ماشین‌ها هم می‌بینند؛ ما یادشان می‌دهیم چه ببینند.
از دوربین پلاک‌خوان پارکینگ تا کنترل کیفیت خط تولید و خواندن خودکار اسناد. مدل‌های پردازش تصویر را روی دادهٔ واقعی شما آموزش می‌دهیم، روی دوربین یا سرور مستقر می‌کنیم و به سامانه‌هایتان وصل می‌کنیم.
در حال خواندن…
conf --% · 38 ms
یک تصویر برای ماشین چه شکلی است؟
روی خانه‌ها حرکت کنید و جای «آنچه ما می‌بینیم» و «آنچه ماشین می‌بیند» را عوض کنید.
برای کامپیوتر، تصویر چیزی جز یک جدول بزرگ از عدد نیست. هر خانه یک پیکسل است و در تصویر رنگی سه عدد دارد: میزان قرمز، سبز و آبی (RGB)، هر کدام بین ۰ تا ۲۵۵. یک عکس معمولی ۱۹۲۰×۱۰۸۰ یعنی بیش از شش میلیون عدد. کار بینایی ماشین این است که از دل این عددها الگو پیدا کند: لبه، شکل، شیء و در نهایت معنا.
از دوربین تا بازشدن راهبند، در شش قدم
روی هر مرحله بزنید تا ببینید چه اتفاقی می‌افتد و با چه ابزاری.
3. تشخیص شیء
شبکهٔ عصبی (مثل خانوادهٔ YOLO) جای خودرو و پلاک را با کادر و درصد اطمینان پیدا می‌کند. کادرهای تکراری با NMS حذف می‌شوند.
پلاک‌خوان را در روز، شب و باران ببینید
سخت‌ترین بخش پلاک‌خوان، شرایط واقعی است: نور کم، چراغ روشن خودرو، باران و زاویهٔ کج. همین‌ها فرق یک دموی ساده با سامانهٔ قابل اتکا را می‌سازند.
در حال خواندن…
conf --% · 38 ms
شرایط را عوض کنید:
نور کافی؛ ساده‌ترین حالت. دقت بالا و زمان پردازش کم.
- کادر سبز: تشخیص خودرو با درصد اطمینان.
- کادر نارنجی: محل پلاک.
- خط زرد: خواندن نویسه‌ها (OCR).
- ms و fps: زمان پردازش هر فریم و تعداد فریم در ثانیه.
این یک شبیه‌سازی آموزشی است؛ عددها نمونه‌اند و پلاک‌ها ساختگی. دقت واقعی به دوربین، زاویه، نور و دادهٔ آموزش بستگی دارد و در پروژهٔ شما اندازه‌گیری و گزارش می‌شود.
شش نوع مسئله در بینایی ماشین
هر مسئله مدل و دادهٔ خودش را می‌خواهد. اول مسئله را دقیق تعریف می‌کنیم، بعد مدل را انتخاب می‌کنیم.
Object Detection
تشخیص شیء
پیدا کردن و کادر کشیدن دور خودرو، پلاک، آدم، کالا یا هر شیء دیگر در تصویر.
YOLO · RT-DETRClassification
طبقه‌بندی تصویر
یک برچسب برای کل تصویر: سالم یا معیوب، نوع محصول، دستهٔ سند.
CNN · ViTSegmentation
قطعه‌بندی
مرز دقیق هر شیء در سطح پیکسل؛ برای اندازه‌گیری، کنترل کیفیت و تصاویر هوایی.
U-Net · SAMOCR
نویسه‌خوانی فارسی
خواندن پلاک، کارت ملی، فاکتور و فرم؛ با پشتیبانی از ارقام و حروف فارسی.
CRNN · Transformer OCRTracking
شمارش و ردیابی
دنبال کردن هر شیء بین فریم‌ها؛ شمارش ورود و خروج، مسیر حرکت و زمان توقف.
ByteTrack · DeepSORTAnomaly Detection
تشخیص ناهنجاری
پیدا کردن عیب‌هایی که قبلاً دیده نشده‌اند؛ مناسب خط تولید با دادهٔ معیوب کم.
PatchCore · Autoencoder«دقت ۹۹٪» یعنی چه؟
دقت یک عدد تنها نیست. با این اسلایدر ببینید چرا همیشه بین «اشتباه ندیدن» و «جا نینداختن» یک بده‌بستان وجود دارد.
آستانه را بالا ببرید: مدل فقط وقتی مطمئن است جواب می‌دهد؛ خطای «اشتباه دیدن» کم می‌شود ولی بعضی پلاک‌ها جا می‌مانند. پایین بیاورید: چیزی جا نمی‌ماند ولی هشدار اشتباه زیاد می‌شود. انتخاب آستانه یک تصمیم کسب‌وکاری است، نه فقط فنی.
Precision
دقت
۸۶٪
از هر ۱۰۰ تشخیص، چندتا درست است؟
Recall
بازیابی
۷۲٪
از هر ۱۰۰ پلاک واقعی، چندتا پیدا شد؟
F1
تعادل
۷۸٪
میانگین هماهنگ دقت و بازیابی.
کجا به کار می‌آید؟
مدل کجا اجرا شود؟
انتخاب سخت‌افزار به تعداد دوربین، سرعت لازم و حساسیت داده بستگی دارد.
روی دوربین و لبه (Edge)
پردازش کنار دوربین با Jetson یا مینی‌کامپیوتر؛ بدون ارسال تصویر به بیرون، تأخیر کم.
Jetson · TensorRT · ONNX
سرور GPU
پردازش هم‌زمان ده‌ها دوربین در یک سرور مرکزی؛ مناسب پارکینگ و مجتمع‌های بزرگ.
CUDA · Triton · Docker
فقط CPU
برای حجم کم یا پردازش عکس (نه ویدیو)؛ ارزان‌ترین شروع با مدل‌های سبک.
OpenVINO · ONNX Runtime
بینایی ماشین مسئولانه
تصویر، دادهٔ حساس است. ترجیح ما پردازش کنار دوربین، نگه‌داشتن نتیجه به‌جای تصویر خام، رمزنگاری و سطح دسترسی دقیق است. پروژه‌های تشخیص چهره را فقط با مبنای قانونی روشن و رضایت آگاهانه انجام می‌دهیم.
دربارهٔ پروژه‌های پردازش تصویر
برای مسئله‌های رایج مثل پلاک، مدل‌های پایه آماده‌اند و با چند صد تصویر از دوربین خودتان تنظیم می‌شوند. برای مسئله‌های خاص، معمولاً از چند هزار تصویر برچسب‌خورده شروع می‌کنیم.
دوربین دارید؛ بیایید هوشمندش کنیم.
یک نمونه‌فیلم از دوربینتان بفرستید؛ امکان‌سنجی رایگان است.