الدليل الكامل لواجهة برمجة تطبيقات Google Cloud Vision: الميزات والأسعار والمشاريع العملية

مقدمة

في عصرنا هذا، نُنتج كميات هائلة من البيانات المرئية - صور، ومسح ضوئي، ومقاطع فيديو - ويُعدّ استخلاص المعاني والمعلومات من هذه البيانات أمرًا بالغ الأهمية للشركات، والشركات الناشئة، والمطورين. تتيح لنا واجهة برمجة تطبيقات Google Vision، وهي جزء من مجموعة خدمات الذكاء الاصطناعي والتعلم الآلي من Google Cloud، تحليل هذه البيانات المرئية باستخدام نماذج مُدرّبة مسبقًا. 
في هذه المقالة، نستعرض أولاً القدرات الرئيسية، ثم ننظر إلى التكاليف وكيفية حسابها، وأخيراً نقترح بعض المشاريع العملية للتنفيذ.

القدرات والميزات

فيما يلي قائمة بالميزات المهمة لـ Vision API:

• اكتشاف العلامات: تحليل الصورة وتعيين علامات مثل "كلب"، "حديقة"، "سيارة"، وما إلى ذلك لها.

• التعرف على النص (OCR) – يتضمن اكتشاف النص للمناطق النصية المتناثرة، واكتشاف نص المستند للمسح الضوئي/ملفات PDF/المخطوطات.

• اكتشاف الوجه: التعرف على الوجوه والإحداثيات، وأحيانًا السمات العاطفية. إيكوميا.اي

• اكتشاف المعالم: على سبيل المثال، برج إيفل، وتاج محل، وما إلى ذلك.

• اكتشاف الشعار: يكتشف العلامات التجارية/الشعارات الموجودة في الصورة. 

• اكتشاف خصائص الصورة: مثل اللون السائد، والسطوع، وتكوين اللون. 

• اكتشاف البحث الآمن: لتحديد المحتوى الخاص بالبالغين والعنف وما إلى ذلك. 

• تحديد موقع الكائن: كائنات متعددة في الصورة مع إحداثياتها. 

• اكتشاف الويب: العثور على صور مماثلة، واكتشاف المصدر، واكتشاف كيان الويب. 

تتكامل هذه الخدمة أيضًا بسهولة مع خدمات Google Cloud الأخرى مثل AutoML Vision وDocument AI وBigQuery وما إلى ذلك. 

التكاليف وهيكل التسعير

• نموذج الدفع: "الدفع حسب الاستخدام"؛ مما يعني أنك تدفع فقط مقابل الوحدات التي تستخدمها. 

• تُحسب تكلفة كل "ميزة" تُنفَّذ على صورة كوحدة واحدة. على سبيل المثال، إذا أجريتَ كلاً من كشف العلامات وكشف الوجوه على صورة، فسيتم حساب تكلفة كلٍّ منهما كوحدتين. 

• على سبيل المثال: في النسخة الإنجليزية، الخدمة مجانية حتى ١٠٠٠ وحدة شهريًا. ثم يبدأ السعر من ١٠٠١ إلى ٥ ملايين وحدة، على سبيل المثال، للكشف عن الملصقات. 1.5 دولارًا لكل 1000 وحدة في بعض الكتل.

• مثال بسيط: إذا كان لديك 4300 طلبًا للكشف عن المعالم في شهر واحد - وفقًا للوثائق، فهذا يعني حوالي 10 دولارات وسيكون هناك تكلفة، والتي قد تكون أعلى بسبب العقوبات والدفع بالريال.

• ملاحظة: قد تكون هناك تكاليف إضافية من مصادر أخرى مثل التخزين السحابي والحوسبة ونقل البيانات. 

مشاريع عملية مقترحة

فيما يلي بعض المشاريع التي يُمكن إنجازها باستخدام واجهة برمجة تطبيقات Vision. يتضمن كل مشروع شرحًا للاستخدام والمتطلبات ونصائح للتنفيذ.

المشروع 1: إدارة المخزون الآلية باستخدام التعرف على الصور

طلب: في متجر إلكتروني أو مستودع، تُلتقط صورة لمنتج، وتتعرف الخدمة على المنتج، هل يحمل ملصقًا؟ هل حالته الصحية جيدة؟
متطلبات: خدمة كشف الملصقات والشعارات (إذا كانت العلامات التجارية مهمة). احفظ الصور في التخزين السحابي وقاعدة البيانات لتسجيل النتائج.
نصائح:

• قبل التشغيل، قم بتمكين واجهة برمجة التطبيقات (API) وإعداد حساب المفتاح/الخدمة.

• قد تحتاج إلى معالجة الصور مسبقًا (على سبيل المثال، الإضاءة/الزاوية الصحيحة) لتحقيق دقة أفضل.

• لتتبع التكاليف: احسب عدد الصور × الوحدات المستخدمة × السعر لكل ألف وحدة.

