Seeing the Forest Through the Trees: "LiDAR Captures Today for the Future
توضیح👇 👈یوتیوب

توضیح فیلم بالا☝️
معرفی پروفسور Bogdan Strimbu
نام من بوگدان استریمبو است و من دانشیار مدیریت جنگل و سنجش از دور (Remote Sensing) در دانشگاه ایالتی اورگان هستم. من در دپارتمان مهندسی منابع و مدیریت جنگل فعالیت می‌کنم.

پرسش اول: موضوع تحقیقات شما چیست و چگونه از فناوری LiDAR استفاده می‌کنید؟
من مهندسان جنگل را به دو دسته تقسیم می‌کنم:
1. مهندسانی که به تاج پوشش درختان نگاه می‌کنند: این گروه به بخش‌های فعال فتوسنتزی درختان که حیات‌بخش درخت هستند (مانند تاج درختان) تمرکز دارند.
2. مهندسانی که به زیر تاج پوشش توجه می‌کنند: این گروه بر روی تنه، شاخه‌های پایین‌تر، درختچه‌ها و پوشش زمینی که حمایت‌کننده تاج هستند، مطالعه می‌کنند.

من در زمینه زیست‌سنجی (Biometrics) و مدل‌سازی رشد (Growth Modeling) تخصص دارم و از فناوری LiDAR برای موارد زیر استفاده می‌کنم:
- موجودی‌برداری جنگل (Forest Inventory).
- مدل‌سازی رشد درختان.

مزیت فناوری LiDAR:
این فناوری به‌ویژه برای هر دو دسته مهندسان جنگل بسیار مفید است زیرا دقت بالایی را ارائه می‌دهد و همچنین در مقایسه با بسیاری از روش‌های دیگر مقرون‌به‌صرفه است.

پرسش دوم: چگونه با فناوری LiDAR آشنا شدید؟
اولین مواجهه من با فناوری LiDAR چندان موفقیت‌آمیز نبود و در ابتدا نتوانستم به کاربرد آن ایمان بیاورم. اما با گذشت زمان، شبیه به تجربه یک طعم جدید، توانستم الگوهایی را ببینم که دیگران قادر به دیدن آن‌ها نبودند.
- تحول از فتوگرامتری سنتی به فتوگرامتری مدرن:
زمانی که در دانشگاه Louisiana Tech بودم، تحت تأثیر انتقال از فتوگرامتری سنتی به استفاده از ابر نقاط (Point Clouds) قرار گرفتم. این باعث شد که به فناوری‌های سنجش فعال مانند LiDAR علاقه‌مند شوم و به طور کامل به آن جذب شدم.

پرسش سوم: تجربه شما در استفاده از محصولات FJDynamics و همکاری با تیم آن‌ها چگونه بود؟
فناوری LiDAR تحولی شگرف در موجودی‌برداری جنگل ایجاد کرده است.
1. روش‌های سنتی موجودی‌برداری جنگل:
- دو نفر برای اندازه‌گیری قطر و ارتفاع درختان به مدت طولانی در محل حضور داشتند و تنها توانایی پوشش مساحت محدودی را داشتند.
2. فناوری LiDAR:
- با این فناوری، یک نفر می‌تواند مساحت بسیار وسیع‌تری را پوشش دهد.
- مزیت اصلی: ارائه یک سرشماری کامل (Full Census) از جنگل، که شامل هر درخت، کوچک یا بزرگ، می‌شود.
- همچنین، LiDAR یک تصویر سه‌بعدی لحظه‌ای (3D Snapshot) از وضعیت جنگل در یک بازه زمانی خاص فراهم می‌کند. این داده‌ها می‌توانند هم برای نیازهای امروز و هم برای تحقیقات آینده استفاده شوند.

تجربه کار با محصولات FJDynamics:
- کیفیت محصولات: سنسورهای FJDynamics از نظر کیفیت با برندهایی مانند Velodyne قابل مقایسه هستند، اما هزینه بسیار کمتری دارند.
- پشتیبانی تیم: پاسخ‌های تیم FJDynamics معمولاً در کمتر از 24 ساعت ارائه می‌شوند و راه‌حل‌های کاربردی و مفیدی ارائه می‌کنند.
- اگر همه شرکت‌ها مانند FJDynamics عمل کنند، همه چیز عالی خواهد بود.

