Object Detection: ما هو، الخوارزميات وكيف يعمل

ما هو Object Detection: مبدأ العمل

Object Detection يحل مهمتين في وقت واحد: ما في الصورة (تصنيف) وأين (انحدار الإحداثيات). يقسم النموذج الصورة إلى شبكة، ويتنبأ بإطار bounding box (x، y، العرض، الارتفاع) واحتمالات الفئة لكل خلية. تزيل Non-Maximum Suppression (NMS) الإطارات المكررة لكائن واحد، مع الاحتفاظ بأكثر توقع ثقة. تنقسم البنى الحديثة إلى مرحلتين (Faster R-CNN — أولاً مقترحات المنطقة، ثم التصنيف) ومرحلة واحدة (YOLO، SSD — كل شيء مرة واحدة).

مقاييس التقييم: mAP (mean Average Precision) — المقياس الرئيسي لجودة Object Detection. mAP@0.5 — الدقة عند عتبة IoU 0.5، mAP@0.5:0.95 — المتوسط عبر العتبات من 0.5 إلى 0.95. FPS — الإطارات في الثانية (سرعة الاستدلال). لتطبيقات الجوال، التوازن بين mAP/FPS أمر بالغ الأهمية: YOLOv8-Nano يعطي 42% mAP@0.5:0.95 عند 50+ إطار/ثانية، SSD MobileNet — 22% mAP عند 60+ إطار/ثانية. للوقت الفعلي > 20 إطار/ثانية، للاستخدام التفاعلي 5–15 إطار/ثانية.

IoU (Intersection over Union) — مقياس التداخل بين bounding box المتوقع والحقيقي. IoU = مساحة التقاطع / مساحة الاتحاد. عتبة IoU لـ NMS عادة 0.5–0.7. لتتبع الكائنات بين الإطارات (إعادة التحديد)، استخدم Deep SORT أو ByteTrack مع مطابقة IoU. لحساب الكائنات في الفيديو، يوفر BoT-SORT 85% MOTA (دقة تتبع الكائنات المتعددة).

Anchor Boxes — أشكال bounding box محددة مسبقًا يقوم النموذج بتعديلها. يستخدم YOLOv8 الكشف بدون مرتكزات (anchor-free)، مما يبسط التدريب ويسرع الاستدلال. تتطلب SSD وYOLO القديمة ضبط المرتكزات لكل مجموعة بيانات. لتطوير تطبيقات الجوال، البنى anchor-free (YOLOv8، FCOS) هي الأفضل — لا تعتمد على حجم الكائنات وأسهل في التخصيص.

ML Kit Object Detection والتتبع

ML Kit Object Detection and Tracking — مكتبة Google للكشف عن الكائنات وتتبعها على الجهاز. تدعم وضعين: كاشف صورة واحدة (للصور) وكاشف دفق (للفيديو). يقوم وضع البث بتتبع الكائنات تلقائيًا بين الإطارات باستخدام التدفق البصري، مما يقلل زمن الاستجابة إلى 5–10 مللي ثانية بين الإطارات بعد الكشف الأولي. الفئات: fashion، food، home، places — 10–20 فئة لكل منها.

API ML Kit: ObjectDetector (خيارات: detectorMode، enableClassification، enableMultipleObjects) → InputImage → DetectedObject (trackingId، boundingBox، classificationCategory، classificationConfidence). يتيح trackingId تتبع نفس الكائن عبر الإطارات. MultipleObjects = true — يكتشف حتى 5 كائنات في الإطار. Classification — يشمل التعرف على فئة الكائن (افتراضيًا false للسرعة). يُوصى بوضع البث للوقت الفعلي: 20–30 إطار/ثانية على Pixel 6.

val options = ObjectDetectorOptions.Builder()
    .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
    .enableClassification()
    .enableMultipleObjects()
    .build()

val detector = ObjectDetection.getClient(options)

detector.process(inputImage)
    .addOnSuccessListener { objects ->
        objects.forEach { obj ->
            val box = obj.boundingBox
            val trackingId = obj.trackingId
            val category = obj.classificationCategory()
            drawBoundingBox(box, trackingId, category)
        }
    }