المشروع 2: مراقبة محتوى المستخدم (المحتوى غير المناسب)

طلب: في تطبيق التواصل الاجتماعي أو منصة مشاركة الصور، عليك التأكد من أن الصور التي يقوم المستخدمون بتحميلها لا تحتوي على محتوى غير لائق.
متطلبات: كشف البحث الآمن + كشف العلامات. تخزين السجلات وإمكانية العمل مع Cloud Functions للاستجابة السريعة.
نصائح:

• تأكد من اتباع سياسات الخصوصية والأعمال.

• انتبه إلى أن الصور ذات الجودة المنخفضة قد تؤدي إلى نتائج مضللة.

• التكاليف: ضع في اعتبارك عدد الصور × الميزات (على سبيل المثال، البحث الآمن فقط).

المشروع 3: استخراج النص من الصور الممسوحة ضوئيًا (OCR)

طلب: بالنسبة للشركات التي قامت بمسح المستندات والنماذج، فإن استخدام OCR يمكن أن يستخرج النص ويحلله أو يخزنه.
متطلبات: كشف نصوص المستندات للمسح الضوئي أو النصوص الكثيفة. خزّن النتائج في BigQuery أو قاعدة البيانات.
نصائح:

• يتم دعم تنسيقات الملفات مثل PDF/TIFF. توثيق Google Cloud

• قد ترغب في التعرف على الخطوط أو الأشكال، وفي هذه الحالة ستحتاج إلى القيام بمعالجة إضافية بعد التعرف الضوئي على الحروف.

• لتقليل التكاليف: إذا لم يكن ذلك ضروريًا، قم بإرسال أجزاء من الصورة فقط أو اضبط الجودة بشكل مناسب.

المشروع 4: البحث البصري في متجر على الإنترنت

طلب: يقوم المستخدم بالتقاط صورة لعنصر ما (مثل الأحذية) ويقوم النظام بالعثور على عنصر مشابه في الكتالوج.
متطلبات: تحديد موقع الكائنات + اكتشاف العلامات أو اكتشاف الويب. احتفظ بمجموعة بيانات لمنتجاتك.
نصائح:

• قد يتطلب هذا المشروع التكامل مع أنظمة الكتالوج وقواعد البيانات.

• دقة النموذج مهمة للتصنيف والتعرف على المطابقة.

• التكلفة: تقدير الميزات وعدد الطلبات.

المشروع 5: تحليل الصور لمراقبة جودة الإنتاج

طلب: في المصنع أو خط الإنتاج، تلتقط الكاميرا صورة، ويفهم النظام ما إذا كان المنتج به أخطاء أو بقع أو يفي بالمعايير.
متطلبات: اكتشاف العلامات وتحديد موقع الكائنات أو حتى نموذج مخصص (AutoML Vision) إذا كنت تريد التعرف على ميزة معينة.
نصائح:

• إذا كنت تريد ميزة محددة للغاية، فقد تحتاج إلى تدريب النموذج (AutoML). 

• قد يتطلب الوقت الحقيقي بنية تحتية تحتوي على وظائف البث والنشر/الاشتراك والسحابة.

• تقدير التكلفة والحجم من البداية.

دروس تعليمية سريعة

فيما يلي الخطوات العامة للبدء باستخدام Vision API:

1. في وحدة تحكم Google Cloud، قم بإنشاء مشروع، وقم بتمكين خدمة Vision API. 

2. قم بإنشاء حساب خدمة أو مفتاح API ومنح الأذونات المناسبة.

3. قم بإعداد صورة (على سبيل المثال ملف JPEG أو PNG) أو استخدم التخزين السحابي.

4. قم بإرسال طلب بإحدى لغات العميل (على سبيل المثال Python، Node.js، Java).

   • مثال بايثون:

     from google.cloud import vision
     client = vision.ImageAnnotatorClient()
     with open("image.jpg", "rb") as f:
     content = f.read()
     image = vision.Image(content=content)
     response = client.label_detection(image=image)
     for label in response.label_annotations:
     print(label.description, label.score)
     

     (المصادر العامة: الوثائق الرسمية) توثيق Google Cloud

5. قم بتحليل الناتج وحفظه واتخاذ إجراء بناءً عليه (على سبيل المثال، الحفظ في BigQuery، تشغيل، تنبيه).

6. مراقبة التكاليف والحدود: في صفحة التسعير والحصص. جوجل كلاود

نصائح فنية وأفضل الممارسات

• جودة الصورة مهمة: قد تجعل الصورة الضبابية أو المشوشة عملية الكشف صعبة.

• يمكن أن تعمل المعالجة المسبقة (القص، والتدوير، والإضاءة) على تحسين الدقة.

• إذا كان لديك عدد كبير من الصور، ففكر في التجميع.

• قم بتقدير التكاليف منذ البداية حتى لا تتعرض لنفقات غير متوقعة.

• إذا كنت بحاجة إلى اكتشاف محدد للغاية (على سبيل المثال، خطأ محدد في المنتج أو التصنيع)، فقد يكون النموذج المخصص (AutoML Vision) خيارًا أفضل.

• انتبه لقضايا الخصوصية والأخلاق، خاصة عندما يتعلق الأمر بالتعرف على الوجه أو المحتوى الحساس.

• تحقق من حدود الحصص لتجنب انقطاع الخدمة.