شاهد كيف يمكن استخدام Ultralytics YOLO11 في أنظمة التعرف التلقائي على لوحات الأرقام (ANPR) للكشف في الوقت الحقيقي والمساعدة في إدارة حركة المرور ومواقف السيارات.
.png)
مع ازدياد اعتماد الذكاء الاصطناعي، أصبحت الابتكارات التي تعتمد على التعرُّف التلقائي على لوحات الأرقام (ANPR) أكثر شيوعاً. تستخدم أنظمة التعرُّف التلقائي على لوحات أرقام السيارات الرؤية الحاسوبية لقراءة لوحات أرقام السيارات تلقائياً وتحديدها وتتبُّعها. وقد أتاحت التطورات الأخيرة في مجال الذكاء الاصطناعي إمكانية دمج هذه الأنظمة بسرعة في حياتنا اليومية. في الواقع، ربما تكون قد شاهدت أنظمة ANPR في أكشاك دفع رسوم المرور أو أثناء عمليات التفتيش التي تجريها الشرطة للمركبات المسرعة.
تتزايد أهمية نظام التعرُّف على لوحات الأرقام بشكل متزايد، ومن المتوقع أن تصل قيمة سوق نظام التعرُّف على لوحات الأرقام في العالم إلى 4.8 مليار دولار بحلول عام 2027. أحد عوامل هذا النمو هو المزايا التي يوفرها نظام التعرُّف على لوحات الأرقام في تطبيقات مثل إدارة حركة المرور والأمن.
للحصول على أفضل النتائج من تطبيقات ANPR، من المهم فهم تقنيات الذكاء الاصطناعي الكامنة وراء هذه الحلول. على سبيل المثال، يُعد اكتشاف الأجسام، وهي مهمة رؤية حاسوبية، أمرًا ضروريًا للتعرف على المركبات وتتبعها بدقة، وهنا يأتي دور نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11. في هذه المقالة، سوف نلقي نظرة على كيفية عمل نظام التعرف على الأجسام في نظام ANPR وكيف يمكن لنظام YOLO11، على وجه الخصوص، تحسين حلول ANPR.
.png)
يتضمن التعرّف التلقائي على لوحات الأرقام بعض الخطوات المهمة للتعرّف على لوحات أرقام السيارات بسرعة ودقة. دعنا نفصل كيفية عمل هذه الخطوات معاً لجعل العملية فعالة:
.png)
قد تواجه أنظمة ANPR في كثير من الأحيان تحديات مثل الإضاءة الضعيفة وتصميمات اللوحات المختلفة والظروف البيئية الصعبة. يمكن أن يساعد YOLO11 في معالجة هذه المخاوف من خلال تعزيز دقة الاكتشاف وسرعته، حتى عندما تكون الظروف صعبة. مع نماذج مثل YOLO11، يمكن أن يعمل نظام التعرف على اللوحات بشكل أكثر موثوقية، مما يسهّل التعرف على اللوحات في الوقت الفعلي، سواء كان ذلك في النهار أو الليل، أو في الطقس السيئ. في القسم التالي، سنلقي نظرة فاحصة على كيفية استخدام YOLO11 لتحقيق هذه التحسينات.
Ultralytics تم عرض YOLO11 لأول مرة في الحدث الهجين السنوي Ultralytics، YOLO Vision 2024 (YV24). وباعتباره نموذجًا للكشف عن الكائنات يدعم تطبيقات الوقت الحقيقي، يُعد YOLO11 خيارًا رائعًا لتحسين الابتكارات مثل أنظمة ANPR. YOLO11 مناسب أيضًا لتطبيقات الذكاء الاصطناعي المتطورة . وهذا يسمح لحلول ANPR المدمجة مع YOLO11 بالعمل بفعالية، حتى عندما يكون اتصال الشبكة غير موثوق به. ونتيجة لذلك، يمكن أن تعمل أنظمة ANPR بسلاسة في المواقع البعيدة أو المناطق ذات الاتصال المحدود.
يحقق YOLO11 أيضًا تحسينات في الكفاءة مقارنةً بسابقاته. على سبيل المثال، يحقق YOLO11m متوسط دقة أعلى على مجموعة بيانات COCO بمعلمات أقل بنسبة 22% مقارنةً ب YOLOv8m. وبفضل YOLO11، يمكن لأنظمة التعرف على لوحات السيارات (ANPR) التعامل مع تحديات مختلفة مثل ظروف الإضاءة المتغيرة والتصاميم المتنوعة للوحات السيارات والمركبات المتحركة بشكل أفضل، مما يؤدي إلى التعرف على لوحات السيارات بشكل أكثر موثوقية وفعالية.