Object Tracking: بعد اكتشاف كائن في الإطار الأول، يتتبعه ML Kit عبر تدفق الفيديو دون إعادة اكتشاف (بناءً على التدفق البصري + تتبع الميزات). هذا يقلل حمل CPU/GPU: الكشف الأولي 30–60 مللي ثانية، إطارات التتبع اللاحقة 2–5 مللي ثانية. إذا غادر الكائن الإطار أو استدار > 30°، يتم إعادة تعيين المتتبع ويتطلب إعادة اكتشاف. يبقى TrackingId طالما أن الكائن في الإطار. لحساب الكائنات الفريدة، استخدم trackingId كمعرف.

YOLO: You Only Look Once على الأجهزة المحمولة

YOLOv8-Nano — أصغر إصدار من YOLOv8 (Ultralytics) للأجهزة الطرفية. 2.6M معامل، 5.9 MB (FP16)، 42% mAP@0.5:0.95 على COCO. يستخدم YOLOv8 كشف anchor-free + backbone C2f + TaskAlignedAssigner لمطابقة التوقعات. لتطوير تطبيقات الجوال، التصدير متاح إلى TFLite (INT8 — 2.0 MB، زمن استجابة 8–20 مللي ثانية) وCore ML (4.5 MB، زمن استجابة 5–15 مللي ثانية على iPhone 15 Pro). YOLOv8-Nano هو الخيار الأفضل لـ Object Detection في الوقت الفعلي على الجهاز.

تصدير YOLOv8 إلى TFLite: توفر Ultralytics CLI: yolo export model=yolov8n.pt format=tflite int8. الناتج هو نموذج TFLite INT8 محسّن لـ GPU Delegate عبر NNAPI. لمجموعات البيانات المخصصة (الفئات الخاصة بك، وليس COCO) — تدريب عبر Ultralytics HUB على 50–500 صورة لكل فئة. RT-DETR (Real-Time Detection Transformer) — بديل يعتمد على بنية Transformer، 48% mAP عند 60 إطار/ثانية على NVIDIA Jetson، لكنه لا يزال متخلفًا عن YOLOv8-Nano في السرعة على الأجهزة المحمولة.

# YOLOv8 export to TFLite
from ultralytics import YOLO

model = YOLO("yolov8n.pt")
model.export(format="tflite", int8=True, imgsz=320)

# Inference with TFLite on Android
val interpreter = Interpreter(loadFile("yolov8n_int8.tflite"))
val output = Array(1) { Array(8400) { FloatArray(6) } }
interpreter.run(inputBuffer, output)

YOLO vs ML Kit على الأجهزة المحمولة: ML Kit Object Detection أسهل في التكامل (10 أسطر من الكود)، لا يتطلب خبرة في التعلم الآلي، لكنه محدود بالفئات القياسية (fashion، food، home، places). يتطلب YOLOv8-Nano تصديرًا مخصصًا لكنه يوفر تحكمًا كاملاً: أي فئات، حجم إدخال، بنية. للنمذجة السريعة — ML Kit. للإنتاج مع كائنات غير قياسية — YOLOv8-Nano. لنظام iOS: YOLOv8-Core ML عبر تصدير النموذج من Ultralytics + VNCoreMLRequest.

SSD والبنى الأخرى على الجهاز

SSD (Single Shot Multibox Detector) — بنية one-stage كلاسيكية للأجهزة المحمولة. SSD MobileNetV2 — المعيار الفعلي في 2020–2023: 22% mAP@0.5:0.95 على COCO، 15–40 مللي ثانية على Pixel 6. يستخدم SSD هرم الميزات (طبقات MobileNet مختلفة لاكتشاف كائنات بأحجام مختلفة) وصناديق افتراضية (anchor boxes) لكل خلية من خريطة الميزات. الإيجابيات: أقصى سرعة لعصره. السلبيات: دقة منخفضة على الكائنات الصغيرة (10–30 بكسل).

