التعلم الموجه لتحليل الصور - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

الدرس الأول

التعلم الموجه لتحليل الصور

رابط الدرس الرقمي www.ien.edu.sa

التعلم الموجه في رؤية الحاسب Supervised Learning for Computer Vision

تعد رؤية الحاسب (Computer Vision) مجالاً فرعياً من مجالات الذكاء الاصطناعي، والذي يركز على تعليم أجهزة الحاسب طريقة تفسير العالم المرئي وفهمه، ويتضمن استخدام الصور الرقمية ومقاطع الفيديو؛ لتدريب الآلات على التعرف على المعلومات المرئية وتحليلها مثل: الأشياء والأشخاص والمشاهد. ويتمثل الهدف النهائي الذي تسعى رؤية الحاسب إلى تحقيقه في تمكين الآلات من "رؤية" العالم كما يراه البشر، واستخدام هذه المعلومات؛ لاتخاذ قرارات، أو للقيام بإجراءات. هناك مجموعة كبيرة من التطبيقات التي تستخدم فيها رؤية الحاسب، مثل:

التصوير الطبي: يمكن أن تساعد رؤية الحاسب الأطباء والمختصين في الرعاية الصحية على تشخيص الأمراض من خلال تحليل الصور الطبية مثل: الأشعة السينية، والتصوير بالرنين المغناطيسي، والأشعة المقطعية.

المركبات ذاتية القيادة: تستخدم السيارات ذاتية القيادة والطائرات المسيرة رؤية الحاسب للتعرف على إشارات المرور وأشكال الطرق العامة والمشاة والعقبات في الطريق والجو، ولتمكينها من التنقل بأمان وكفاءة.

ضبط الجودة: تستخدم رؤية الحاسب لفحص المنتجات وتحديد عيوب التصنيع، وذلك في مختلف أنواع الصناعات، مثل: صناعة السيارات والإلكترونيات والمنسوجات.

الروبوتية: تستخدم رؤية الحاسب لمساعدة الروبوتات على التنقل والتفاعل مع بيئتها عن طريق التعرف على الأشياء والتعامل معها. يُعد التعلم الموجه وغير الموجه نوعين رئيسين من تعلم الآلة يُستخدمان بطريقة شائعة في تطبيقات رؤية الحاسب، ويتضمن كلا النوعين خوارزميات تدريب على مجموعات كبيرة من الصور أو مقاطع الفيديو؛ لكي تتمكن الآلات من التعرف على المعلومات المرئية وتفسيرها. سبق أن تعرفت على التعلم الموجه وغير الموجه في الدرسين الأول والثاني من الوحدة الثالثة، وكلاهما طبق في معالجة اللغات الطبيعية (NLP) وتوليد اللغات الطبيعية (NLG)، وسيتم تطبيقهما في هذا الدرس على تحليل الصور.

يتضمن التعلم غير الموجه خوارزميات تدريب على مجموعات بيانات غير معنونة - أي لا توجد فيها عناوين أو فئات صريحة - ، ثم تتعلم الخوارزمية تحديد الأنماط المتشابهة في البيانات دون أن تكون لديها أي معرفة مسبقة بالعناوين. على سبيل المثال: يمكن استخدام خوارزمية التعلم غير الموجه لتجميع الصور المتشابهة معاً بناءً على السمات المشتركة بينها مثل: اللون أو النقش (Texture) أو الشكل. وسيتم توضيح التعلم غير الموجه بالتفصيل في الدرس الثاني.

