🎯 كشف الكائنات - اكتشاف الكائنات في سكراتش #
تضيف إضافة كشف الكائنات إلى سكراتش إمكانية حقيقية للتعرّف على الكائنات باستخدام الذكاء الاصطناعي.
تتيح لمشروعك التعرّف على عدة كائنات من البث المباشر للكاميرا أو منصة سكراتش، وعدّها، وقراءة مواضعها وأحجامها، والاستجابة عند ظهورها.
وبما أن النماذج مدرَّبة مسبقًا، يمكن للطلاب البدء فورًا في تجربة الرؤية الحاسوبية، من دون الحاجة إلى تدريب نموذج أو إجراء إعدادات خارجية.
إنها بسيطة بما يكفي للمبتدئين، وقوية بما يكفي لمشاريع الذكاء الاصطناعي وSTEM الصفية والألعاب التفاعلية. 🤖

🌟 ملخص #
- اكتشاف عدة كائنات: تعرّف على عدة كائنات مدعومة في الصورة نفسها أو إطار الكاميرا نفسه.
- عدّ ما يراه الذكاء الاصطناعي: اعرض العدد الإجمالي لنتائج الكشف أو عدد كائن محدد فقط.
- تتبّع الموضع والحجم: احصل على إحداثيي مركز X وY وعرض الكائنات المكتشفة وارتفاعها بوحدات منصة سكراتش.
- تصفية ما يهمك: اكتشف كل ما يتعرّف عليه النموذج، أو أنشئ قائمتك الخاصة بأسماء الكائنات للتركيز عليها.
- حفظ نتائج الكشف وترتيبها: احفظ لقطة من نتائج الكشف المحددة ورتّبها حسب درجة الثقة أو الموضع أو الحجم.
- تشغيل الأحداث: استخدم لبنات القبعة للاستجابة عند ظهور كائن أو تغيّر عدد نتائج الكشف.
- اختيار النموذج المناسب: بدّل بين خيارات الكشف السريع والمتوازن والواسع وفقًا لجهازك وتفاصيل الصورة وتنوع الكائنات التي تحتاج إليها.
- اختيار مصدر الإدخال: اكتشف الكائنات من البث المباشر للكاميرا أو مباشرةً من صورة منصة سكراتش.
✨ الميزات الرئيسية #
- كشف الكائنات باستخدام نموذج مدرَّب مسبقًا ومن دون الحاجة إلى أوامر نصية؛ لا توجد أي خطوة تدريب.
- اكتشف عدة كائنات في صورة واحدة وتعامل مع كل كائن مكتشف على حدة.
- اقرأ أسماء الكائنات وأعدادها ودرجة الثقة في اكتشافها ومواضعها وعرضها وارتفاعها.
- عند إنشاء مشاريع أكثر تقدمًا، اختر بين نتائج الكشف المباشر الحالية ولقطة محفوظة.
- أنشئ قائمة كشف مخصصة لتجاهل الكائنات غير المهمة لمشروعك.
- احفظ نتائج الكشف ورتّبها من اليسار إلى اليمين، أو من الأعلى إلى الأسفل، أو من الأكبر إلى الأصغر، أو من أعلى درجة ثقة إلى أدناها؛ ويمكنك أيضًا عكس أي ترتيب منها.
- تسهّل لبنات القبعة إنشاء ألعاب تتحكم فيها الكائنات ومشاهد تفاعلية.
- تساعد فترات الكشف القابلة للتعديل على تحقيق التوازن بين السرعة وأداء الجهاز.
- تعمل بالكامل داخل المتصفح - فهي آمنة وتحافظ على الخصوصية..
🚀 كيفية الاستخدام #
- انتقل إلى: pishi.ai/play
- افتح قسم الإضافات.
- اختر إضافة «كشف الكائنات».
- اسمح بالوصول إلى الكاميرا عند مطالبتك بذلك، وتأكد من ظهور المعاينة.
- إذا أردت، يمكنك استخدام منصة سكراتش كمصدر إدخال لاكتشاف الكائنات في صورة المنصة، بما في ذلك أي فيديو للكاميرا معروض عليها. للحصول على أفضل أداء في الوقت الفعلي، استخدم إدخال الكاميرا؛ لأن معالجة المنصة قد تكون أبطأ.
- تبدأ الإضافة باستخدام نموذج الكشف «السريع». ويمكنك التبديل في أي وقت بين النماذج «السريع» و«المتوازن» و«الواسع» لتغيير التوازن بين السرعة والتفاصيل وتغطية الكائنات.
- جرّب لبنة المراسل «قائمة اكتشافات [الحالية]» للاطلاع على أسماء الكائنات التي يتعرّف عليها الذكاء الاصطناعي.
- بعد ذلك، استخدم لبنات العد والموضع ونتائج الكشف المحفوظة والتصفية والأحداث لبناء مشروعك.