EfficientDet-Lite — عائلة من Google (2020+)، محسّنة لـ TFLite. EfficientDet-Lite0: 3.9M معامل، 35% mAP، 20–50 مللي ثانية. EfficientDet-Lite2: 8.1M، 42% mAP، 40–80 مللي ثانية. يستخدم EfficientDet BiFPN (Bidirectional Feature Pyramid Network) لدمج الميزات متعددة المقاييس — وهذا يعطي زيادة 2–4% mAP دون زيادة زمن الاستجابة. لتطوير تطبيقات الجوال، توصي Google بـ EfficientDet-Lite ككاشف رئيسي لـ TFLite Task Vision.

MediaPipe Object Detector — تطبيق جاهز يعتمد على EfficientDet-Lite كجزء من MediaPipe Tasks Vision. يوفر API موحد لنظام Android وiOS وPython والويب. يدعم MediaPipe Object Detector فئات COCO (80 فئة)، والنماذج المخصصة، ووضع البث، ومفوضي CPU/GPU. للتكامل السريع لـ Object Detection في مشروع عبر المنصات، MediaPipe هو الخيار الأمثل: كود واحد لجميع المنصات.

// MediaPipe Object Detection
val options = ObjectDetectorOptions.Builder()
    .setBaseOptions(BaseOptions.builder()
        .setDelegate(BaseOptions.Delegate.GPU)
        .build())
    .setMaxResults(5)
    .setScoreThreshold(0.5f)
    .build()

val detector = ObjectDetector.createFromOptions(context, options)

val image = MPImage.fromBitmap(bitmap)
val result = detector.detect(image)
result.detections.forEach { detection ->
    val box = detection.boundingBox
    val category = detection.categories.first()
}

اختيار بنية لتطبيق جوال: لـ > 30 إطار/ثانية على الأجهزة المتوسطة — YOLOv8-Nano (INT8) أو SSD MobileNetV2. لدقة > 40% mAP — YOLOv8-Small (11.2M) أو EfficientDet-Lite2 (8.1M). للتعدد المنصات — MediaPipe Object Detector. للبساطة — ML Kit. لنظام iOS-first — Core ML + YOLOv8 .mlpackage. لنظام Android-first — TFLite Task Vision (ObjectDetector API). التدريب: Roboflow (مجموعة بيانات) + Ultralytics YOLOv8 (تدريب) + تصدير إلى TFLite/Core ML.

TensorFlow Lite Task Vision API

TFLite Task Vision ObjectDetector — API موحد من Google لتشغيل نماذج Object Detection على Android وiOS. يقوم Task API تلقائيًا بمعالجة ما قبل الصورة (التحجيم، التطبيع، تحويل مساحة الألوان) وما بعد المعالجة (NMS، تحديد العتبات). يحتاج المطور فقط إلى تمرير نموذج .tflite واستلام قائمة من Detections مع bounding box + الفئة + النتيجة. يدعم Task API النماذج المتوافقة مع COCO (80 فئة).

تحويل نموذج مخصص إلى Task API: يجب أن يكون لنموذج TFLite إدخال [1، height، width، 3] (float32/uint8) وإخراج: detection_boxes[1,N,4]، detection_classes[1,N]، detection_scores[1,N]، num_detections[1]. التصدير من TensorFlow Object Detection API مع تضمين عمليات ما بعد المعالجة (SSD Postprocess). لـ YOLOv8 — تصدير TFLite مع NMS عبر ops-compat. يستخدم Task API على iOS Core ML Delegate للتسريع على ANE.

