الرؤية الحاسوبية (CV)

رؤية الكمبيوتر (CV) هي مجال من مجالات الذكاء الاصطناعي (AI) الذي يدرب أجهزة الكمبيوتر على تفسير وفهم العالم المرئي. باستخدام الصور الرقمية من الكاميرات ومقاطع الفيديو ونماذج التعلم العميق، يمكن للآلات تحديد وتصنيف الكائنات بدقة ثم التفاعل مع ما "تراه". الهدف هو تمكين أجهزة الكمبيوتر من تكرار الرؤية البشرية، وهي مهمة تتضمن معالجة وتحليل كميات هائلة من البيانات المرئية لفهمها. لقد نما هذا المجال بسرعة بفضل التقدم في التعلم العميق وتوافر مجموعات البيانات الكبيرة.

كيف تعمل رؤية الكمبيوتر؟

تعمل الرؤية الحاسوبية من خلال تطبيق خوارزميات التعلم الآلي (ML) على البيانات المرئية. بدلاً من أن تتم برمجته بشكل صريح للتعرف على كائن ما، يتعلم نموذج CV تحديد الأنماط من آلاف أو ملايين الصور المصنفة. على سبيل المثال، لتدريب نموذج للتعرف على القطط، سيتم تغذيته بعدد لا يحصى من صور القطط حتى يتمكن من تعلم تمييز ميزات القطة بمفرده.

تعتمد الرؤية الحاسوبية الحديثة بشكل كبير على نماذج التعلم العميق، وخاصةً الشبكات العصبية الالتفافية (CNNs). الشبكة العصبية الالتفافية هي نوع من الشبكات العصبية التي تتسم بفعالية عالية في معالجة بيانات الصور. وهي تعمل عن طريق تطبيق عوامل التصفية (أو النوى) على صورة لإنشاء خرائط الميزات التي تسلط الضوء على الخصائص المهمة مثل الحواف والأنسجة والأشكال. تعمل هذه الشبكات على تشغيل العديد من مهام الرؤية الحاسوبية الشائعة، مما يمكّن الآلات من تحليل المعلومات المرئية بدقة متزايدة.

الرؤية الحاسوبية مقابل معالجة الصور

في حين أنها وثيقة الصلة، فإن الرؤية الحاسوبية ومعالجة الصور ليستا متماثلتين. تعتبر معالجة الصور مجموعة فرعية من الرؤية الحاسوبية التي تركز على معالجة الصور الرقمية لتحسينها أو استخراج معلومات مفيدة منها. وهي تنطوي على عمليات مثل زيادة الحدة أو التمويه أو تصفية الصورة. في المقابل، تتجاوز الرؤية الحاسوبية ذلك خطوة أخرى من خلال استهداف تفسير وفهم محتوى الصورة. على سبيل المثال، يمكن استخدام معالجة الصور لتحسين جودة الصورة، في حين يمكن استخدام الرؤية الحاسوبية لتحديد الأشخاص والأشياء والمشهد داخل تلك الصورة. يمكنك معرفة المزيد حول التمييز في هذا العرض العام لمعالجة الصور الرقمية المفصل.

المهام الرئيسية في رؤية الكمبيوتر

تشمل الرؤية الحاسوبية عدة مهام رئيسية تسمح للآلات بتحليل البيانات المرئية وتفسيرها:

