Computer Vision (CV)

الرؤية الحاسوبية (CV) هي مجال من مجالات الذكاء الاصطناعي (AI) يتيح لأجهزة الكمبيوتر والأنظمة استخلاص معلومات مفيدة من الصور الرقمية ومقاطع الفيديو والمدخلات المرئية الأخرى. إذا كان الذكاء الاصطناعي يتيح للآلات التفكير، فإن الرؤية الحاسوبية تتيح لها الرؤية والمراقبة والفهم. وعلى عكس أدوات معالجة الصور القائمة على القواعد، تتعلم الأنظمة الحديثة مباشرةً من البيانات؛ فهي لا تتلقى تعليمات صريحة حول شكل سيارة أو ورم، بل تحدد الأنماط الأساسية عبر آلاف الأمثلة المصنفة وتعمّم تلك المعرفة على صور لم تصادفها من قبل. ومن خلال تطبيق التعلّم الآلي (ML) والتعلّم العميق (DL)، تحوّل الرؤية الحاسوبية البيانات المرئية غير المهيكلة إلى قرارات يمكن للبرمجيات تنفيذها.

كيفية عمل الرؤية الحاسوبية#

يرى الكمبيوتر الصورة على شكل مصفوفة من القيم العددية التي تمثل وحدات البكسل. وتحويل هذه المصفوفة إلى إجراء يمر عبر خط أنابيب من خمس مراحل.

الحصول على الصورة. تبدأ عملية العمل بالتقاط الأجهزة — مثل مستشعرات CMOS والكاميرات العاملة بالأشعة تحت الحمراء وماسحات LiDAR — للضوء وتحويله إلى شبكة بكسلات رقمية. وتراعي معايرة الكاميرا هندسة العدسة قبل بدء التحليل.

المعالجة المسبقة. تُطبَّع البيانات الملتقطة كي يتلقى النموذج مدخلات متسقة، وذلك عبر تغيير الحجم وتقليل الضوضاء وضبط التباين.

استخراج السمات. يحدد النظام السمات منخفضة المستوى مثل الحواف والتدرجات والزوايا. ومع انتقال البيانات إلى طبقات أعمق في الشبكة، تتحد هذه العناصر الأولية لتشكّل سمات عالية المستوى — مثل القوام والأنماط والهندسات المعقدة. فقد يكتشف النظام خطوطًا عمودية، ويتعرف عليها بوصفها أعمدة سياج، ثم يفهم المشهد على أنه حدّ محيطي. وتُعرف هذه العملية باسم استخراج السمات.

استدلال النموذج. تُعد الشبكة العصبية الالتفافية (CNN) محرك الرؤية الحاسوبية الحديثة. وعلى خلاف الشبكة العصبية القياسية التي تتعامل مع الصورة كقائمة مسطحة من الأرقام، تحافظ CNNs على العلاقة المكانية بين وحدات البكسل، باستخدام مرشحات تنزلق عبر الصورة لاكتشاف الأنماط بغض النظر عن موضع ظهورها في الإطار. وفي الآونة الأخيرة، ظهرت محولات الرؤية (ViTs) بوصفها بديلًا قويًا، إذ تطبق آلية الانتباه من معالجة اللغة الطبيعية على بيانات الصور.

المخرجات والإجراء. يعيد النموذج نتيجة مهيكلة — تسمية أو مجموعة من الصناديق المحيطة أو قناعًا للبكسلات — ويتخذ النظام المحيط إجراءً بناءً عليها: رفض جزء معيب أو كبح مركبة أو إطلاق تنبيه.

كيف يتعلم النموذج#

لا تتجاوز جودة النموذج جودة البيانات التي يستهلكها. يتطلب التعلّم الخاضع للإشراف كميات كبيرة من بيانات التدريب، بينما توفر معايير القياس مثل ImageNet وCOCO ملايين الأمثلة المشروحة. أثناء التدريب، يتنبأ النموذج، ثم يقارن تنبؤه بالتسمية الصحيحة ويعدّل أوزانه الداخلية لتقليل الخطأ. وبعد التدريب، ينفذ النموذج نفسه خطوة الاستدلال المذكورة أعلاه.

