جمع مجموعة البيانات

أسرع طريقة لبناء نموذج ذكاء اصطناعي عالي الأداء هي "التقاط البيانات عمدًا". تغطي هذه الصفحة كيفية جمع صور وفيديوهات عالية الجودة باستخدام أدوات AugeLab Studio المدمجة.

يمكنك تخطي هذا القسم إذا كان لديك بالفعل مجلد من الصور/الفيديوهات جاهزًا للتعليق (annotation).

---

التخطيط لمجموعة البيانات

من الضروري التخطيط لمجموعة البيانات قبل البدء في جمعها. مجموعة بيانات منظمة جيدًا تؤدي إلى أداء أفضل للنموذج.

📊 كم من البيانات تحتاج؟

يعتمد عدد الصور المطلوبة على مدى تغير البيئة. استخدم الجدول أدناه كنقطة بداية لهدف الجمع.

نوع المشروع	البيئة	الصور الموصى بها لكل فئة*
بسيط	إضاءة منظمة، كاميرا ثابتة، 1-2 فئة.	50 - 150
صناعي	أرضية المصنع، تغيّر الشفتات، سير ناقل.	200 - 500
معقّد	إضاءة متغيرة، فئات كثيرة، كاميرا متحركة.	1,000+
معقّد خارجي	مشاهد خارجية مع تغيّر الطقس.	2,000+
حدث نادر	كشف عيوب أو تسريبات نادرة.	50 Target / 100 Empty

*الصور لكل فئة تشير إلى عدد الأمثلة المعلّمة لكل فئة كائنية، وليس فقط إجمالي عدد الصور.

للحصول على أفضل النتائج، استهدف تنوعًا في الزوايا، المسافات، والإضاءة داخل مجموعة البيانات.

يجب أن يكون عدد الفئات متناسقًا عبر مجموعة البيانات. إذا لم يكن كذلك، قد تساعدك عمليات التوسيع (augmentation) في موازنة الفئات لاحقًا.

---

🏗️ تحديد الحدود

دوّن هذه النقاط قبل التقاط الصورة الأولى لضمان أن تكون مجموعة البيانات ممثلة ومتسقة.

1. قائمة الفئات: ما هي الأشياء المحددة التي ستقوم بالكشف عنها؟

2. مواصفات الكاميرا: ما هو زاوية التركيب النهائية، المسافة، ومجال الرؤية (FoV)؟ كاميرا واحدة أم متعددة؟

3. التغيرات: هل ستحدث تغيّرات في الإضاءة (انعكاسات/ظلال) أو تشويش في الخلفية؟

4. الصور السلبية (Negatives): كيف يبدو المشهد "الفارغ"؟

5. النطاق: ما الأشياء التي يجب أن يتجاهلها النموذج عمدًا؟

---

إعدادات الكاميرا

سواء كنت تستخدم كاميرا USB أو كاميرا IP أو كاميرا صناعية، تأكد من تحسين الإعدادات التالية قبل الجمع:

• Resolution: استهدف 480p إلى 720p (640x480 معيار شائع). يمكن تقليل الدقة لاحقًا.

• Frame Rate: 15-30 FPS كافية لمعظم مهام كشف الكائنات.

• Focus: اضبط على التركيز اليدوي لتجنب التغيّرات أثناء الجمع.

• Exposure: استخدم إعدادات التعرض اليدوي للحفاظ على إضاءة متسقة.

• Save Settings: احفظ ملف تعريف إعدادات الكاميرا؛ معظم الكاميرات تسمح بحفظ الإعدادات المسبقة للحفاظ على الاتساق بين الجلسات.

جمع مجموعة البيانات

يمكنك جمع الصور والفيديوهات لمجموعة بيانات كشف الكائنات مباشرة داخل AugeLab Studio باستخدام الأدوات المدمجة. هذا يضمن التوافق ويسهّل عملية التعليق (annotation).

