الرؤية الحاسوبية للمبتدئين: بناء مصنف صور

الرؤية الحاسوبية تمكّن الذكاء الاصطناعي من فهم ومعالجة المعلومات المرئية. يرشدك هذا الدليل خلال بناء أول مصنف صور لك.

ما هي الرؤية الحاسوبية؟

الرؤية الحاسوبية هي مجال الذكاء الاصطناعي الذي يدرب أجهزة الكمبيوتر على تفسير وفهم العالم المرئي. تشمل التطبيقات:

• تصنيف الصور (ما في هذه الصورة؟)
• اكتشاف الأشياء (أين الأشياء؟)
• تجزئة الصور (أي بكسل ينتمي لأي كائن؟)
• التعرف على الوجوه (من هذا الشخص؟)

الإعداد

pip install tensorflow matplotlib numpy pillow

تحميل البيانات

سنستخدم مجموعة بيانات CIFAR-10 (60,000 صورة ملونة 32x32 في 10 فئات):

import tensorflow as tf
from tensorflow import keras

(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()

# تطبيع قيم البكسل
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

بناء شبكة عصبية التفافية

model = keras.Sequential([
    keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(32,32,3)),
    keras.layers.MaxPooling2D(2,2),
    keras.layers.Conv2D(64, (3,3), activation='relu'),
    keras.layers.MaxPooling2D(2,2),
    keras.layers.Flatten(),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']
)

التدريب

history = model.fit(
    x_train, y_train,
    batch_size=64,
    epochs=10,
    validation_data=(x_test, y_test)
)

استخدام نقل التعلم

للحصول على نتائج أفضل ببيانات أقل، استخدم نموذجاً مدرباً مسبقاً:

base_model = keras.applications.MobileNetV2(
    input_shape=(224,224,3),
    include_top=False,
    weights='imagenet'
)
base_model.trainable = False  # تجميد الطبقات الأساسية

model = keras.Sequential([
    keras.layers.Resizing(224,224),
    base_model,
    keras.layers.GlobalAveragePooling2D(),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

اكتشاف الأشياء باستخدام YOLO

لاكتشاف أشياء متعددة في الصور، استخدم YOLO (You Only Look Once):

pip install ultralytics
yolo predict model=yolov8n.pt source='image.jpg'

تطبيق واقعي: الزراعة المغربية

بنى فريق من الباحثين المغاربة نظام رؤية باستخدام نقل التعلم:

• يحدد أمراض المحاصيل من صور الهواتف الذكية
• يحقق دقة 94% على الأصناف المحلية
• يعمل دون اتصال على الأجهزة المحمولة
• يساعد المزارعين في تشخيص المشكلات مبكراً

الخطوات التالية

• جرب معالجة الفيديو في الوقت الفعلي
• ابنِ تطبيق جوال برؤية على الجهاز
• استكشف توليد الصور باستخدام نماذج الانتشار

برنامجنا "معسكر بناء الذكاء الاصطناعي" يغطي الرؤية الحاسوبية مع مشاريع واقعية.