نظام اكتشاف أقنعة الوجه منخفض زمن الاستجابة باستخدام نموذج YOLOv8 مخصص

قمت بتطوير وتنفيذ نظام رؤية حاسوبية عالي الأداء لاكتشاف ما إذا كان الشخص يرتدي قناع الوجه أم لا. تم تصميم هذا المشروع ليكون حلاً مثالياً للبيئات التي تتطلب مراقبة الامتثال لبروتوكولات السلامة في الوقت الفعلي، مثل المكاتب والمصانع والمداخل الرئيسية.

نوع العمل والميزات الرئيسية:

الهدف: إنشاء نموذج دقيق وسريع يمكن نشره على أجهزة الحافة (Edge Devices) لتحقيق المراقبة الفورية.

التكنولوجيا الأساسية: استخدام بنية YOLOv8 المتقدمة في التعلم العميق (Deep Learning) والرؤية الحاسوبية.

التحسين منخفض زمن الاستجابة (Low-Latency Optimization): تم تطوير النموذج من الصفر باستخدام PyTorch مع التركيز على تحسين الأداء لضمان سرعة معالجة عالية جداً، وهو أمر حاسم في تطبيقات المراقبة المباشرة.

الدقة: حقق النموذج معدلات دقة عالية في التصنيف والاكتشاف، مع التعامل الفعال مع حالات الإضاءة والزوايا المختلفة.

قابلية النشر: تم تصميم الكود ليكون سهل التحويل إلى صيغ النشر (مثل ONNX) للتكامل السلس مع أجهزة الحافة ومعالجات الرسوميات المدمجة.

طريقة التنفيذ:

جمع ومعالجة البيانات: تجميع وتنظيف مجموعة بيانات ضخمة ومُعلَّمة تشمل حالات مختلفة (ارتداء القناع بشكل صحيح، عدم الارتداء، ارتداء غير صحيح).

تصميم وتدريب النموذج: بناء نموذج YOLOv8 مخصص باستخدام مكتبة PyTorch وتدريبه على مجموعة البيانات المعدة.

التحسين والأداء: تطبيق تقنيات تحسين النموذج لتقليل حجمه وزيادة سرعة الاستدلال (Inference Speed).

الاختبار والتقييم: تقييم أداء النموذج باستخدام مقاييس دقيقة (مثل F1-Score و Precision) لضمان تحقيق أعلى مستوى من الموثوقية.