• اكتشاف الكائنات: يتضمن ذلك تحديد وتحديد مواقع الكائنات داخل صورة أو مقطع فيديو. يرسم نموذج مثل Ultralytics YOLO مربع إحاطة حول كل كائن يتم اكتشافه ويعينه تسمية فئة.
• تصنيف الصور: تتضمن هذه المهمة تعيين تسمية واحدة لصورة كاملة من مجموعة محددة مسبقًا من الفئات. على سبيل المثال، تصنيف صورة على أنها تحتوي على "قطة" أو "كلب".
• تجزئة الصور (Image Segmentation): على عكس اكتشاف الكائنات، تصنف التجزئة كل بكسل في الصورة. وهي توفر فهمًا أكثر تفصيلاً لمحتوى الصورة. تشمل المهام الفرعية التجزئة المثيلية (instance segmentation) و التجزئة الدلالية (semantic segmentation).
• تقدير الوضعية (Pose Estimation): يُستخدم هذا لتحديد موضع واتجاه الشخص أو الكائن في الفضاء. ويستخدم على نطاق واسع في الروبوتات والواقع المعزز وتحليل النشاط البشري.
• تتبع الكائنات: تتضمن هذه المهمة تتبع كائن واحد أو أكثر بمرور الوقت في تسلسل فيديو. وهو أمر بالغ الأهمية لتطبيقات مثل المراقبة والملاحة الذاتية.

تطبيقات واقعية

تطبيقات الرؤية الحاسوبية منتشرة بشكل متزايد في مختلف القطاعات:

• المركبات ذاتية القيادة: رؤية الكمبيوتر (CV) ضرورية للسيارات ذاتية القيادة، مما يمكنها من إدراك محيطها واكتشاف المشاة والمركبات الأخرى وقراءة إشارات المرور والتنقل بأمان. تعتمد شركات مثل Waymo و Tesla بشكل كبير على أنظمة رؤية الكمبيوتر. استكشف المزيد حول الذكاء الاصطناعي في حلول السيارات.
• الرعاية الصحية: في تحليل الصور الطبية، تساعد رؤية الكمبيوتر أخصائيي الأشعة في الكشف عن التشوهات مثل الأورام أو الكسور في الأشعة السينية والتصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي. كما أنها تستخدم في الجراحة الروبوتية ومراقبة المرضى. اقرأ المزيد عن تأثيرها في Radiology: Artificial Intelligence. يمكنك أيضًا اكتشاف كيف يتم استخدام YOLO11 للكشف عن الأورام.
• الأمن والمراقبة: تعمل رؤية الكمبيوتر على تشغيل أنظمة المراقبة الآلية للكشف عن الاختراقات وتتبع الأفراد وتحليل سلوك الحشود. راجع دليلنا حول كيفية بناء نظام إنذار أمني.
• البيع بالتجزئة: تشمل التطبيقات إدارة المخزون عن طريق مراقبة الرفوف، وتحليل سلوك العملاء، وأنظمة الدفع بدون أمين الصندوق مثل تلك الموجودة في Amazon Go.
• التصنيع: يتم استخدام الرؤية الحاسوبية لمراقبة الجودة، واكتشاف العيوب، ومراقبة خط التجميع، وأتمتة الروبوتات. تعرف على صنع حلول التصنيع الذكية باستخدام YOLO11.
• الزراعة: تتيح هذه التقنية الزراعة الدقيقة من خلال مراقبة المحاصيل واكتشاف الأمراض وتحديد الأعشاب الضارة والحصاد الآلي. اقرأ عن مراقبة صحة المحاصيل في الوقت الفعلي.

الأدوات والأطر

أصبح تطوير ونشر نماذج الرؤية الحاسوبية أسهل بفضل الأدوات وأطر العمل المختلفة. تعد مكتبات مثل PyTorch (قم بزيارة موقع PyTorch الرسمي) و TensorFlow (قم بزيارة موقع TensorFlow الرسمي) أساسية لبناء النماذج. توفر المكتبات مفتوحة المصدر مثل OpenCV مجموعة واسعة من الوظائف للرؤية الحاسوبية في الوقت الفعلي.

تعمل منصات مثل Ultralytics HUB على تبسيط دورة الحياة بأكملها لمشروع رؤية الكمبيوتر، بدءًا من إدارة مجموعات البيانات و تدريب النماذج المخصصة وحتى النشر. يساعد استخدام التنسيقات القياسية مثل ONNX أيضًا على ضمان إمكانية التشغيل البيني بين الأطر المختلفة. مع نضوج هذه التقنيات، ستستمر في دفع الابتكار عبر الصناعات.