شكل 4.1: تصنيف الصور باستخدام رؤية الحاسب

وزارة التعليم Ministry of Education 197 2025 - 1447

--- SECTION: الدرس الأول --- الدرس الأول التعلم الموجه لتحليل الصور--- SECTION: رابط الدرس الرقمي --- رابط الدرس الرقمي www.ien.edu.sa--- SECTION: التعلم الموجه في رؤية الحاسب --- التعلم الموجه في رؤية الحاسب Supervised Learning for Computer Visionتعد رؤية الحاسب (Computer Vision) مجالاً فرعياً من مجالات الذكاء الاصطناعي، والذي يركز على تعليم أجهزة الحاسب طريقة تفسير العالم المرئي وفهمه، ويتضمن استخدام الصور الرقمية ومقاطع الفيديو؛ لتدريب الآلات على التعرف على المعلومات المرئية وتحليلها مثل: الأشياء والأشخاص والمشاهد. ويتمثل الهدف النهائي الذي تسعى رؤية الحاسب إلى تحقيقه في تمكين الآلات من "رؤية" العالم كما يراه البشر، واستخدام هذه المعلومات؛ لاتخاذ قرارات، أو للقيام بإجراءات. هناك مجموعة كبيرة من التطبيقات التي تستخدم فيها رؤية الحاسب، مثل:التصوير الطبي: يمكن أن تساعد رؤية الحاسب الأطباء والمختصين في الرعاية الصحية على تشخيص الأمراض من خلال تحليل الصور الطبية مثل: الأشعة السينية، والتصوير بالرنين المغناطيسي، والأشعة المقطعية.المركبات ذاتية القيادة: تستخدم السيارات ذاتية القيادة والطائرات المسيرة رؤية الحاسب للتعرف على إشارات المرور وأشكال الطرق العامة والمشاة والعقبات في الطريق والجو، ولتمكينها من التنقل بأمان وكفاءة.ضبط الجودة: تستخدم رؤية الحاسب لفحص المنتجات وتحديد عيوب التصنيع، وذلك في مختلف أنواع الصناعات، مثل: صناعة السيارات والإلكترونيات والمنسوجات.الروبوتية: تستخدم رؤية الحاسب لمساعدة الروبوتات على التنقل والتفاعل مع بيئتها عن طريق التعرف على الأشياء والتعامل معها. يُعد التعلم الموجه وغير الموجه نوعين رئيسين من تعلم الآلة يُستخدمان بطريقة شائعة في تطبيقات رؤية الحاسب، ويتضمن كلا النوعين خوارزميات تدريب على مجموعات كبيرة من الصور أو مقاطع الفيديو؛ لكي تتمكن الآلات من التعرف على المعلومات المرئية وتفسيرها. سبق أن تعرفت على التعلم الموجه وغير الموجه في الدرسين الأول والثاني من الوحدة الثالثة، وكلاهما طبق في معالجة اللغات الطبيعية (NLP) وتوليد اللغات الطبيعية (NLG)، وسيتم تطبيقهما في هذا الدرس على تحليل الصور.يتضمن التعلم غير الموجه خوارزميات تدريب على مجموعات بيانات غير معنونة - أي لا توجد فيها عناوين أو فئات صريحة - ، ثم تتعلم الخوارزمية تحديد الأنماط المتشابهة في البيانات دون أن تكون لديها أي معرفة مسبقة بالعناوين. على سبيل المثال: يمكن استخدام خوارزمية التعلم غير الموجه لتجميع الصور المتشابهة معاً بناءً على السمات المشتركة بينها مثل: اللون أو النقش (Texture) أو الشكل. وسيتم توضيح التعلم غير الموجه بالتفصيل في الدرس الثاني.--- SECTION: شكل 4.1 --- شكل 4.1: تصنيف الصور باستخدام رؤية الحاسب2025 - 1447--- VISUAL CONTEXT --- **IMAGE**: رابط الدرس الرقمي Description: A QR code image for accessing a digital lesson, with the URL 'www.ien.edu.sa' displayed below it. Context: Provides a quick link to supplementary online educational resources for the lesson.**DIAGRAM**: شكل 4.1: تصنيف الصور باستخدام رؤية الحاسب Description: A conceptual diagram illustrating the process of image classification using machine learning in computer vision. It shows a leopard image labeled 'صورة خام' (raw image) on the right, an arrow pointing to a central brain-like icon labeled 'نموذج تصنيف تعلم الآلة' (machine learning classification model), and another arrow pointing to a stack of three labeled boxes on the left, representing 'المخرج المعنون' (labeled output). The output boxes show classification results with percentages: '98% نمر عربي' (98% Arabian leopard), '1% تفاحة' (1% apple), and '1% سيارة' (1% car). Data: The diagram visually represents how a raw image is processed by a machine learning model to produce a classified output with associated confidence levels. Key Values: صورة خام, نموذج تصنيف تعلم الآلة, المخرج المعنون, 98% نمر عربي, 1% تفاحة, 1% سيارة Context: This diagram visually explains the core concept of image classification, a key application of supervised learning in computer vision, by showing the input, processing model, and the probabilistic output of classification.