> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/arabic/alblwkat-alwzyfyh/blocks-reference/ai-blocks/object-detection-d-fine.md).

# Object Detection (D-FINE)

هذه البلوكة الوظيفية تقوم بالكشف عن الأشياء في صورة إدخال بشكل فوري. يمكنك اختيار حجم النموذج (مقايضة بين السرعة والدقة)، تصفية فئات الأشياء المراد كشفها، ضبط عتبة الثقة، واختيار رسم صناديق تحيط بالأجسام على الصورة الناتجة بالألوان.

## 📥 المدخلات <a href="#inputs" id="inputs"></a>

`Image` الصورة المراد تحليلها لاكتشاف الأشياء.

## 📤 المخرجات <a href="#outputs" id="outputs"></a>

`Result` صورة مشروحة تحتوي على صناديق تحيط بالأجسام وتسمياتها (متاحة عند تفعيل الرسم).

`Boxes` قائمة بإحداثيات صناديق التحديد لكل اكتشاف (الصيغة: \[x1, y1, x2, y2]).

`Labels` أسماء الفئات لكل جسم مكتشف.

`Scores` درجة الثقة لكل اكتشاف.

## 🕹️ عناصر التحكم <a href="#controls" id="controls"></a>

`Model` اختر حجم النموذج (مثال: Nano / Small / Medium / Large / XLarge) للموازنة بين سرعة الاستدلال والدقة.

`Select Classes` جدول لتعليم (tick) فئات COCO التي تريد أن تبلغك البلوكة عنها فقط (اتركه فارغًا للسماح بكل الفئات).

`Draw Boxes` مفتاح لتشغيل/إيقاف رسم صناديق ملونة وتسميات على الصورة الناتجة.

`Threshold` شريط لتعيين عتبة درجة الثقة (0–100) لقبول الاكتشافات.

## 🎨 الميزات <a href="#features" id="features"></a>

* اختيار حجم النموذج للموازنة بين السرعة والدقة.
* تصفية الفئات لتلقي الاكتشافات المهمة فقط.
* التحكم بعتبة الثقة للتقليل من الإيجابيات الكاذبة.
* إخراج بصري اختياري مع صناديق ملونة وتسميات واضحة.
* تُعيد كل من الصورة المشروحة وبيانات الكشف المهيكلة (`Boxes`, `Labels`, `Scores`) للمعالجة اللاحقة.

## 📝 تعليمات الاستخدام <a href="#usage" id="usage"></a>

1. وصل بلوكة تُنتج صورًا إلى مدخل `Image`.
2. اختر حجم `Model` بناءً على حاجتك لسرعة أعلى أو دقة أعلى.
3. استخدم `Select Classes` لتقييد الكشف إلى أنواع الأجسام التي تحتاجها (أو اتركها فارغة لقبول الكل).
4. اضبط شريط `Threshold` لضبط حساسية الكشف.
5. فعّل `Draw Boxes` إذا كنت تريد نتيجة بصرية على مخرج `Result`.
6. استخدم مخرجات `Boxes`, `Labels`, و`Scores` في عمليات المعالجة التالية أو للتسجيل.

## 📊 التقييم <a href="#evaluation" id="evaluation"></a>

عند التشغيل، تعالج البلوكة الصورة الواردة وفقًا لـ `Model` و`Threshold` المختارين وتُخرج الاكتشافات. إذا كان `Draw Boxes` مفعلًا فستتوفر صورة مشروحة على `Result`؛ بينما تبقى بيانات الاكتشاف (الصناديق، التسميات، الدرجات) متاحة دائمًا على المخرجات الأخرى.

## 💡 نصائح وحيل <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* إذا كانت الأجسام الصغيرة تُفوَّت، جرب تزويد البلوكة بصورة ذات تفاصيل أعلى باستخدام `Super Resolution` أو تجنّب تصغير الصورة بـ `Image Resize`.
* لتقليل زمن المعالجة، اختر `Model` أصغر (Nano/Small) مع قبول بعض الخسارة في الدقة.
* اقصِ منطقة الاهتمام قبل الكشف باستخدام `Image ROI Select` أو `Image ROI` لتحسين السرعة وتقليل الإيجابيات الكاذبة.
* للتصحيح البصري، وصل مخرج `Result` إلى `Show Image` لعرض الاكتشافات تفاعليًا.
* للحفاظ على الاكتشافات عبر الإطارات (تتبع)، اجمع المخرجات مع `Object_Detection_Tracker`.
* احفظ الإطارات التي تحتوي اكتشافات باستخدام `Image Logger`, `Image Write`، أو `Record Video` للمراجعة لاحقًا.
* صدّر بيانات الاكتشاف (`Boxes` / `Labels` / `Scores`) باستخدام `CSV Export` أو `Data to JSON` للتحليلات والتقارير.
* راقب استخدام النظام عبر `GPU Statistics` لاختيار حجم `Model` المناسب لهاردويرك.
* للمقارنة أو سلوك كشف مختلف، جرّب `Object Detection - Custom` أو بدائل كشف الأشياء الأخرى.

## 🛠️ استكشاف الأخطاء وإصلاحها <a href="#troubleshooting" id="troubleshooting"></a>

* إذا لم تظهر أي اكتشافات، خفّض قيمة `Threshold` أو تأكد أن الفئة المرغوبة محددة في `Select Classes`.
* إذا كانت الاكتشافات ضوضائية، ارفع قيمة `Threshold` أو قصر الفئات في `Select Classes`.
* إذا كانت المعالجة بطيئة جدًا، اختر `Model` أصغر أو قصّ الصورة باستخدام `Image ROI Select`.
* إذا كانت الصورة الناتجة فارغة بينما تحتوي المخرجات الأخرى على بيانات، تأكد من تفعيل `Draw Boxes` للحصول على نتيجة بصرية.