التحول من الأنظمة القائمة على القواعد إلى التعلّم العميق#

اعتمدت الرؤية الحاسوبية المبكرة على هندسة السمات يدويًا؛ إذ حدّد المهندسون معلمات هندسية صارمة لمساعدة الآلات على التعرف على الأجسام. وكانت تلك الأنظمة هشة، فتفشل كلما تغيرت الإضاءة أو ظهر جسم بزاوية غير مألوفة. وقد مثّل نشر AlexNet عام 2012، الذي دُرّب على أكثر من مليون صورة مصنفة من ImageNet، نقطة تحول، إذ أثبت أن الشبكات الالتفافية يمكن أن تتفوق على الأساليب المصممة يدويًا على نطاق واسع. واستبدل التعلّم العميق القواعد المضبوطة يدويًا ببنى تتعلم سماتها بنفسها — وهي مرنة بما يكفي للصمود في ظروف العالم الحقيقي التي لا يمكن التحكم فيها تحكمًا مثاليًا.

الرؤية الحاسوبية مقابل معالجة الصور مقابل الرؤية الآلية#

من المهم التمييز بين الرؤية الحاسوبية والمجالات المجاورة التي يكثر الخلط بينها وبينها.

• معالجة الصور تتعامل مع الصورة لتحسينها أو استخراج الإشارة منها — مثل ضبط السطوع والتباين أو تطبيق المرشحات. وتكون مخرجاتها عادةً صورة أخرى. أما الرؤية الحاسوبية فتأخذ صورةً مدخلًا وتنتج تفسيرًا («يوجد ثلاثة أشخاص في هذه الغرفة»). وتستخدم الرؤية الحاسوبية معالجة الصور بانتظام بوصفها خطوة تحضيرية.
• الرؤية الآلية تشير إلى أنظمة الفحص الصناعية التي تعمل في بيئات محكومة بإحكام، مع إضاءة ثابتة ومواضع معروفة للأجزاء. أما الرؤية الحاسوبية فهي المجال الأوسع، وقد صُممت للتعامل مع الظروف غير المتوقعة وغير الخاضعة للتحكم.
• معالجة اللغة الطبيعية تتعامل مع النص والكلام. أما الرؤية الحاسوبية فتركز بالكامل على البيانات المرئية، رغم أن نماذج الرؤية واللغة تعمل بصورة متزايدة على الربط بين المجالين.

المهام الأساسية للرؤية الحاسوبية#

الرؤية الحاسوبية ليست وظيفة واحدة، بل مجموعة من المهام المتميزة، تحل كل منها مشكلة مختلفة. وللاطلاع على شرح أعمق لكل مهمة، راجع الدليل الكامل حول مهام الرؤية الحاسوبية.

• تصنيف الصور: يعيّن تسمية واحدة لصورة كاملة، مجيبًا عن سؤال «ما الموجود في هذه الصورة؟» — مثل فرز المنتجات إلى معيبة وغير معيبة. ويرتبط بذلك ارتباطًا وثيقًا التعرّف على الصور، الذي يحدد ما هو موجود.
• اكتشاف الأجسام: يحدد الأجسام المتميزة ويرسم صندوقًا محيطًا حول كل منها، مما يتيح للأنظمة عدّ أجسام متعددة وتحديد مواقعها في إطار واحد.
• تجزئة المثيلات: تنتج قناعًا على مستوى البكسل لكل جسم مكتشف، فتفصل المثيلات الفردية للفئة نفسها. أما التجزئة الدلالية فتعيّن فئة لكل بكسل من دون تمييز بين المثيلات.
• تقدير الوضعية: يكتشف النقاط الرئيسية على جسم ما، مثل مفاصل جسم الإنسان، لتتبع الحركة والوضعية.
• الصناديق المحيطة الموجّهة: تلائم صناديق مدوّرة للأجسام غير المحاذية للمحاور — وهو أمر أساسي في الصور الجوية وصور الأقمار الصناعية.
• تتبع الأجسام: يتابع جسمًا عبر تدفق فيديو، ويحافظ على معرّف ثابت بين الإطارات. ويعزز التدفق البصري ذلك بتحليل الحركة الظاهرية بين الإطارات المتتالية.
• التعرّف الضوئي على الحروف (OCR): يحوّل صور النصوص المطبوعة أو المكتوبة بخط اليد إلى بيانات قابلة للقراءة آليًا، مؤتمتًا معالجة المستندات على نطاق واسع.

اختيار المهمة المناسبة#

إن مواءمة المهمة التقنية مع هدف العمل منذ البداية تتجنب إعادة العمل المكلفة.