إذا كنتَ تتساءل كيف يمكنك استخدام YOLO11 في مشروعك الخاص برصد الأجسام، فالأمر بسيط للغاية. لقد تم تدريب نماذج YOLO11 المختلفة التي تدعم اكتشاف الأجسام على مجموعة بيانات COCO. يمكن لهذه النماذج اكتشاف 80 نوعًا مختلفًا من الأجسام، مثل السيارات، والدراجات، والحيوانات. على الرغم من أن لوحات الترخيص ليست جزءًا من التسميات المدربة مسبقًا، يمكن للمستخدمين بسهولة تدريب YOLO11 المخصص لاكتشاف لوحات الترخيص باستخدام حزمةUltralytics Python أو منصة Ultralytics HUB بدون رمز. يتمتع المستخدمون بالمرونة في إنشاء أو استخدام مجموعة بيانات مخصصة للوحات الترخيص لجعل نموذج YOLO11 المدرب حسب الطلب مثاليًا لـ ANPR.
بعد ذلك، سنلقي نظرة على التطبيقات المختلفة التي يمكن فيها استخدام رادار الاستجابة السريعة ANPR و YOLO11 معًا لتحسين الكفاءة والدقة.
في المدن الصاخبة التي تعج بالسيارات في التقاطعات والطرق السريعة، يتعين على ضباط المرور إدارة الازدحام ومراقبة المخالفات المرورية وضمان السلامة العامة. يمكن لنظام ANPR، عند دمجه مع YOLO11، أن يُحدث فرقاً كبيراً في هذه الجهود. فمن خلال التعرّف على لوحات المركبات على الفور، يمكن للسلطات مراقبة تدفق حركة المرور وإنفاذ قوانين المرور وتحديد المركبات المتورطة في المخالفات بسرعة. على سبيل المثال، يمكن بسهولة الإبلاغ عن المركبات المسرعة.
بشكل عام، يمكن لنظام ANPR مع YOLO11 أتمتة المهام التي قد تتطلب جهداً يدوياً. يمكنه اكتشاف المركبات التي تتجاوز الإشارة الحمراء وإدارة عمليات أكشاك تحصيل الرسوم. إن أتمتة هذه المهام لا يجعل النظام أكثر كفاءة فحسب، بل يقلل أيضاً من عبء العمل على ضباط المرور، مما يتيح لهم التركيز على مسؤوليات أكثر أهمية.
في مجال إنفاذ القانون، يمكن لـ YOLO11 ونظام تحديد هوية المركبات المسروقة وتحديد تلك التي تم الإبلاغ عنها بسبب الأنشطة المشبوهة. يضمن اكتشاف YOLO11 في الوقت الحقيقي التعرف على المركبات بسرعة وموثوقية، حتى عندما تتحرك بسرعة. تساعد هذه الإمكانية على تحسين السلامة العامة من خلال تمكين أوقات استجابة أسرع وإنفاذ القانون بشكل أكثر فعالية.
من التطبيقات المثيرة الأخرى لنظام ANPR مع YOLO11 في أنظمة إدارة مواقف السيارات. على سبيل المثال، فهي تتيح مواقف السيارات حيث يمكن للسيارات الدخول والوقوف والمغادرة دون أن يحتاج السائق إلى التفاعل مع ماكينة التذاكر أو عامل المواقف. يمكن أن تساعد أنظمة ANPR لوقوف السيارات التي تستخدم YOLO11 في عمليات الدخول والخروج والدفع بسلاسة.
عندما تقترب سيارة من بوابة الدخول، يتعرّف نظام التعرف على لوحة السيارة على الفور. ثم يقوم النظام بعد ذلك بمضاهاة اللوحة بقاعدة بيانات مسجلة مسبقاً أو إنشاء إدخال جديد. تُفتح البوابة تلقائياً، مما يسمح للسيارة بالدخول دون أي خطوات يدوية. تخلق العملية السريعة تجربة أكثر ملاءمة للسائقين.
وبالمثل، عندما تغادر السيارة، يكتشف النظام لوحة السيارة مرة أخرى باستخدام YOLO11. يقوم بحساب وقت وقوف السيارة ويمكنه معالجة الدفع تلقائياً إذا كانت السيارة مسجلة بطريقة دفع. يُلغي التشغيل الآلي الحاجة إلى ماكينات الدفع الفعلية ويساعد في تقليل الازدحام عند المخارج، خاصةً في أوقات الازدحام.