خيار آخر هو تنزيل مجموعات بيانات عامة أو استخدام كاميرات/برامج خارجية، لكن قد يتطلب ذلك خطوات إضافية لتنسيق الملفات.

الالتقاط داخل AugeLab Studio

يوفر بيئة Studio إمكانية استخدام محركات تشغيل (أزرار، إشارات PLC، أو مؤقتات) لأتمتة عملية الجمع.

1. ابدأ من مشروع المثال

تأتي AugeLab مع قالب معد مسبقًا لهذا الغرض.

• المسار: File → Example Projects (أو "Example Scenarios")

• المشروع: "Data Collection for AI Training"

📸 صور ثابتة: كتلة Image Write

استخدم هذه الكتلة لالتقاط إطارات ثابتة عالية الجودة. تناسب "نفس المشهد، مواقع متعددة".

Input/Setting	المنطق
Folder Path	مكان حفظ الصور.
Save (Trigger)	اضبطها على True لالتقاط إطار. زوجها مع زر أو مؤقت.
Compress Image	Checked = .jpg (حجم أصغر)

🎥 حركة متواصلة: كتلة Record Video

مناسبة لأحزمة النقل أو الفحوصات السريعة حيث تنوي استخراج إطارات لاحقًا.

Input/Setting	المنطق
Video Quality	Compressed = .mp4
Trigger Mode: Spacebar	اضغط مفتاح المسافة لبدء/إيقاف التسجيل.
Trigger Mode: Once	Record=True يبدّل التسجيل تشغيل/إيقاف.

خطط للتسجيلات كملفات قصيرة ومركزة (10–60 ثانية) بدلاً من ملف ضخم واحد. هذا يُسهّل استخراج الإطارات لاحقًا.

---

📉 جمع صور الخلفية (Negative)

يحتاج النموذج القوي إلى معرفة ما لا يجب اكتشافه. يجب عليك التقاط مشاهد "فارغة" عمدًا.

• ما الذي يجب التقاطه: أحزمة ناقلة فارغة، محطات عمل فارغة، أو أشياء غير مستهدفة شائعة (حوامل، أدوات).

• Empty: يوجد ملف تعليق (annotation) لكنه لا يحتوي على مربعات.

• Excluded: لا يوجد ملف تعليق على الإطلاق.

---

مجموعات البيانات العامة

إذا احتجت إلى تكملة بياناتك، ففكّر في هذه المجموعات العامة:

• COCO Dataset: مجموعة بيانات واسعة للكشف عن الكائنات والتقطيع والتعليقات التوضيحية.

• Pascal VOC: مجموعة معيارية للكشف عن الكائنات والتقطيع.

• Open Images Dataset: مجموعة تحتوي على ~9 ملايين صورة مع تسميات وصناديق محيطة.

• ImageNet: قاعدة بيانات بصرية كبيرة مصممة لأبحاث التعرف البصري.

• Kaggle Datasets: مجموعات بيانات متنوعة للتعلم الآلي، بما في ذلك كشف الكائنات.

📂 هيكل المجلدات والتحضير

يقوم AugeLab Studio بتحميل مجموعات البيانات عبر المجلدات. تأكد من أن هيكلك يبدو كالتالي:

my_dataset/
  ├── 000001.jpg
  ├── 000002.jpg
  ├── background_01.png
  └── classes.names  <-- (Optional, will be created during annotation)

---

🏁 قائمة التحقق عند الالتقاط

تحقق	المتطلبات
Quality	تجنّب طمس الحركة الشديد أو الإفراط في التعريض حيث تختفي الحواف.
Coverage	التقط الأشياء في المركز، الزوايا، وحواف الإطار.
Scale	طابق المسافة الحقيقية من الكاميرا إلى الكائن.
Clutter	تضمّن الخلفيات المزدحمة التي سترى الكاميرا فعليًا.
Resolution	تعمل معظم نماذج الذكاء الاصطناعي بشكل أفضل بين 480p و720p (640x480 متوسط).