نصائح
- استخدم إضاءة واضحة وأبقِ الكائن كبيرًا بما يكفي ليظهر بسهولة داخل الإطار.
- ابدأ بكائن واحد مدعوم قبل إنشاء مشروع يعتمد على عدة كائنات.
- عند كتابة اسم كائن في لبنة أخرى، استخدم تسمية الكائن نفسها تمامًا كما تعرضها لبنة المراسل «قائمة اكتشافات [SOURCE]».
- مفردات الكائنات وتسميات الكشف باللغة الإنجليزية؛ لذا استخدم التسميات الإنجليزية عند إدخال أسماء الكائنات.
- تعني «الحالية» أحدث نتائج الكشف المباشر. وتعني «المحفوظة» لقطة أنشأتها باستخدام لبنة الحفظ والترتيب.
- إذا ظهر أكثر من كائن من النوع نفسه، فاستخدم #1 و#2 و#3 وهكذا للتعامل مع كل نتيجة كشف على حدة.
- إذا كان الكشف بطيئًا على جهازك، فجرّب النموذج «السريع» أو زِد الفاصل الزمني للتصنيف.
🧱 الكتل والوظائف #
📊 قوائم الكشف والمصادر والأعداد #
فهم SOURCE:
- current —أحدث نتائج الكشف المباشر من الكاميرا أو Stage
- saved —لقطة محفوظة بواسطة هذه اللبنة:
احفظ [OBJECT|text] من اكتشافات [SOURCE] ورتبها حسب [ORDER_TYPE]
يكون استخدام لقطة محفوظة مفيدًا عندما تريد أن يظل ترتيب الكائنات ومواضعها ثابتًا أثناء عمل مشروعك عليها.
السلوك المشترك: تعيد لبنات المراسل التي تعرض اسمًا أو قائمة أو درجة ثقة أو موضعًا أو حجمًا قيمة فارغة عندما لا توجد نتيجة كشف مطابقة، أو لا تتوفر لقطة محفوظة، أو لا يوجد رقم العنصر المطلوب. تعيد لبنات العد القيمة 0، بينما تعيد اللبنات المنطقية القيمة false.
تعرض تسميات الكائنات الموجودة في مصدر الكشف المحدد كنص مفصول بفواصل.
اختر current لمعرفة ما يتعرّف عليه الذكاء الاصطناعي الآن، أو saved لقراءة اللقطة المحفوظة.
تُعد هذه من أفضل اللبنات لمعرفة أسماء الكائنات الدقيقة التي يستخدمها النموذج المحدد في نتائج الكشف.
تعرض العدد الإجمالي للكائنات في المصدر المحدد.
على سبيل المثال، يمكنها عد جميع نتائج الكشف المباشر في current أو إخبارك بعدد الكائنات المخزنة في نتائج saved.
تعرض القيمة الخاصة all، التي تمثل جميع الكائنات المكتشفة بغض النظر عن تسمياتها.
عندما تريد أن تعمل لبنة ما مع كل الكائنات المكتشفة بدلًا من تسمية واحدة محددة، ضعها في مدخل اللبنة الذي يطلب اسم كائن (OBJECT).
يمكنك أيضًا كتابة all باللغة الإنجليزية مباشرةً في مدخل اسم الكائن بدلًا من استخدام لبنة المراسل هذه.
تأخذ نتائج الكشف المطابقة من المصدر المحدد، وترتّبها، ثم تخزّن النتيجة لتصبح لقطة saved الجديدة.
تكون هذه اللبنة مفيدة خصوصًا عندما تحتاج إلى ترتيب ثابت ومتوقع، مثل وضع الكائن الأيسر أولًا، أو الأكبر أولًا، أو صاحب أعلى درجة ثقة أولًا.
افتراضيًا، تكون قائمة نتائج current مرتبة بالفعل من أعلى درجة ثقة إلى أدناها.
OBJECT: أدخل تسمية كائن مثل person، أو نصًا مفصولًا بفواصل مثل person, car، أو استخدم all.
- all: يحتفظ بجميع نتائج الكشف ويحفظها بالترتيب المحدد. إذا اخترت confidence high to low، فإن نتائج current تكون بالفعل بهذا الترتيب، لذلك تحفظها اللبنة ببساطة كلقطة.
- اسم كائن مثل person: يصفّي نتائج الكشف لتشمل هذا الكائن فقط، ثم يرتّب النتائج المطابقة.
- عدة أسماء كائنات مثل person, car: يصفّي نتائج الكشف لتشمل هذا الكائن فقط، ثم يرتّب النتائج المطابقة.
SOURCE: اختر current أو saved.
- current: يستخدم أحدث نتائج الكشف المباشر.