پرسش چهارم: آینده فناوری LiDAR و داده‌های آن را چگونه می‌بینید؟
1. پیشرفت‌های آینده در LiDAR:
- فناوری LiDAR در حال حاضر بیش از 40 سال قدمت دارد و به بلوغ رسیده است.
- گام بعدی، ادغام داده‌های LiDAR با داده‌های کمکی مانند تصاویر ماهواره‌ای است.

2. ادغام داده‌های زمینی و هوایی:
- ترکیب داده‌های ثبت‌شده از بالای تاج پوشش درختان و داده‌های زیر تاج پوشش یک گام ضروری است.
- هموارسازی فرآیند هم‌ثبت‌سازی (Co-registration) ابر نقاط یکی از بهبودهای قابل‌اجراست که چالش خاصی ندارد اما ارزش افزوده بالایی دارد.

3. تحلیل داده‌های بزرگ (Big Data):
- آینده LiDAR در تجزیه‌وتحلیل داده‌های بزرگ و ترکیب آن با منابع دیگر سنجش از دور است.
- به‌عنوان‌مثال: استفاده از طیف‌های رنگی مختلف برای تجزیه‌وتحلیل سلامت گیاهان یا تشخیص آفات.

چشم‌انداز نهایی:
فناوری LiDAR، با توصیف جامع از جنگل، می‌تواند به‌عنوان پایه‌ای برای ترکیب سایر منابع داده عمل کند و تصویری جامع از وضعیت جنگل ارائه دهد.
جمع‌بندی
پروفسور استریمبو تأکید کرد که فناوری LiDAR نه‌تنها به نیازهای امروز پاسخ می‌دهد بلکه داده‌هایی ارزشمند برای استفاده در آینده نیز فراهم می‌کند. این فناوری در ترکیب با ابزارهایی مانند محصولات FJDynamics، نه‌تنها مقرون‌به‌صرفه است، بلکه در کیفیت و پشتیبانی نیز کارآمد است.

👈متن سایت ترجمه 👇

جنگل را از میان درختان ببینید: «لایدار (LiDAR) امروز را برای آینده ثبت می‌کند»

جنگل‌ها به‌عنوان بخشی جدایی‌ناپذیر از اکوسیستم ما، از هر نظر بی‌قیمت هستند. این منابع طبیعی نه‌تنها زیستگاهی برای طیف گسترده‌ای از حیات وحش فراهم می‌کنند، بلکه نقش مهمی در جذب کربن (Carbon Sequestration)، تصفیه آب (Water Purification)، و تثبیت خاک (Soil Stabilization) ایفا می‌کنند. برای قرن‌ها، مهندسان جنگل (Foresters) به عمق جنگل‌ها رفته‌اند و با دقت، شگفتی‌های آن‌ها را مستند کرده‌اند. تلاش آن‌ها برای مطالعه و درک این اکوسیستم‌های پیچیده همچنان با در دسترس قرار گرفتن فناوری‌های جدید تکامل می‌یابد. هرچه بیشتر بدانیم، بهتر می‌توانیم جنگل‌هایمان را مدیریت و حفظ کنیم.

لایدار: فناوری تشخیص و فاصله‌یابی نوری (Light Detection and Ranging - LiDAR)
برای چندین دهه، فناوری لایدار (LiDAR) در مطالعه اکولوژی و مدیریت جنگل‌ها به‌کار گرفته شده است. این فناوری اطلاعات سه‌بعدی (3D) و با وضوح بالا (High-Resolution) از ساختار جنگل ارائه می‌دهد و به پژوهشگران امکان می‌دهد تا ارتفاع درختان (Tree Height)، تراکم تاج پوشش (Canopy Density) و پوشش زمینی (Ground Cover) را با دقت فوق‌العاده اندازه‌گیری کنند.

با استفاده از قدرت لایدار، پژوهشگران می‌توانند مدل‌های دیجیتال دقیق از زمین (Digital Terrain Models) تولید کنند، سلامت جنگل‌ها (Forest Health) را ارزیابی کنند، زیست‌توده (Biomass) و جذب کربن را تخمین بزنند و راهبردهایی برای مدیریت پایدار جنگل‌ها (Sustainable Forest Management) توسعه دهند.

این مطالعه به تجربه گروهی از مهندسان جنگل می‌پردازد که تلاش دارند تأثیرات چندگانه استفاده از فناوری لایدار در تحقیقات جنگل‌داری را بررسی کنند. با دنبال کردن مسیر آن‌ها، خواهیم آموخت که چگونه فناوری لایدار دیدگاه آن‌ها به جنگل‌ها را تغییر داده است.