إن قدرة YOLO11 على اكتشاف لوحات السيارات بدقة وفي الوقت الفعلي هي المفتاح لجعل أنظمة إدارة مواقف السيارات هذه تعمل بسلاسة. إلى جانب جعل مواقف السيارات أكثر ملاءمة، فهي تساعد المشغلين على إدارة منشآتهم بشكل أفضل من خلال تقليل العمل اليدوي وتحسين تدفق حركة المرور.
تُعد أنظمة ANPR المدمجة مع YOLO11 خيارًا رائعًا لإدارة الوصول إلى المناطق الآمنة مثل المجمعات السكنية المسوَّرة ومجمعات الشركات والمرافق المحظورة. وباستخدام نظام ANPR، يمكن لهذه المواقع أتمتة أمنها، والتأكد من أن المركبات المصرح لها فقط هي المسموح لها بالدخول.
إنه مشابه لنظام إدارة مواقف السيارات الذي ناقشناه سابقاً. والفرق الرئيسي هو أن النظام يتحقق من لوحة السيارة مقابل قائمة المركبات المصرح بها. إذا تمت الموافقة على السيارة، يتم فتح البوابة تلقائياً، مما يوفر وصولاً سلساً للمقيمين أو الموظفين أو الزوار مع الحفاظ على الأمن. تقلل هذه العملية من الحاجة إلى الفحص اليدوي، مما يسمح لموظفي الأمن بالتركيز على مهام أكثر أهمية.
والآن بعد أن استعرضنا بعض تطبيقات أنظمة ANPR المدمجة مع YOLO11، دعنا نفكر في هذه التطبيقات بطريقة أكثر ترابطاً.
وبعيدًا عن كونها تطبيقات فردية، فإن مزاياها تتألق حقًا عندما يُنظر إليها كحل واحد متماسك في البنية التحتية الحضرية للمدن الذكية. مع تطور المدن لتصبح أكثر ذكاءً، تلعب أنظمة ANPR دوراً متزايد الأهمية في البنية التحتية الحضرية.
على سبيل المثال، ضع في اعتبارك مدينة ذكية تُستخدم فيها تقنية ANPR لإدارة حركة المرور، ومنح الوصول الآمن، وتنظيم وقوف السيارات في آنٍ واحد. يمكن الكشف عن السيارة عند دخولها المدينة، وتتبعها في جميع أنحاء المدينة، ومنحها حق الوصول إلى المناطق المحظورة، والسماح لها بالوقوف دون أي تدخل يدوي.
من خلال دمج نماذج الرؤية الحاسوبية مثل YOLO11، يمكن أن تساعد أنظمة ANPR في إدارة حركة المرور بكفاءة أكبر وتعزيز الأمن وتحسين السلامة العامة. تتيح هذه الأنظمة إمكانية المراقبة في الوقت الفعلي، والعمليات الآلية، واتخاذ القرارات المستندة إلى البيانات، وهي ضرورية لإدارة التعقيدات المتزايدة للمدن الحديثة.
أصبحت أنظمة رادار الراصد الضوئي النشط (ANPR) ضرورية للبنية التحتية الحضرية الحديثة، ودمج نماذج الرؤية الحاسوبية مثل YOLO11 يجعلها أكثر فائدة. يعمل YOLO11 على تحسين نظام تحديد الهوية باستخدام الرادار الراداري الوطني المجاني بدقة أفضل ومعالجة في الوقت الحقيقي وقابلية للتكيف، مما يجعله مثاليًا لتطبيقات المدن الذكية. بدءًا من تحسين إدارة حركة المرور وإنفاذ القانون إلى أتمتة مواقف السيارات والوصول الآمن، فإن أنظمة ANPR التي تعمل بنظام YOLO11 توفر الكفاءة والموثوقية. ومع تحول المدن إلى مدن أكثر ذكاءً، من المرجح أن تلعب هذه الحلول دوراً حاسماً في تحويل الحياة الحضرية ودعم مستقبل البنية التحتية الذكية.
لمعرفة المزيد عن الذكاء الاصطناعي، تفضل بزيارة مستودع GitHub الخاص بنا وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في التصنيع والزراعة على صفحات الحلول الخاصة بنا. 🚀
