منظومة الرؤية الحاسوبية للمتاجر والهايبر ماركت YOLOv8n-ONNX + ByteTrack LIVE

Smart Retail CCTV AI Analytics, Shelf OOS, Queue Management & Multi-Factor Loss Prevention — v2026.2
2026-11-10 | 06:00:00 AST
رصد لحظي نشط CAM-01: رصد انتظار عملاء في طابور الكاشير مع خلو منطقة موظف المحاسبة (Staff Zone Empty) [Track #211 | الثقة: 96.8%]
1. الكاشير وطوابير الانتظار الموظف: غائب 🚨
2 عميل بالطابور
38s
متوسط الانتظار
مراقبة حية لمنطقة (Staff Zone) وطابور المحاسبة
2. امتلاء الأرفف والفراغات (OOS) SKU-110K Grid
78.4% نسبة الامتلاء
3
فراغات مرصودة
تحديد مستطيلات الفراغات وإشعار مسؤول التزويد
3. حركة العملاء والعربات والرف Pick / Put / Cart
8 متسوق متتبع
14
تفاعل مع الرف
التقاط: 6 | وضع بالعربة: 5 | إرجاع للرف: 3
4. سقوط المنتجات وعوائق الممرات FallSafe ROI
1 عائق / منتج ساقط
99.1%
جاهزية الأمان
رصد فوري لأي عبوة ساقطة أو انزلاق بالممرات
5. كشف السرقة ومنع الإنذار الخاطئ Shopformer 4-Factor
94.4% أعلى مؤشر تقاطع
19
إنذار خاطئ مستبعد
عتبة الإنذار النشطة: 72.0% (متعدد العوامل)
نمط العرض:
طبقات الذكاء الاصطناعي (AI HUD):
CAM-01 كاميرا الكاشير وطوابير الانتظار وغياب الموظف
انقر على الشاشة لتحديد نقاط المضلع (3 نقاط أو أكثر) ثم اضغط حفظ:
الطابور: 2 متوسط الانتظار: 38s موظف الكاشير: غائب 🚨
1280×720 | YOLOv8n + ByteTrack
CAM-02 كاميرا أرفف العرض وكشف الفراغات (Shelf OOS)
انقر لتحديد مضلع رف المنتجات ثم اضغط حفظ:
امتلاء الرف: 85.7% فراغات الأرفف (Gaps): 3 عبوات مرصودة: 14
SKU-110K Hybrid Grid
CAM-03 كاميرا الممرات وحركة العملاء والعربات والتفاعل
انقر لتحديد نطاق تفاعل الرف أو مسار العربات:
المتسوقين بالممر: 5 تفاعل لحظي: Picked Up -> Cart المنتجات: 12
Aisle-Guard FSM + Heatmap
CAM-04 كاميرا مكافحة السرقة وسلامة وعوائق الممرات
انقر لتحديد منطقة السلع الثمينة أو أرضية الممر:
مؤشر الاشتباه: 88.5% عوائق الأرضية: 0 فلترة إنذار كاذب: نشط ✅
Shopformer 4-Factor Scorer
🧪 مختبر الفحص الذكي المباشر (Live AI Sandbox — YOLOv8n-ONNX + Shelf OOS Analyzer)
REAL INFERENCE ENGINE

ارفع أي صورة أو فيديو من جهازك لسوبر ماركت أو متجر، أو افتح كاميرا الويب الحية (Live Webcam)، أو اختر من المشاهد الحقيقية الجاهزة بالأسفل ليقوم محرك الرؤية الحاسوبية بتحليلها فعلياً ورسم مربعات الكشف وفراغات الأرفف وحفظ النتائج في سجل الأدلة.

مشاهد سوبر ماركت حقيقية جاهزة للتجربة الفورية:
🎯 شاشة التحليل البصري ورسم الـ Bounding Boxes والفراغات
جاهز للفحص
📊 نتائج التحليل الفعلي والقياسات المستخرجة
YOLOv8n-ONNX
الأشخاص والعملاء المرصودون
0
المنتجات والعبوات المكتشفة
0
نسبة امتلاء الرف (Fill Rate)
0%
فراغات الأرفف (Shelf Gaps)
0
تفاصيل العناصر والفراغات المكتشفة في اللقطة:
فلترة سجل الأدلة:
📥 تصدير السجل (CSV / Excel)
دقة النظام (Precision) Active Learning
93.72%
نسبة صحة التنبيهات الفعلية بعد الفلترة
معدل الاستدعاء (Recall) Sensitivity
95.32%
كفاءة التقاط الحوادث والفراغات الحقيقية
معدل الإنذارات الخاطئة (FPR) Low False Alarm
1.45%
ينخفض تلقائياً مع كل ضغطة (إنذار خاطئ ❌)
مؤشر HPRS القياسي (2026) PoseLift / RetailS
95.84%
المتوسط التوافقي للدقة والاستدعاء والخصوصية
حجم داتاسيت التدريب Training Vault
241
تأكيدات المشرفين المربوطة بقاعدة البيانات

🧠 استوديو التدريب المستمر ومعايرة الحساسية (RetailS Periodic Adaptation & Fine-Tuning Studio)

عند النقر على (تأكيد الحدث ✅) أو (إنذار خاطئ ❌) في سجل الأحداث، يتم حفظ اللقطة وإحداثيات الـ Bounding Box في جدول training_dataset وتحديث عتبة الحساسية تلقائياً. اضغط الزر المقابل لتشغيل دورة إعادة ضبط الأوزان الشاملة.

⚙️ مصفوفة أداء الموديولات الخمسة وعتبات الحساسية الديناميكية (Dynamic Thresholds)
الموديول (AI Module) المعمارية مفتوحة المصدر (2026 Backbone) عتبة الحساسية (Threshold) أحداث صحيحة (TP) إنذارات خاطئة (FP) الدقة (Precision) الاستدعاء (Recall) مؤشر HPRS
📈 تحليل أوقات الذروة وكثافة الزوار وطوابير الكاشير على مدار اليوم
📊 أسرع الأرفف والأقسام نفاداً للمخزون ومعدل تفاعل العملاء (Pick vs Put Back)
🗂️ أحدث اللقطات المضافة لداتاسيت التدريب (Training Dataset Samples)
معرف العينة الكاميرا الموديول قرار المراجعة تعديل الوزن
⏱️ سجل دورات إعادة التدريب والمعايرة (Fine-Tuning Jobs History)
رقم الدورة العينات الدقة قبل ← بعد الإنذار الخاطئ قبل ← بعد الحالة