التطبيقات الواقعية#

تدعم الرؤية الحاسوبية الآن أنظمة الإنتاج في معظم الصناعات الرئيسية.

• التصنيع ومراقبة الجودة. تعمل خطوط الإنتاج الحديثة بسرعة تتجاوز القدرة البصرية البشرية. وتجري أنظمة الرؤية فحص الجودة الفوري، فتحدد الشقوق المجهرية أو المكونات غير المحاذية بسرعة خط الإنتاج، من دون أي إرهاق يتراكم لدى المفتش البشري. كما تتيح مراقبة أنماط التآكل في الآلات إجراء صيانة تنبؤية — عبر رصد مؤشرات الأعطال قبل أن يتسبب العطل في توقف غير مخطط له. راجع الرؤية الحاسوبية في التصنيع واكتشاف العيوب.
• الرعاية الصحية والتشخيص. تعالج خوارزميات تحليل الصور الطبية صور الأشعة السينية والرنين المغناطيسي والتصوير المقطعي لاكتشاف الأورام في مراحلها المبكرة والكسور الدقيقة وتشوهات الشبكية التي يسهل إغفالها تحت ضغط الوقت. وفي غرفة العمليات، توفر أنظمة الرؤية تخطيطًا مكانيًا آنيًا أثناء الإجراءات طفيفة التوغل. راجع الرؤية الحاسوبية في الرعاية الصحية.
• تجارة التجزئة. تستخدم المتاجر التي لا تتطلب الدفع عند الصندوق دمج المستشعرات وخوارزميات الرؤية لتتبع العناصر التي تغادر الرفوف وفوترة العملاء تلقائيًا. كما تراقب الأنظمة نفسها مستويات الرفوف في الوقت الفعلي لإطلاق تنبيهات إعادة التخزين، بما يدعم إدارة المخزون ومنع خسائر التجزئة. راجع الرؤية الحاسوبية في تجارة التجزئة.
• النقل المستقل. تُعد طبقة الإدراك المكوّن الأهم للسلامة في السيارة ذاتية القيادة. تحدد أنظمة الرؤية علامات المسارات وإشارات المرور والمشاة والمركبات الأخرى في الوقت الفعلي، وتجمع مدخلات الكاميرا مع الرادار وLiDAR لبناء نموذج بزاوية 360 درجة للمحيط المحيط بالمركبة من خلال اكتشاف الأجسام ثلاثي الأبعاد. راجع المركبات ذاتية القيادة.
• الأمن والمراقبة. انتقلت البنية التحتية الأمنية من التسجيل السلبي إلى التدخل الاستباقي — عبر اكتشاف التسكع في المناطق المحظورة، والإبلاغ عن الأنماط السلوكية غير المعتادة أثناء حدوثها، ودعم إدارة الطوابير في الأماكن العامة. وتُعد اكتشاف الحالات الشاذة القدرة الأساسية الكامنة وراء ذلك.
• الزراعة. تقيّم الطائرات المسيّرة والجرارات صحة المحاصيل على مستوى النبات الفردي، فتحلل الصور متعددة الأطياف للكشف عن الجفاف أو الإصابة بالآفات أو نقص المغذيات. ثم تُطبّق المياه والمبيدات والأسمدة في المواضع اللازمة فقط بدلًا من تطبيقها على الحقول بأكملها. راجع الرؤية الحاسوبية في الزراعة.

الرؤية الحاسوبية على الحافة#

يُجرى التحليل المرئي في الوقت الفعلي بصورة متزايدة على الحافة — مباشرةً على الكاميرا أو البوابة المحلية — بدلًا من توجيه الفيديو إلى خادم سحابي مركزي. وهذا مهم لسببين.

ينخفض زمن الاستجابة إلى ما يقارب الصفر، وهو أمر لا يمكن الاستغناء عنه في الروبوتات المستقلة أو فحص خطوط الإنتاج الصناعية، حيث يؤدي تأخير قدره أجزاء من الألف من الثانية إلى أخطاء. وبما أن البيانات الوصفية فقط تعبر الشبكة بدلًا من الفيديو الخام، تنخفض متطلبات النطاق الترددي بشدة مع تحسن الخصوصية، لأن اللقطات الحساسة لا تغادر الجهاز المحلي مطلقًا. ويجعل الذكاء الاصطناعي الطرفي والاستدلال في الوقت الفعلي ذلك عمليًا، بينما تتيح خيارات نشر النماذج مثل ONNX وTensorRT تشغيل نموذج واحد مدرّب عبر أجهزة متنوعة.

