نظام رؤية حاسوبية يكشف السكين والمسدس لحظيًا من كاميرا الحاسوب أو الهاتف بنموذجي YOLOv8 مدربين، ويحدد موقع السلاح بإطار داخل الصورة باستخدام Python وOpenCV.
مشروع تطوير نظام رؤية حاسوبية للكشف الفوري عن الأسلحة مثل السكين والمسدس من بث كاميرا مدمجة في حاسوب محمول أو هاتف، باستخدام خوارزمية كشف الأجسام YOLOv8 من Ultralytics. نفذ المشروع أكاديميًا فريق من الطلاب بمساعدة تقنية من مكتب تكنو إنجاز، ويهدف إلى أداة منخفضة التكلفة لا تحتاج إلى معدات مراقبة متخصصة، يمكن أن تفيد في المدارس والمباني العامة والمحال التجارية.
يعمل النظام بلغة Python مع OpenCV لقراءة الفيديو، ويمرر كل إطار إلى نموذجين مدربين أحدهما للسكاكين (knife_model.pt) والآخر للمسدسات (gun_model.pt)، فيحيط بالسلاح المكتشف بإطار أصفر يحمل الوسم "Target Zone". وقد وثّق المشروع حالات كشف ناجحة للسكين والمسدس في بث مباشر، دون مؤشرات أداء كمية منشورة.
| العنصر | البيانات |
|---|---|
| نوع المشروع | نظام كشف أجسام في الزمن الحقيقي بالذكاء الاصطناعي |
| المجال | الرؤية الحاسوبية، التعلم العميق، الأنظمة الأمنية الذكية |
| حالة المشروع | نموذج أولي (Prototype) جُرّب ببث مباشر من كاميرا الحاسوب |
| دور تكنو إنجاز | دعم ومساعدة تقنية أثناء تطوير المشروع |
| تقنيات أساسية | Python، OpenCV، Ultralytics YOLOv8، Anaconda، Jupyter Notebook، Visual Studio Code |
| المخرجات | تحديد موقع السكين أو المسدس داخل الإطار بإطار "Target Zone" في الزمن الحقيقي |
ينطلق المشروع من تزايد التهديدات المرتبطة بحمل الأسلحة في الأماكن العامة والخاصة، ومن اعتماد كثير من أنظمة المراقبة على متابعة بشرية مستمرة قد تتأخر أو تخطئ. ويقترح استخدام كاميرا موجودة أصلًا في الحاسوب المحمول أو الهاتف مع نموذج كشف أجسام، للحصول على وسيلة مرنة لرصد السلاح لحظة ظهوره أمام الكاميرا دون تجهيزات باهظة أو بنية تحتية معقدة.
نُفذ المشروع أكاديميًا بواسطة فريق من الطلاب، مع مساعدة ودعم تقني من مكتب تكنو إنجاز أثناء مراحل التطوير. ويُعرض ضمن أعمال المكتب مثالًا على دعمه لمشاريع كشف الأجسام بنماذج YOLO ومعالجة بث الكاميرا في الزمن الحقيقي.
| الأداة | الدور في المشروع |
|---|---|
| Python | لغة البرمجة الرئيسية، لتكاملها مع YOLOv8 وOpenCV |
| OpenCV | قراءة الفيديو من الكاميرا ومعالجة الإطارات في الزمن الحقيقي |
| Ultralytics YOLOv8 | نموذج كشف الأجسام، مع إمكانية استخدام نماذج مدربة مسبقًا أو إعادة تدريبها على بيانات جديدة |
| نماذج مخصصة | knife_model.pt لكشف السكاكين وgun_model.pt لكشف المسدسات |
| Anaconda | إدارة بيئة معزولة لمكتبات OpenCV وUltralytics |
| Jupyter Notebook | تجربة الشيفرة خطوة بخطوة وعرض نتائج الكشف |
| Visual Studio Code | كتابة الشيفرة وتنظيم ملفات المشروع |
ويذكر ملخص المشروع أن النموذج دُرّب على مجموعة بيانات تضم أنواعًا مختلفة من الأسلحة في ظروف إضاءة وزوايا متنوعة، دون تحديد حجم هذه المجموعة أو مصدرها أو طريقة تقسيمها.
