تصميم اكتشاف الأجسام في Flutter والتمييز عن تصنيف الصورة، مع إدارة إطار واحد قيد المعالجة وفشل النموذج ودوران الكاميرا.
التصنيف مختلف عن اكتشاف الأجسام
مصنف صورة قد يعيد كلمة قطة أو كلب مع درجة للصورة كلها، ولا يحدد تلقائيًا مكان كل جسم فيها. detector يعيد حدودًا للأجسام وقد يوفر تصنيفات أو تتبعًا حسب النموذج والخيارات. لا تسم أي نتيجة label اكتشافًا مكانيًا كاملًا. المثال السابق استعمل Tflite.runModelOnFrame دون توضيح عقد النموذج، لذلك يبدأ هذا الشرح بتحديد المخرج المطلوب ثم اختيار محرك يقبله بدل نسخ ملف tflite مجهول من رابط قديم.
ابدأ بإطار ثابت قبل البث
تحقق من inference لصورة اختبار واحدة مع ObjectDetector وإعداداته أو نموذجك المتوافق، ثم أضف CameraImage بعد نجاح هذا المسار. نمط single للصورة يختلف عن stream الذي قد يوفر معرفات تتبع بين الإطارات. التصنيفات الافتراضية ليست قائمة غير محدودة بأسماء كل الأشياء؛ راجع فئات النموذج وعتباته. إذا استعملت نموذجًا مخصصًا فافحص متطلبات metadata والتوافق، ولا تخلط نموذج تصنيف بسيط مع مخرج detection ذي حدود متعددة.
إطار قيد المعالجة بدل طابور متنامٍ
إذا بدأت معالجة كل إطار دون انتظار فقد تتكدس نتائج قديمة وتزداد الذاكرة والزمن. بوابة FrameGate التالية تتجاهل العمل الجديد أثناء الانشغال وتحرر الحارس في finally حتى عند الخطأ. تعيد null إذا لم تقبل طلبًا، بينما تعيد قائمة فارغة إذا قُبل الإطار ولم يكتشف شيئًا. هذا الفرق يمنع ترك isLoading عالقًا بسبب قائمة فارغة، وهو خطأ كان موجودًا عند وضع إعادة الضبط داخل حلقة النتائج فقط.
صيغ الصور والإحداثيات
تحويل CameraImage يحتاج صيغة pixels وbytesPerRow وعدد planes ودورانًا صحيحًا وفق الكاميرا والجهاز. لا تجعل rotation:90 ثابتة لكل منصة، ولا تفترض أن cameras[0] دائمًا الخلفية المرغوبة. اختر lensDirection وتحقق من قائمة فارغة. رسم bounding boxes يتطلب تحويلًا يطابق مساحة المعاينة والقص والانعكاس، وإلا قد تكون نتيجة المحرك صحيحة لكن المستطيل ظاهرًا في مكان آخر. اختبر portrait وlandscape وكاميرا أمامية وخلفية.
العمر وإيقاف الموارد
ابدأ stream بعد تهيئة الكاميرا والنموذج بنجاح، وأوقفه عندما تخرج الصفحة أو تفقد النشاط بحسب سياسة المنتج. لا تبدأ callbacks تحدث State بعد إغلاقها، ولا تتخلص من detector بينما عملية تستعمله دون انتظار مناسب. عند فشل الإذن أو التحميل اعرض مسار إعادة محاولة وحدد ما الذي سيعاد تهيئته. معالجة الخطأ لا تعني الاستمرار في استقبال مئات إطارات ستفشل للسبب نفسه؛ أوقف المصدر أو طبق سياسة محددة.
خطة اختبار النتائج
اختبر بوابة الإطارات بخدمة وهمية تتأخر وتفشل ثم تنجح، وبنتيجة فارغة، وتأكد أن طلبًا متداخلًا لا ينفذ. أما دقة الكشف فاختبرها بصور معلّمة ومواقف غير موجودة في التدريب، وراجع الأجسام الصغيرة والحركة والإضاءة. المثال يوفر جزء تنسيق العمل لا stream كاميرا كاملًا أو نموذجًا جاهزًا. ابدأ من مثال SDK المدعوم لتحويل الصور على منصتك، ثم اربط البوابة واختبر التحويل والرسم على الجهاز قبل تقييم سرعة أو دقة التطبيق.
ترتيب إيقاف التدفق
قبل إغلاق detector أوقف مصدر الإطارات ثم انتظر المهمة المقبولة إن كانت واجهتك تسمح بذلك، وبعدها حرر المورد. بوابة المثال لا تلغي عملية native بدأت بالفعل؛ هي تمنع بدء ثانية فقط. إذا أغلق المستخدم الصفحة أثناء انتظار المهمة فتجاهل تحديث العرض بعد انتهائها لكن احرص أن مسار تنظيف الموارد يستمر. في تصميم يسمح بإعادة فتح detector استعمل موردًا جديدًا بعد إغلاق القديم لا علمًا عامًا يجعل كائنًا مغلقًا يبدو جاهزًا. سجل أخطاء التهيئة بصيغة لا تحتوي إطارات أو صورًا شخصية، وميّز بين فشل تحويل الصورة وفشل النموذج وخطأ عرض الإحداثيات. هذه الحدود تجعل تشخيص دوران صندوق خاطئ أسهل من إعادة تدريب نموذج يعمل أصلًا بصورة صحيحة. زمن الاستجابة الجيد يحتاج إسقاط الإطارات أو سياسة جدولة واضحة، لا مجرد كتابة async أمام الاستدلال.
مثال الشفرة وحدوده
class FrameGate<T> {
bool _busy=false;
bool get busy=>_busy;
Future<T?> run(Future<T> Function() process) async {
if(_busy)return null;
_busy=true;
try{return await process();}
finally{_busy=false;}
}
}
// Example wiring (after a correct platform-specific image conversion):
// final gate=FrameGate<List<DetectedObject>>();
// final result=await gate.run(()=>detector.processImage(inputImage));
// if(result==null)return; // Dropped frame, NOT an empty detection list.
// if(!mounted)return;
// setState(()=>objects=result);
// Use google_mlkit_object_detection and its documented options,
// or a compatible custom detector. This gate is not an inference engine.الصور والفيديو من الشرح
قد تعرض المواد إصدارًا أقدم من المكتبات؛ اعتمد النص المصحح عند اختلاف الإعدادات أو الكود.