- saved: يستخدم اللقطة المحفوظة الحالية، مما يتيح لك إعادة ترتيبها أو تصفيتها أكثر.
ORDER_TYPE: يمكن أن يكون نوع الترتيب:
- confidence high to low أو confidence low to high
- left to right أو right to left
- top to bottom أو bottom to top
- large to small أو small to large
بعد الحفظ، اختر saved من قائمة SOURCE في اللبنات الأخرى لقراءة اللقطة.
تظل نتائج saved دون تغيير حتى تقوم بالحفظ مرة أخرى، ويؤدي تبديل نموذج الكشف إلى مسح اللقطة المحفوظة.
تعرض تسمية إحدى نتائج الكشف وفقًا لموضعها في المصدر المحدد.
INDEX: استخدم 1 للعنصر الأول، و2 للثاني، وهكذا.
إذا لم يكن العنصر موجودًا، تعيد اللبنة قيمة فارغة.
في نتائج saved، يتبع العنصر 1 والعنصر 2 وما بعدهما الترتيب الذي تم اختياره عند حفظ نتائج الكشف.
تعرض عدد نتائج الكشف في المصدر المحدد التي تطابق اسم كائن معين.
OBJECT: أدخل تسمية كائن مطابقة تمامًا، أو نصًا مفصولًا بفواصل، أو استخدم all لعد كل الكائنات في المصدر.
عند إدخال عدة أسماء، تعيد اللبنة العدد الإجمالي لنتائج الكشف المطابقة لها. فعلى سبيل المثال، يحسب person, car كل الأشخاص والسيارات المكتشفة.
استخدم هذه اللبنة في ألعاب العد، أو التجارب الصفية، أو منطق مثل “تابع عندما يظهر شخصان”.
📍 الموضع والحجم ودرجة الثقة في الكشف #
تعرض confidence (درجة الثقة) لنتيجة الكشف المحددة على مقياس من 0 إلى 1.
على سبيل المثال، تعني القيمة 0.87 أن النموذج أعطى نتيجة الكشف درجة ثقة تقارب 87%.
OBJECT: أدخل تسمية كائن مطابقة تمامًا، أو استخدم all لاختيار عناصر من المصدر كله.
INDEX: يحدد العنصر الأول أو الثاني أو الثالث وهكذا من النتائج المطابقة.
SOURCE: اختر current أو saved.
تعرض موضع X لمركز detection box (مربع الكشف) المحدد، بعد تحويله إلى إحداثيات Stage في Scratch.
استخدمه لتحريك sprite (الكائن) إلى اليسار أو اليمين باستخدام كائن حقيقي.
ملاحظة: ملاحظة: مربع الكشف هو المنطقة المستطيلة المحيطة بالكائن المكتشف والتي توضّح مكان وجوده في الصورة.
تعرض موضع Y لمركز مربع الكشف المحدد بعد تحويله إلى إحداثيات Stage في Scratch.
استخدمها للتتبّع الرأسي، أو التصويب، أو الألعاب التي تتحكم فيها الكائنات.
تعرض عرض مربع الكشف المحدد بوحدات Stage في Scratch.
تعني القيمة الأكبر أن الكائن المكتشف يشغل مساحة أفقية أكبر في الصورة.
تعرض ارتفاع مربع الكشف المحدد بوحدات Stage في Scratch.
تعيد true عندما يحتوي المصدر المحدد على نتيجة كشف واحدة على الأقل، وfalse عندما يكون فارغًا.
مع current، تتحقق من المشهد المباشر. ومع saved، تتحقق من اللقطة المخزنة.
تتحقق مما إذا كان كائن معين ورقم عنصر معين موجودين في المصدر المحدد.
على سبيل المثال، تكون person #2 صحيحة فقط عندما توجد نتيجة كشف ثانية مطابقة لـ person.
يمكنك أيضًا استخدام all كقيمة للكائن للتحقق مما إذا كان رقم عنصر معين موجودًا في المصدر كله.
🎯 أوضاع الكشف والقوائم المخصصة #
تتحكم في الكائنات المكتشفة التي تُضمَّن في النتائج التي تستخدمها اللبنات الأخرى وأحداث الكشف في الإضافة.
MODE:
- all detections —يحتفظ بكل كائن يتعرّف عليه النموذج المحدد.
- قائمة الكشف الخاصة بي —يحتفظ فقط بأسماء الكائنات التي أضفتها إلى قائمة الكشف المخصصة.
هام: تكون my detection list فارغة عند بدء تشغيل الإضافة. يمكنك التبديل إلى هذا الوضع في أي وقت، ولكن لن يتم عرض أي نتائج كشف حتى تحتوي القائمة على اسم كائن واحد على الأقل.
تعرض قائمة الكائنات المخصصة كنص مفصول بفواصل.