التحديات والقيود#

جودة البيانات. يعكس النموذج جودة بيانات التدريب التي بُني عليها. وتنتج مجموعات البيانات منخفضة الدقة أو سيئة الوسم أو غير الممثلة نماذج غير موثوقة، كما أن بناء مجموعة بيانات متنوعة ومشروحة غالبًا ما يتطلب جهدًا أكبر من تصميم الخوارزمية. راجع وسم البيانات.

المتغيرات البيئية. يؤدي المطر الغزير وتوهج العدسة والحجب الجزئي وتغير مقياس الجسم إلى تدهور الأداء. وتعتمد الأنظمة المتينة على زيادة البيانات أثناء التدريب لمحاكاة هذه الظروف وبناء القدرة على التكيف قبل النشر، وعلى التحقق الدقيق لتجنب فرط التكيّف.

الاعتبارات الأخلاقية والتحيز. سيؤدي النموذج المدرّب على مجموعة بيانات تفتقر إلى التنوع الديموغرافي أداءً متفاوتًا بين المجموعات السكانية. ويجب على المؤسسات التي تنشر أنظمة تحلل الأشخاص — في التصوير الطبي أو سلامة أماكن العمل أو الأماكن العامة — تدقيق مجموعات بياناتها لضمان الإنصاف والامتثال للوائح الناشئة التي تغطي اتخاذ القرارات المؤتمت.

مستقبل الرؤية الحاسوبية#

تعيد محولات الرؤية تشكيل ما يمكن تحقيقه في المهام التي تتطلب فهم العلاقات بين الأجزاء المتباعدة من الصورة. وإضافةً إلى ذلك، يجمع التعلّم متعدد الوسائط البيانات المرئية مع النص والصوت والعمق لبناء أنظمة ذات فهم سياقي أغنى — وتُعد نماذج الرؤية واللغة التي تجيب عن الأسئلة المتعلقة بالصور مثالًا مبكرًا على ذلك.

يعالج الذكاء الاصطناعي التوليدي ندرة البيانات مباشرةً. إذ تتيح البيانات الاصطناعية إنشاء صور شديدة الواقعية لسيناريوهات نادرة — مثل أنماط أعطال محددة أو مظاهر غير شائعة للأمراض — يتعذر جمعها بحجم كافٍ في العالم الحقيقي. وفي الوقت نفسه، تدفع الكاميرات المستشعرة للعمق وLiDAR الأنظمة إلى ما يتجاوز تحليل الصور المسطحة نحو الحوسبة المكانية، حيث تُعرض المعلومات الرقمية فوق العالم المادي لتطبيقات مثل الصيانة الموجّهة بالواقع المعزز ورسم خرائط الهياكل.

تنفيذ الرؤية الحاسوبية باستخدام Ultralytics#

بالنسبة إلى الفرق التي تختبر مشروعًا للرؤية الحاسوبية، يُعد Ultralytics YOLO26 نقطة بداية عملية لـاكتشاف الأجسام في الوقت الفعلي — فهو مفتوح المصدر، وموثق على نطاق واسع، وسريع بما يكفي للتشغيل على الحافة. وتُنشر أرقام الدقة وزمن الاستجابة عبر الأجهزة في صفحة معايير القياس، مع مقارنات النماذج جنبًا إلى جنب في الوثائق. ويشمل النظام البيئي الأوسع OpenCV لمعالجة الصور التقليدية وPyTorch بوصفه إطار التدريب الأساسي.

from ultralytics import YOLO

# Load the YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Run inference on a standard example image
# The model identifies objects and their locations
results = model("https://ultralytics.com/images/bus.jpg")

# Display the resulting image with bounding boxes
results[0].show()

يستخدم هذا البرنامج النصي نموذجًا مُدرّبًا مسبقًا لإجراء الاستدلال في بضعة أسطر. ويمكن للفرق التي تنتقل من مرحلة التجربة إلى الإنتاج استخدام منصة Ultralytics لوسم مجموعات البيانات وتدريب النماذج في السحابة وإدارة النشر، أو تطبيق التعلّم بالنقل لتكييف نموذج مُدرّب مسبقًا مع مجموعة بيانات مخصصة باستخدام بيانات مصنفة أقل بكثير من تلك اللازمة للتدريب من الصفر.