اتصال نقاط لایدار - تجربه‌ای تدریجی (Connecting the LiDAR Points - An Acquired Taste)
هکتارها جنگل‌های سرسبز در سواحل غربی ایالات متحده گسترده شده‌اند و اکوسیستمی متنوع را به نمایش می‌گذارند که هم پیچیده و هم جذاب است. در ایالت اورگن (Oregon)، تیمی پیشرو از پژوهشگران دانشگاه ایالتی اورگن (Oregon State University) از فناوری‌های پیشرفته برای مطالعه جنگل‌ها استفاده می‌کنند. پروفسور بوگدان استریمبو (Bogdan Strimbu)، استاد جنگلداری و مهندسی منابع طبیعی (Forest Engineering, Resources and Management)، یکی از پیشگامان استفاده از لایدار در پژوهش‌های جنگل‌داری است.

پروفسور استریمبو، که به‌عنوان متخصص بیومتری (Biometry) و مدل‌سازی رشد جنگل (Growth Modeling) فعالیت می‌کند، در ابتدا با لایدار ارتباط خاصی برقرار نکرده بود. او این فناوری را به‌عنوان یک «سلیقه اکتسابی» توصیف می‌کند که با گذر زمان ارزش آن آشکار می‌شود. او می‌گوید: «شما شروع به دیدن الگوهایی می‌کنید که دیگران نمی‌بینند. این موضوع مرا شیفته گذار از فتوگرامتری قدیمی (Old Photogrammetry) به فتوگرامتری جدید (New Photogrammetry) و سپس به ابر نقطه‌ای (Point Cloud) کرد... اگر فتوگرامتری این‌قدر کارهای جالب انجام می‌دهد، چرا به حسگرهای فعال (Active Sensors) مانند لایدار برنگردیم؟ این‌گونه بود که به لایدار علاقه‌مند شدم.»

قطب‌نماها، نقشه‌ها، مترهای جنگلی، و اکنون، مدل‌های سه‌بعدی (3D Models)
مستندسازی جنگل‌های عظیم در گذشته فرآیندی پرزحمت بود. تیم‌های جنگل‌داری مجبور بودند زمین را طی کنند و همه‌چیز را دستی اندازه‌گیری کنند. پروفسور استریمبو توضیح می‌دهد: «سرشماری جنگل (Forest Inventory) به‌طور سنتی با گشت‌زنی در زمین و اندازه‌گیری قطر و ارتفاع درختان انجام می‌شد.»

لایدار این فرآیند را بسیار سریع‌تر کرده است. یک اپراتور تنها می‌تواند در مدت کوتاهی مساحت بسیار بیشتری را پوشش دهد. توانایی لایدار در ارائه سرشماری جامع از جنگل (Comprehensive Census) و ثبت جزئیات هر درخت، از تاج بلند گرفته تا نهال‌های کوچک، یک تغییر اساسی در مدیریت جنگل‌ها ایجاد کرده است.

پروفسور استریمبو بیان می‌کند: «لایدار مانند یک مدل سه‌بعدی از آنچه جنگل در یک لحظه خاص به نظر می‌رسد، است.» این داده‌های غنی نه‌تنها در تصمیم‌گیری‌های کنونی مؤثر هستند، بلکه به‌عنوان یک منبع ارزشمند برای پژوهش‌های آینده نیز عمل می‌کنند.

پیشرفت سریع: حمایت FJDynamics پژوهش را متحول می‌کند
پس از اینکه پروفسور استریمبو به ارزش داده‌های لایدار پی برد، کیفیت و دسترسی به این داده‌ها به نگرانی اصلی او تبدیل شد. با تکیه بر تجربه او با حسگرهای تولیدکنندگان مختلف، پروفسور استریمبو استانداردهای بالایی برای کیفیت داده (Data Quality)، قابلیت اطمینان خدمات (Service Reliability) و پشتیبانی مداوم (Ongoing Support) داشت.

او خاطرنشان می‌کند: «کمکی که از FJDynamics دریافت کردم بسیار عالی بود و معمولاً پاسخ‌ها ظرف 24 ساعت می‌رسیدند.» این حمایت به تیم او امکان می‌دهد که روی استخراج بینش از داده‌ها تمرکز کنند و ساعت‌ها یا حتی روزها را در فرآیند جمع‌آوری و تحلیل داده صرفه‌جویی کنند.