يمكن للقائمة أيضًا الاحتفاظ بسجل لأسماء الكائنات المكتشفة حديثًا من دون تكرار. على سبيل المثال، عند تغيّر عدد نتائج الكشف، يمكنك إضافة قائمة نتائج current إلى my detection list.
إذا أضفت اسمًا موجودًا بالفعل في القائمة، فلن تتم إضافته مرة أخرى، حتى لو اختلف استخدام الأحرف الكبيرة والصغيرة.
تعرض اسم الكائن الموجود في الموضع المحدد داخل قائمة الكشف المخصصة.
INDEX: استخدم 1 للعنصر الأول، و2 للثاني، وهكذا.
إذا لم يكن العنصر موجودًا، تعيد اللبنة قيمة فارغة.
تعرض عدد أسماء الكائنات الفريدة الموجودة في قائمة الكشف المخصصة.
يحسب هذا عدد الأسماء التي أعددتها، وليس عدد الكائنات الظاهرة حاليًا أمام الكاميرا.
تضيف تسمية كائن إلى القائمة المخصصة.
استخدم التسمية نفسها تمامًا التي يعرضها النموذج.
إذا أدخلت نصًا مفصولًا بفواصل، تُضاف كل تسمية بشكل منفصل.
لا يؤدي إدخال الاسم نفسه مرة أخرى إلى إنشاء عنصر مكرر.
تزيل اسم الكائن المطابق من القائمة المخصصة.
إذا أدخلت نصًا مفصولًا بفواصل، تتم إزالة جميع التسميات المطابقة.
تزيل جميع الأسماء من قائمة الكشف المخصصة.
⚡ لبنات القبعة والاستجابات #
تشغّل البرنامج النصي المتصل بها عندما يزداد العدد المستقر لأي كائن مكتشف.
يمكن تشغيلها عند ظهور أول كائن، أو ظهور تسمية كائن جديدة، أو اكتشاف نسخة إضافية من كائن ظاهر بالفعل.
تعمل عندما يزداد العدد المستقر للكائن المحدد.
على سبيل المثال، يمكن تشغيلها عند ظهور أول person ثم تشغيلها مرة أخرى عند اكتشاف شخص إضافي.
أدخل نصًا مفصولًا بفواصل ليتم التشغيل عندما يزداد العدد المستقر لأي كائن من الأسماء المدرجة.
استخدام all هنا يعطي السلوك نفسه للبنة when any object detected.
تعمل عندما يتغير العدد الإجمالي المستقر للكائنات المكتشفة حاليًا، سواء بالزيادة أو النقصان.
تكون مفيدة لألعاب العد والمشاهد التي تستجيب عندما تدخل الكائنات إلى مجال رؤية الكاميرا أو تغادره.
ملاحظة: : تنتظر لبنات القبعة الخاصة بالكشف حتى يظهر العدد نفسه في إطارين متتاليين قبل اعتباره مستقرًا. يساعد ذلك على تقليل التغيّرات العابرة التي تظهر في إطار واحد ومنع التشغيل غير المقصود.
🧠 عناصر التحكم في النموذج ودرجة الثقة #
تبدّل نموذج Object Detection النشط. تبدأ الإضافة باستخدام نموذج Fast.
ويمكن للطلاب التبديل بين النماذج بحسب حاجة مشروعهم إلى كشف أسرع، أو تفاصيل أكثر في الصورة، أو دعم نطاق أوسع من أنواع الكائنات.
| Model Menu | Input Size | Classes | الأنسب لـ |
|---|---|---|---|
| fast size: 320 classes: 365 | 320×320 | 365 | حمل معالجة أقل وأداء أكثر سلاسة على الأجهزة الأقل قوة |
| balanced size: 640 classes: 365 | 640×640 | 365 | تفاصيل أكثر في الصورة مع استخدام مفردات الكائنات نفسها المكوّنة من 365 فئة |
| wide size: 640 classes: 4585 | 640×640 | 4,585 | مفردات كائنات أوسع بكثير عندما لا تتضمن خيارات 365 فئة الكائن الذي تحتاج إليه |
↔ مرر لليسار أو اليمين لعرض الجدول الكامل على الهاتف المحمول
نصيحة: ابدأ بنموذج Fast الافتراضي للحصول على كشف سريع الاستجابة. اختر Balanced للحصول على تفاصيل أكثر في الصورة، أو Wide عندما تحتاج إلى عدد أكبر بكثير من فئات الكائنات.
هام: يؤدي تبديل النموذج إلى مسح نتائج saved. ويظل إعداد الحد الأدنى الحالي لدرجة الثقة محفوظًا عند تبديل النماذج. set minimum confidence [CONFIDENCE]
تحدد الحد الأدنى لدرجة الثقة المطلوبة قبل اعتبار نتيجة النموذج نتيجة كشف.
