> 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/safety-equipment-detection.md).

# Safety Equipment Detection

هذا البلوك يفحص وجود معدات السلامة الشائعة في صورة مدخلة ويُعيد صورة مشروحة بالإضافة إلى عد لكل فئة. يُستخدم في سلاسل عمل الفحص البصري حيث يلزم اكتشاف وعدّ الخوذ والسترات الواقية ونظارات الوقاية والقفازات.

## 📥 المدخلات

`Image`\
زوّد الصورة المراد تحليلها (إطارات مفردة، إطارات تيار فيديو، أو صور محملة).

## 📤 المخرجات

`Output Image`\
صورة مشروحة تُعرض فيها الاكتشافات للتوضيح.

`Helmet Count`\
عدد الخوذ المكتشفة.

`Safety Vest Count`\
عدد السترات الواقائية المكتشفة.

`Safety Goggle Count`\
عدد نظارات الوقاية المكتشفة.

`Safety Glove Count`\
عدد القفازات المكتشفة.

`No Helmet Count`\
عدد الأشخاص المكتشفين بدون خوذة.

`No Safety Vest Count`\
عدد الأشخاص المكتشفين بدون سترة واقية.

`No Safety Goggle Count`\
عدد الأشخاص المكتشفين بدون نظارات واقية.

`No Safety Glove Count`\
عدد الأشخاص المكتشفين بدون قفازات.

## 🕹️ الضوابط

`Confidence Ratio`\
اضبط عتبة ثقة الكشف. القيم الأعلى تجعل الاكتشافات أكثر صرامة (قليل من الإيجابيات الخاطئة)، والقيم الأقل تزيد الحساسية (كاشفة المزيد من الحالات وربما مزيد من الإيجابيات الخاطئة).

نصيحة: ابدأ بقيم تقارب 0.7–0.9 وقم بضبطها حسب المشهد.

## 🎯 الميزات

* تغذية راجعة بصرية في الوقت الحقيقي مع علامات اكتشاف على `Output Image`.
* عد منفصل لكل فئة لكل من وجود وغياب معدات السلامة المطلوبة.
* إمكانية تعديل حساسية الكشف عبر `Confidence Ratio` لتتلاءم مع ظروف الإضاءة والمشهد المختلفة.
* مصمم للعمل مع إطارات كاميرا مباشرة أو صور مسجلة مسبقًا.

## ⚙️ آلية التشغيل

عند تزويد صورة إلى مدخل `Image` يقوم البلوك بتحليل الصورة، ووضع علامات على عناصر السلامة المكتشفة في الصورة العرضية، ويعيد قيمًا عددية لكل فئة. قد يتطلب البلوك وقت تحميل قصيرًا في المرة الأولى (لتحضير النموذج)، وبعد ذلك يعالج الصور المتوالية أثناء وصولها.

## 📝 تعليمات الاستخدام

1. زوّد مصدر الصورة إلى مدخل `Image` (تيار كاميرا مباشر أو صورة محملة).
2. اضبط `Confidence Ratio` لتناسب مشهدك (الإضاءة، المقياس، الاعتراضات).
3. استخدم `Output Image` المشروحة للتحقق بصريًا من الاكتشافات واطلع على المخرجات العددية لأتمتة أو تسجيل النتائج.

## 💡 نصائح وحيل

* اجمع هذا البلوك مع مداخل كاميرا مباشرة للمراقبة المستمرة: مثل `Camera USB`, `Camera IP` أو `Stream Reader` لتغذية الإطارات إلى هذا البلوك.
* لعرض الإطارات والتفتيش التفاعلي، صِل المخرج البصري إلى `Show Image` واستخدم عارض `See Image`.
* حسّن التركيز على منطقة الاهتمام وقلل الإيجابيات الخاطئة بقص الصورة باستخدام `Image ROI Select` قبل إدخالها إلى هذا البلوك.
* سرّع المعالجة عندما لا تكون الدقة الكاملة ضرورية عن طريق إدراج `Image Resizer` قبل البلوك.
* قم بتراكب أو إبراز مربعات الاكتشاف عبر `Draw Detections` لعرض أوضح على الشاشة.
* لسلاسل العمل متعددة الإطارات، اجمع مع تتبّع: أدخل مخرجات الكشف (المربعات / الفئات) إلى `Object_Detection_Tracker` للحفاظ على معرّفات مع مرور الوقت وعدّ الأشخاص الفريدين.
* سجّل وصدّر النتائج: استخدم `Image Logger` أو `Image Write` لحفظ الإطارات، و`CSV Export` أو `Data to JSON` لتخزين الأعداد. للتنبيهات الفورية، ادمج مع `MQTT Publish` أو `Send Mail` للإخطار.
* لتحليل الحشود أو التباعد، استخدم جنبًا إلى جنب مع `Social Distance Detector` أو `Pose Estimation` لربط استخدام معدات الوقاية بمواقع أو أوضاع الأشخاص.

## 🛠️ استكشاف الأخطاء وإصلاحها

* لا توجد اكتشافات أو توجد إيجابيات خاطئة كثيرة: اضبط `Confidence Ratio` وأعد الاختبار. جرّب قيمًا بين 0.6 و0.9.
* نتائج ضعيفة في ظروف الإضاءة المنخفضة أو التباين القليل: حسّن الإضاءة، واستخدم `Contrast Optimization` أو `Denoising` قبل هذا البلوك.
* اكتشافات خارج منطقة الاهتمام: أضف `Image ROI Select` لتحديد منطقة البحث.
* بطء في الأداء: قلل حجم الصورة المدخلة باستخدام `Image Resizer` أو خفّض معدل الإطارات في المصدر. يعتمد الأداء أيضًا على العتاد المتاح.
* إذا لم يكن البلوك جاهزًا عند الاستخدام الأول، امنح وقتًا قصيرًا لتحضير النموذج (التحميل) قبل توقع المخرجات.