// TFLite Task Vision Object Detector
val options = ObjectDetectorOptions.Builder()
    .setScoreThreshold(0.5f)
    .setMaxResults(10)
    .setDelegate(Delegate.GPU)
    .build()

val detector = ObjectDetector.createFromFileAndOptions(
    context, "custom_model.tflite", options
)

val image = TensorImage.fromBitmap(bitmap)
val results = detector.detect(image)
results.forEach { detection ->
    onObjectDetected(
        detection.boundingBox,
        detection.categories.first().label,
        detection.categories.first().score
    )
}

أداء Task API: GPU Delegate على Android يعطي تسريع 3–5x مقارنة بـ CPU (XNNPACK). NNAPI Delegate — 1.5–2x إضافية على الأجهزة المزودة بـ NPU (Pixel 8، Snapdragon 8 Gen 3، Dimensity 9300). Hexagon، DSP — حتى 10x على مسرعات DSP. لنظام iOS، Core ML Delegate — 4–6x مقابل CPU. يختار Task API تلقائيًا مسرع الأجهزة المتاح، لكن يمكن فرض مفوض عبر DetectorOptions.

تطبيقات Object Detection في التطبيقات المحمولة

عدد الأشخاص والكائنات — تحليلات التجزئة: اكتشاف الزوار في المتجر، عدد قوائم الانتظار، تحديد مستويات الرفوف. يتيح عداد الأشخاص Object Detection في الإطار تقدير حركة المرور والتحويل. يعطي ML Kit Object Detector حتى 30 إطار/ثانية — كافٍ للعد في الوقت الفعلي. لعبور المناطق — مزيج من Object Detection + تتبع ByteTrack. دقة العد: 92–95% في ظروف الإضاءة الجيدة.

كشف العيوب في التصنيع — يحدد Object Detection العيوب على الحزام الناقل: الخدوش، الرقائق، الشقوق، التجميع غير الصحيح. يعمل نموذج YOLOv8-Nano (INT8) المخصص على جهاز لوحي Android متصل بكاميرا USB. زمن الاستجابة: 20–40 مللي ثانية لكل إطار (25–50 إطار/ثانية). للعيوب المعقدة (الشقوق الدقيقة) — زِد دقة الإدخال إلى 640x640 (زمن استجابة 40–80 مللي ثانية). التدريب: Roboflow — مجموعة بيانات من 200–1000 صورة عيب + Ultralytics YOLOv8.

وضع علامات AR في الوقت الفعلي — يستخدم ARCore (Android) وARKit (iOS) Object Detection للتعرف على الأسطح المستوية والطائرات الرأسية والكائنات ثلاثية الأبعاد. يوفر ML Kit Object Detection + ARCore Scene Semantics تجزئة الكائنات: جدار، أرضية، سقف، أثاث. لوضع علامات AR مخصصة (مثل التعرف على طراز أريكة معين وتراكب معلومات AR) — YOLOv8-Nano + SceneKit/SceneForm. متطلبات الوقت الفعلي: > 20 إطار/ثانية.

// ARKit + Object Detection
let request = VNCoreMLRequest(model: objectDetector) { req, _ in
    guard let results = req.results as? [VNDetectedObjectObservation] else { return }
    for result in results where result.confidence > 0.6 {
        let rect = result.boundingBox
        let worldPos = arView.hitTest(rect.center)
        arView.addAnchor(ARAnchor(name: label, transform: worldPos))
    }
}

التصوير الطبي — Object Detection لتحليل الأشعة السينية والرنين المغناطيسي والأشعة المقطعية. كشف الأورام والكسور والأمراض على جهاز الطبيب المحمول. يكتشف YOLOv8-Nano على جهاز لوحي Android العقد الرئوية في 15–30 مللي ثانية بحساسية 89% ونوعية 93% (بيانات NIH ChestX-ray14). المتطلبات: تكميم INT8 (خصوصية البيانات)، high recall (تفويت علم الأمراض أخطر من الإنذار الكاذب)، عتبة الثقة < 0.4. تضمن المعالجة على الجهاز خصوصية البيانات الطبية.