يستخدم هذا الإعداد مقياسًا من 0 إلى 1:
- 0.35 —القيمة الافتراضية.
- 0.5-0.7 —أكثر صرامة؛ ويمكن أن يقلل نتائج الكشف الضعيفة أو الخاطئة.
- 0.2-0.3 —أكثر تساهلًا؛ وقد يساعد في عمليات الكشف الصعبة، لكنه قد يزيد الأخطاء أيضًا.س
هذه طريقة مفيدة لتعليم الطلاب أن تنبؤات الذكاء الاصطناعي ليست ببساطة “صحيحة” أو “خاطئة”—فكل نتيجة كشف لها درجة ثقة.
تعرض الإعداد الحالي للحد الأدنى لدرجة الثقة على مقياس 0-1.
تذكّر: تستخدم كل من minimum confidence وconfidence of [OBJECT] #[INDEX] in [SOURCE] detections المقياس نفسه 0-1.
⚙️ عناصر التحكم في التصنيف #
- صنّف [INTERVAL] - اختر عدد مرات تشغيل عملية الكشف:
- في كل مرة تعمل فيها هذه اللبنة
- بشكل مستمر، من دون تأخير
- بشكل مستمر، كل 50–2500 مللي ثانية
- اضبط التصنيف [تشغيل/إيقاف] - ابدأ عملية الكشف المستمر أو أوقفها.
- classification interval - يعرض الفاصل الزمني الحالي بالمللي ثانية.
- تصنيف مستمر - يعرض «تشغيل» أو «إيقاف» للإشارة إلى حالة الكشف المستمر.
- اختر صورة الإدخال [الكاميرا / المنصّة] - اختر الكاميرا أو المنصّة.
- input image - يعرض مصدر الإدخال النشط.
🎥 عناصر التحكم في الفيديو #
- اضبط الفيديو على [إيقاف/تشغيل/تشغيل مع قلب]
- on: يعرض معاينة الكاميرا بصورة معكوسة، مثل كاميرا الويب أو المرآة المعتادة.
- on-flipped: يعرض معاينة الكاميرا بصورة غير معكوسة؛ فتظهر الاتجاهات كما هي في العالم الحقيقي.
- off: يوقف عرض معاينة الكاميرا. في وضع إدخال المنصة، تستمر عملية الكشف.
- اجعل شفافية الفيديو مساويةً [TRANSPARENCY|text] - يتحكم في مدى وضوح معاينة الكاميرا:
- 0: ظاهرة بالكامل (صورة معتمة).
- 100: شفافة بالكامل (غير مرئية، لكنها تظل نشطة).
- اختر الكاميرا [CAMERA] - يتيح لك الاختيار من بين الكاميرات المتاحة على جهازك. تعرض القائمة المنسدلة جميع الكاميرات المكتشفة، وتنتقل الإضافة تلقائيًا إلى الكاميرا التي تختارها.
- إظهار مربعات الكشف [تشغيل/إيقاف]شغّل أو أوقف عرض مربعات الكشف. عند تشغيله، تظهر مربعات حول كل كائن تم اكتشافه، حتى تتمكن من رؤية الكائنات التي يتتبعها النموذج. هذه الميزة مفيدة لاختبار الكاميرا، والتحقق من مدى جودة عمل النموذج، وتصحيح أخطاء المشروع في الوقت الفعلي.
تكون مربعات الكشف مفعّلة افتراضيًا في هذه الإضافة. استخدم لبنة التحكم في مربعات الكشف عندما تريد إظهار المربعات المرئية المحيطة بالكائنات التي تم التعرّف عليها أو إخفاءها.
🎓 الاستخدامات التعليمية #
- التعرّف على الرؤية الحاسوبية: يمكن للطلاب رؤية كيف يحوّل نموذج الذكاء الاصطناعي الصور إلى تسميات للكائنات ومواضع لها.
- تعليم درجة الثقة وعدم اليقين: قارن التنبؤات عند حدود مختلفة لدرجة الثقة، وناقش سبب ارتكاب الذكاء الاصطناعي للأخطاء أحيانًا.
- استكشاف الإحداثيات: اربط مواضع X وY للكائنات المكتشفة بحركة sprite ونظام الإحداثيات في Scratch.
- استكشاف الحجم: استخدم العرض والارتفاع لمعرفة مدى كِبر الكائن في الصورة.
- التدرب على القوائم والفهرسة: تعامل مع الكائن المطابق الأول أو الثاني أو الثالث، وقارن بين عدة نتائج كشف.
- التدرب على الترتيب: احفظ نتائج الكشف ورتّبها حسب الموضع أو الحجم أو درجة الثقة.
- تعليم الأحداث: استخدم لبنات القبعة لتوضيح كيف يمكن للبرامج الاستجابة للتغيّرات في البيئة.