اختُبر النظام ببث مباشر من كاميرا الحاسوب:
| الحالة | ما وثّقه التقرير |
|---|---|
| كشف سكين | شخص يحمل سكينًا في بث مباشر، كُشف تلقائيًا وحُدد داخل إطار أصفر بوسم "Target Zone" باستخدام knife_model.pt |
| كشف مسدس | كُشف المسدس الذي يحمله الشخص تلقائيًا وأُحيط بإطار أصفر بالوسم نفسه باستخدام gun_model.pt |
يصف التقرير دقة الكشف بأنها "جيدة" أو "مقبولة"، ويشير إلى أن النموذج قد يحتاج إلى مزيد من التدريب لتحسين الدقة في بيئات مختلفة أو إضاءة متغيرة. ولا تتضمن المادة مؤشرات أداء كمية مثل mAP أو Precision أو Recall أو FPS، لذلك لا تُعرض نسب دقة أو أداء رقمية. أما نسب مثل 85% أو 87% أو 93% الواردة في التقرير فتعود إلى دراسات سابقة منشورة، وليست نتائج هذا النظام.
بحسب الآفاق الواردة في المشروع:
ولفهم الفرق بين كشف الأجسام وتصنيف الصورة كاملة، اقرأ مقالنا كيف يعمل تصنيف الصور بالذكاء الاصطناعي؟ من CNN إلى Vision Transformers.
إذا كنت تعمل على نظام كشف يعتمد على نماذج YOLO والتعلم العميق وتحتاج إلى مساعدة تقنية في تطوير الفكرة أو بناء نموذج أولي، يمكن التواصل مع مكتب تكنو إنجاز لمناقشة متطلبات المشروع ونطاق الدعم المناسب.
يهدف المشروع إلى تطوير نموذج رؤية حاسوبية يكتشف الأسلحة مثل السكين والمسدس من بث كاميرا الحاسوب المحمول أو الهاتف في الزمن الحقيقي، ويعرض موقع السلاح داخل الإطار. وهو حل منخفض التكلفة لا يحتاج إلى معدات خاصة، نُفذ أكاديميًا بمساعدة ودعم تقني من مكتب تكنو إنجاز.
يعتمد النظام على Python مع OpenCV لقراءة بث الكاميرا ومعالجة الإطارات، وعلى Ultralytics YOLOv8 لكشف الأجسام عبر نموذجين مخصصين: knife_model.pt للسكاكين وgun_model.pt للمسدسات. واستُخدمت Anaconda وJupyter Notebook وVisual Studio Code بيئاتٍ للتطوير.
يهيئ البرنامج الكاميرا ويحمّل نموذج YOLO، ثم يدخل حلقة تلتقط الإطار الحالي وتمرره إلى النموذج لتحديد نوع الجسم وموضعه، وتعرض النتيجة فورًا بإطار أصفر يحمل الوسم Target Zone. وتستمر الحلقة حتى يضغط المستخدم المفتاح q.
لا، فالتقرير يوثق حالات كشف ناجحة للسكين والمسدس في بث مباشر ويصف الدقة بأنها جيدة أو مقبولة، دون مؤشرات كمية مثل mAP أو Precision أو Recall أو FPS ودون حجم مجموعة التدريب. أما نسب مثل 87% أو 93% الواردة فيه فتعود إلى دراسات سابقة وليست نتائج هذا النظام.
يقتصر الكشف الموثق على السكين والمسدس بنموذجين منفصلين، وجُرّب بكاميرا حاسوب واحدة في بيئة اختبار، ويتأثر بالإضاءة وزوايا ظهور الأجسام. ولم يوثق التقرير تنفيذ إنذار أو إرسال تنبيه خارجي أو تخزين سجلات، وهي ضمن التطويرات المقترحة مع ربطه بكاميرات مراقبة.
تواصل مع فريق تكنو إنجاز لمناقشة قابلية التنفيذ العملي، اختيار القطع، وتطوير النموذج الأولي.
نماذج تطبيقية ومنظومات برمجية وهندسية منجزة بدعم المكتب
نظام تعليمي للأطفال يتعرف عبر الكاميرا على الحيوانات بـ YOLO11 والألوان بـ HSV والأرقام بـ OCR، ويعرض النتيجة وينطقها بصوت عربي مسجل.
نظام تعليمي تفاعلي للأطفال يتعرف على الأشياء عبر الكاميرا بخوارزمية YOLOv8 وينطق أسماءها، ويحدد الألوان بنموذج HSV، ويتعرف على محتوى الصور المحمّلة.
نظام أمني لمحال الذهب يكشف الأسلحة بـYOLO والعنف بشبكة RNN والاختلاس بـMediaPipe، مع حساسي حركة ولهب على NodeMCU وتنبيهات فورية عبر Telegram.
