل الصور، وتصفية البيانات حسب سمات مثل العمر أو الجنس أو النمط الظاهري، وعرض السمات التي تم الكشف عنها مع درجات الثقة. وهذا يسهل الانتقال من البيانات الصورية الأولية إلى رؤى واضحة وقابلة للاستخدام.
بالنسبة لشركة Pixelabs، كانتYOLO Ultralytics الخيار الأمثل، حيث وفرت أساسًا عمليًا ومرنًا لبناء حلول الرؤية الحاسوبية التي يمكن تكييفها بسرعة مع حالات الاستخدام المختلفة. فهي سهلة التدريب والتحسين، مما يتيح للفريق إجراء عمليات التكرار بسرعة أكبر والاستجابة للمتطلبات الجديدة دون الحاجة إلى إعادة تصميم النظام.
وقد كان لهذه المرونة تأثير مباشر على سرعة التطوير. فمن خلال الاستفادة YOLO تمكنت Pixelabs من تسريع دورات التطوير لديها وتقديم الحلول إلى مرحلة الإنتاج بسرعة أكبر، مما أدى إلى تقليل المدة اللازمة لطرح التطبيقات الجديدة في السوق. وفي الوقت نفسه، قدمت النماذج نتائج أكثر دقة واتساقًا.
أدى دمجYOLO من Ultralytics في محرك Pixelabs AI-Engine إلى تحسينات واضحة في أداء التحليل. وفي حالة استخدام البحث المتعلق بمرض الزهايمر، حقق النظام معدلات استرجاع بلغت حوالي 90٪، وارتفعت هذه النسبة إلى 95٪ مع تقدم المرض وزيادة وضوح المؤشرات.
وقد أتاح ذلك للباحثين detect السمات detect مثل ترسبات بيتا أميلويد، بشكل أكثر موثوقية عبر مجموعات البيانات الضخمة للصور. ونتيجة لذلك، أصبح التحليل أكثر اتساقًا، مما أدى إلى تقليل التباين وساعد على ضمان عدم إغفال المؤشرات المهمة.
وبالإضافة إلى هذه الحالة الاستخدامية، تلقت شركة Pixelabs أيضًا ردود فعل إيجابية بشكل مستمر من العملاء الذين يستخدمون حلولها في تطبيقات مختلفة. ويشير المستخدمون إلى التحسينات التي طرأت على طريقة تنفيذ العمليات، لا سيما من حيث الكفاءة والموثوقية.
يختلف التأثير باختلاف حالة الاستخدام المحددة، مما يعكس مرونة المنصة وقدرتها على التكيف مع الاحتياجات التشغيلية المختلفة. وبشكل عام، ساهمت هذه التحسينات في تسهيل إدارة البيانات المرئية وتحليلها على نطاق واسع، مما أدى إلى نتائج أكثر موثوقية وسير عمل أكثر كفاءة.
تواصل شركة Pixelabs توسيع نطاق قدرات منصتها للذكاء الاصطناعي البصري لتشمل حالات استخدام وقطاعات جديدة. وبناءً على عملها في تطبيقات البحث مثل الكشف عن مرض الزهايمر، يركز الفريق على تحسين نماذجه وتطوير التحليل البصري باستخدام تقنيات مثلYOLO Ultralytics .
من خلال التحسين المستمر لتقنياتها، تهدف Pixelabs إلى مساعدة المؤسسات على أتمتة العمليات بشكل أكثر فعالية وتطبيق تقنية الرؤية الحاسوبية على نطاق أوسع من سير العمل في العالم الواقعي.
هل ترغب في تبسيط سير العمل في شركتك؟ تفضل بزيارة مستودع GitHub الخاص بنا لمعرفة المزيد عن Vision AI. اكتشف كيف تقود YOLO الابتكارات في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في قطاع التجزئة. ولتجربة YOLO بنفسك، اكتشف كيف يمكن لخيارات الترخيص التي نقدمها أن تدعم مشروعك.
نماذج Ultralytics YOLO عبارة عن بنيات رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج على مهام تشمل اكتشاف الكائنات وتصنيفها وتقدير الوضعية والتتبع وتجزئة النماذجUltralytics
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية لدينا. تمامًا مثل إصداراته السابقة، فهو يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع الذكاء الاصطناعي للرؤية في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة في العالم الحقيقي.
يعتمد النموذج الذي تختاره للاستخدام على متطلبات مشروعك المحددة. من الضروري مراعاة عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:
يتم توزيع مستودعات Ultralytics YOLO مثل YOLOv5 و YOLO11 بموجب ترخيص AGPL-3.0 افتراضيًا. صُممت هذه الرخصة المعتمدة من OSI للطلاب والباحثين والمتحمسين، وهي مصممة للطلاب والباحثين والمتحمسين، وتعزز التعاون المفتوح وتتطلب أن تكون أي برمجيات تستخدم مكونات AGPL-3.0 مفتوحة المصدر أيضًا. وعلى الرغم من أن هذا يضمن الشفافية ويعزز الابتكار، إلا أنه قد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برمجيات Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وترغب في تجاوز متطلبات المصدر المفتوح لرخصة AGPL-3.00، فإن رخصة المؤسسة هي الحل الأمثل.
تشمل مزايا ترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0 ، اطلب ترخيص Ultralytics للمؤسسات باستخدام النموذج المقدم. سيساعدك فريقنا في تكييف الترخيص مع احتياجاتك الخاصة.
ابدأ رحلتك مع مستقبل تعلم الآلة