- مناقشة حدود الذكاء الاصطناعي: قارن بين ما يراه الطلاب وما يتعرّف عليه النموذج، واستكشف نتائج الكشف الخاطئة، والكائنات التي يفوّتها، وتأثير الإضاءة والزاوية وحجم الكائن.
🎮 مشاريع نموذجية #
- مُرحِّب الكائنات: اجعل sprite يقول مرحبًا عند ظهور كائن مدعوم تختاره.
- عداد الكائنات: اعرض عدد الكائنات الظاهرة، وشغّل احتفالًا عندما يصل العدد إلى قيمة مستهدفة.
- اتبع الهدف: استخدم إحداثيي المركز X/Y لكائن مكتشف لتحريك sprite نحوه.
- يسار أم يمين؟ احفظ نتائج الكشف المطابقة من اليسار إلى اليمين، واستخدم العنصر 1 للعثور على الكائن الموجود في أقصى اليسار.
- تحدي أكبر كائن: احفظ نتائج الكشف من الأكبر إلى الأصغر، واجعل Scratch يستجيب لأكبر كائن.
- مختبر درجة ثقة الذكاء الاصطناعي: اعرض قيم درجة الثقة واختبر تأثير الإضاءة والمسافة والزاوية والخلفية في التنبؤات.
- البحث عن الكائنات في الصف: أعطِ الطلاب قائمة بكائنات مدعومة، وأضف نقطة عندما يعثر الذكاء الاصطناعي على كل واحد منها.
- ماذا يوجد في الإطار؟ اعرض لبنة المراسل list of [SOURCE] detections حتى يتمكن الطلاب من ملاحظة كيفية وصف النموذج لمشهد يتغير باستمرار.
🧩 جرب بنفسك: pishi.ai/play
🔧 نصائح وحلول للمشاكل #
- لا توجد كاميرا؟
• تأكد من توصيل الكاميرا والسماح للمتصفح باستخدامها.
• إذا كانت الكاميرا محظورة، فاسمح باستخدامها من إعدادات الموقع في متصفحك، ثم أعد تحميل الصفحة.
• عند تحميل الإضافة، إذا لم يتم اكتشاف أي كاميرا، تتحول صورة الإدخال تلقائيًا إلى منصة Scratch (Stage)، وهي مساحة العرض التي تظهر فيها الخلفيات والكائنات، بحيث يمكنك الاستمرار في استخدام ميزات الإضافة واختبارها. - لا توجد نتائج كشف؟
• تصنيف مستمر: استخدم لبنة المراسل هذه للتحقق مما إذا كان التصنيف نشطًا.
• إذا كان التصنيف نشطًا، فحسّن الإضاءة وواجه الكاميرا مباشرةً.
• اضبط التصنيف [تشغيل]: استخدم هذه اللبنة إذا لم يكن التصنيف نشطًا، ثم تحقق من حالة التصنيف مرة أخرى باستخدام لبنة المراسل السابقة.
• في وضع إدخال الكاميرا، يتوقف التصنيف أيضًا عند إيقاف تشغيل الكاميرا؛ يجب إعادة تشغيل الفيديو أو تحويل مصدر الإدخال إلى المنصة.
• في وضع إدخال المنصة، يصنّف النظام كل ما يظهر على المنصة، بما في ذلك الخلفيات والكائنات والصور. يمكنك إيقاف الفيديو تمامًا مع الاستمرار في معالجة صور المنصة.
• وضع المنصة أبطأ من إدخال الكاميرا؛ لذلك قلّل الفاصل الزمني للتصنيف، مثل 100–250 مللي ثانية، للحصول على نتائج أكثر سلاسة باستخدام هذه اللبنة: صنّف [INTERVAL]
• في وضع المنصة، يتم تبديل معالم «اليسار» و«اليمين» لأن صورة المنصة غير معكوسة؛ إذ تمثل مساحة الإحداثيات عرضًا حقيقيًا غير معكوس.
• يمكن أيضًا إعادة تشغيل التصنيف تلقائيًا عند استخدام لبنات مثل:
اضبط الفيديو على [تشغيل] / صنّف [INTERVAL] / اختر الكاميرا [CAMERA] / اختر صورة الإدخال [الكاميرا / المنصّة]. - هل تظهر الصورة معكوسة؟
اضبط الفيديو على [تشغيل مع قلب]: استخدم هذه اللبنة لعرض صورة الكاميرا من دون انعكاس مرآتي. يعرض خيار «تشغيل» الصورة مثل صورة السيلفي، بينما يعرض خيار «تشغيل مع قلب» الاتجاه الحقيقي لليمين واليسار. - هل الأداء بطيء أو متقطع؟
استخدم فاصلًا زمنيًا للتصنيف يتراوح بين 100 و250 مللي ثانية، أو أغلق علامات تبويب المتصفح الأخرى لتقليل حمل المعالجة. - هل يظهر تحذير WebGL2؟
جرّب استخدام Firefox أو جهاز أحدث يدعم تسريع الرسومات باستخدام WebGL2. - هل تريد تحليل المنصة بدلاً من الكاميرا؟
اختر صورة الإدخال [المنصّة]: استخدم هذا لتحليل صورة منصة Scratch بدلاً من بث مباشر من الكاميرا. يمكن أن تتضمن منصة Scratch صورة الكاميرا، بالإضافة إلى أي كائنات وخلفيات ظاهرة حاليًا على المنصة.ملاحظة: قد تكون معالجة منصة Scratch أبطأ من استخدام الكاميرا مباشرةً.
🎯 نصائح خاصة بكشف الكائنات #
- لا يتم اكتشاف أي كائن؟ تأكد من أن التصنيف يعمل، وحسّن الإضاءة، وقرّب الكائن من الكاميرا، وتحقق من أن النموذج المحدد يدعم تسمية ذلك الكائن.
- يحصل الكائن على اسم غير متوقع؟ يستخدم كل نموذج كشف مفرداته الخاصة التي تعلّمها لأسماء الكائنات. تحقق من لبنة list of [current] detections لمعرفة التسمية الدقيقة التي يعيدها النموذج.
- هل توجد نتائج كشف خاطئة كثيرة؟ ارفع minimum confidence تدريجيًا، مثلًا من 0.35 إلى 0.5.
- هل يفوّت النموذج كائنًا حقيقيًا كثيرًا؟ جرّب إضاءة أفضل، أو زاوية أوضح، أو نموذج Balanced، أو حدًا أقل قليلًا لدرجة الثقة.
- هل تحتاج إلى كائن لا يتعرّف عليه Fast أو Balanced؟ جرّب نموذج Wide، الذي يستخدم مفردات فئات أكبر بكثير.
- هل تهتم بعدد قليل فقط من الكائنات؟ أضف تسمياتها الدقيقة إلى my detection list، ثم بدّل look for [MODE] إلى my detection list.
- هل أصبح وضع my detection list لا يكتشف أي شيء فجأة؟ تحقق من أن my detection list ليست فارغة، وأن الأسماء الموجودة فيها تطابق تسميات النموذج تمامًا.
- هل يعيد العنصر 2 أو العنصر 3 قيمة فارغة؟ لا يعمل رقم العنصر إلا عندما توجد حاليًا نتائج كشف مطابقة كافية.
- هل تبدو مواضع saved قديمة؟ نتائج saved هي لقطة ثابتة عن قصد. شغّل save [OBJECT] from [SOURCE] detections, order by [ORDER_TYPE] مرة أخرى—وعادةً باستخدام current كمصدر—لتحديثها.
- هل المشروع بطيء؟ استخدم نموذج Fast، أو زِد الفاصل الزمني للتصنيف، أو أغلق علامات تبويب المتصفح الثقيلة الأخرى، أو قلّل عدد مرات قراءة برامج Scratch لبيانات الكشف.
- الكاميرا غير متاحة؟ بدّل مصدر الإدخال إلى stage واختبر باستخدام خلفية أو sprite أو صورة مستوردة.
🔒 الخصوصية والأمان #
- تعمل جميع الوظائف محليًا داخل متصفحك.
- لا يتم تحميل أي صور أو مقاطع فيديو إلى أي مكان.
- يتم تحميل ملفات النموذج مباشرةً من Pishi.ai عند بدء تشغيل الإضافة، لذلك لا يتم استخدام أي خوادم نماذج تابعة لجهات خارجية.
- استأذن دائمًا من معلم أو أحد الوالدين قبل استخدام الكاميرا.
- يمكنك إيقاف الفيديو بأمان في أي وقت اضبط الفيديو على [إيقاف].
🧪 معلومات فنية #
- نوع النموذج نماذج Object Detection مدرَّبة مسبقًا بتنسيق ONNX.
- Framework (إطار العمل): onnxruntime-web.
- التنفيذ في المتصفح: تفضّل متصفحات سطح المكتب WebGPU عند دعمه، مع الرجوع إلى WebAssembly (WASM) عند الحاجة؛ ويستخدم Android تقنية WASM.
- خيارات النموذج: Fast (320×320، 365 فئة)، وBalanced (640×640، 365 فئة)، وWide (640×640، 4,585 فئة).
- النموذج عند بدء التشغيل: Fast (320×320) على جميع الأجهزة المدعومة.
- الحد الأدنى الافتراضي لدرجة الثقة: 0.35.
- Detection (الاكتشاف): يمكن عرض عدة كائنات من الإطار نفسه.
- مراسل درجة الثقة: يعيد قيمة من 0-1.
- Coordinates (الإحداثيات): تُحوَّل مراكز مربعات الكشف إلى إحداثيات Stage في Scratch؛ ويُعرض العرض والارتفاع بوحدات Stage.
- Sources: يمكن للبنات المراسلة قراءة نتائج الكشف المباشر current أو نتائج اللقطة المحفوظة saved.
- Filtering: يمكن لوضع الكشف الاحتفاظ بجميع نتائج الكشف أو فقط التسميات الموجودة في قائمة الكشف المخصصة للمستخدم.
- Saved Detections: يمكن تصفية اللقطة وترتيبها حسب درجة الثقة أو الموضع الأفقي أو الموضع الرأسي أو الحجم.
- Hat Stability: يجب أن يظل تغيّر عدد نتائج الكشف كما هو لمدة إطارين متتاليين قبل اعتبار لبنات القبعة الخاصة بـ Object Detection مستقرة.
- Detection Boxes: تكون مربعات الكشف المرئية مفعّلة افتراضيًا، ويمكن التحكم فيها من الإضافة.
- مصادر الإدخال: بث مباشر من الكاميرا أو صورة Stage في Scratch.
- Processing: تعمل عملية الكشف محليًا داخل المتصفح بعد تحميل ملفات النموذج المطلوبة.
🔗 الإضافات ذات الصلة #
- 🖐️ HandPose - اكتشف معالم اليد وإيماءاتها.
- 🕺 تتبع الوضعية - تتبّع وضعية الجسم بالكامل وحركته.
- 😎 شبكة الوجه - اكتشف معالم الوجه وتعبيراته.
- 🖼️ مدرب الصور - درّب مصنّف الصور المخصص الخاص بك مباشرةً في سكراتش.
- 🏫 أداة جوجل لتدريب نماذج الذكاء الاصطناعي – استيراد نماذج تصنيف مخصّصة مُدرَّبة مسبقًا.
🖼️ كشف الكائنات مقارنةً بمدرب الصور #
| الميزة | كشف الكائنات | مدرب الصور |
|---|---|---|
| التدريب | يستخدم نماذج مدرَّبة مسبقًا—ولا يحتاج إلى تدريب | يدرّب الطلاب تسمياتهم الخاصة باستخدام الأمثلة |
| السؤال الذي يجيب عنه | “ما الكائنات الموجودة هنا، وكم عددها، وأين توجد؟” | “أي تسمية تطابق هذه الصورة الكاملة بشكل أفضل؟” |
| عدة كائنات في الوقت نفسه | نعم | ليس ككائنات منفصلة ذات مواضع محددة |
| الموضع والحجم | نعم—X وY والعرض والارتفاع | لا يوفر موضع مربع كشف للكائن |
| فئات كائنات مخصصة | يقتصر على التسميات المتاحة في نموذج الكشف المدرَّب مسبقًا المحدد | نعم—ينشئ الطلاب تسمياتهم الخاصة |
| أفضل استخدام داخل الصف | الرؤية الحاسوبية، وتتبع الكائنات، والعد، والإحداثيات، والمشاريع المعتمدة على الأحداث | تعليم تعلّم الآلة، وبيانات التدريب، والأمثلة، والأوامر المرئية المخصصة |
↔ مرر لليسار أو اليمين لعرض الجدول الكامل على الهاتف المحمول
💡 لماذا تختار كشف الكائنات؟ #
استخدم Object Detection عندما يحتاج مشروعك إلى العثور على كائنات حقيقية ومعرفة أماكنها.
وهو مفيد خصوصًا عندما يريد الطلاب الحصول على نتائج فورية من دون تدريب نموذج أولًا.
- تعرّف على عدة كائنات في المشهد نفسه.
- عُدّ الكائنات وقارن مواضعها أو أحجامها.
- أنشئ مشاريع تستجيب للتغيّرات في العالم الحقيقي.
- استكشف درجة الثقة والتصفية والترتيب والرؤية الحاسوبية بطريقة مناسبة لـ Scratch.
💡 متى ينبغي استخدام مدرب الصور بدلاً منه؟ #
استخدم Image Trainer عندما تحتاج إلى فئات خاصة بمشروعك أنت—مثل إيماءات اليد الخاصة بك، أو بطاقات الصف، أو الأوامر المخصصة، أو الكائنات التي لا يعرفها نموذج الكشف المدرَّب مسبقًا.
يتيح Image Trainer للطلاب إنشاء التسميات بأنفسهم والتعلّم مباشرةً من أمثلتهم الخاصة.
باختصار:
استخدم Object Detection للعثور على الكائنات التي يعرفها الذكاء الاصطناعي مسبقًا وتحديد مواضعها.
استخدم Image Trainer عندما تريد تعليم الذكاء الاصطناعي فئاتك المرئية الخاصة.