فراتر از داده‌ها: لایدار در آستانه یکپارچگی اطلاعات (Beyond the Beam: LiDAR on the Cusp of Information Integration)
هم‌زمان با رشد و بلوغ فناوری لایدار، انتظار می‌رود این فناوری بینش‌های جامع‌تری در مورد اکوسیستم‌های جنگلی ارائه دهد. پروفسور استریمبو لایدار را به‌عنوان منبعی اساسی برای تحلیل داده‌های کلان (Big Data) در جنگل‌داری تصور می‌کند.

او می‌گوید: «آنچه اکنون مشاهده می‌کنیم، ادغام دو نوع توصیف‌کننده جنگل است: یکی از بالای تاج (Above Canopy) و دیگری از پایین تاج (Below Canopy).» این ادغام اطلاعات هوایی و زمینی می‌تواند تصویر جامع‌تری از سلامت و ترکیب جنگل ارائه دهد.

پروفسور استریمبو نتیجه‌گیری می‌کند: «لایدار امروز را برای آینده ثبت می‌کند.»

امکانات جدید👇

امکانات جدید آخرین ورژن ☝️
این یادداشت انتشار به کاربران خبر از نسخه جدید نرم‌افزار FJD Trion Model V1.000.D.0201 می‌دهد. در این به‌روزرسانی، ویژگی‌ها و بهینه‌سازی‌های متعددی ارائه شده است که در ادامه توضیح داده می‌شود.

ویژگی‌های جدید:
1. استخراج داده‌ها
- امکان فیلتر کردن داده‌های ابر نقطه (Point Cloud) بر اساس شدت (Intensity)، ارتفاع (Elevation) و فاصله POS (POS Distance) برای استخراج نواحی موردنظر فراهم شده است.

2. محاسبه ذخیره کربن برای هر درخت
- محاسبه میزان ذخیره کربن برای هر درخت، جهت ارائه داده‌های دقیق برای ارزیابی ذخیره کربن منطقه‌ای و معاملات کربن.

3. پشتیبانی از موس سه‌بعدی
- امکان استفاده از موس سه‌بعدی برای تسهیل در ترسیم و کار با داده‌ها.

4. پشتیبانی از زبان پرتغالی
- افزودن گزینه زبان پرتغالی برای حذف موانع زبانی برای کاربران پرتغالی‌زبان.

5. ذخیره دسته‌ای
- امکان ذخیره چندین داده ابر نقطه به‌طور همزمان، که فرآیند صادرات داده‌ها را سریع‌تر و آسان‌تر می‌کند.

ماژول تحلیل مقطع (اختیاری):
A. وارد کردن محور طراحی
- وارد کردن محور طراحی با استفاده از زنجیره‌های شکسته، منحنی‌های تخت و منحنی‌های عمودی با بررسی خودکار دقت داده‌ها.

B. وارد کردن طراحی مقطع
- امکان وارد کردن فایل‌های طراحی مقطع با تعریف خطوط مستقیم و منحنی.

C. تولید مقطع
- تولید داده‌های مقطع ابر نقطه بر اساس فاصله‌های ثابت یا مایل‌های مشخص.

D. مقایسه مقطع
- تنظیم پارامترهای مقایسه و مقایسه ابر نقطه با فایل طراحی مقطع.

E. حاشیه‌نویسی حفاری تونل‌های معدنی
- حاشیه‌نویسی نتایج تحلیل مقطع به‌صورت خودکار یا دستی برای شناسایی نواحی بیش‌حفاری و کم‌حفاری.

F. گزارش تحلیل مقطع
- خروجی گزارش اطلاعات بیش‌حفاری با داده‌های مقایسه‌ای و مایل‌های مشخص برای استفاده در گزارش کیفیت و راهنمایی در محل ساخت‌وساز.

ویژگی‌های بهینه‌سازی‌شده:
1. ترکیب کلیدهای فریم و جعبه برش
- امکان پنهان کردن داده‌های غیرمرتبط هنگام ایجاد ویدئو با کلیدهای فریم، برای بهبود جلوه‌های ویدئویی.

2. بهینه‌سازی ثبت ابر نقطه
- ارائه پنجره‌های جداگانه برای ثبت ابر نقطه، برای سهولت در انتخاب داده‌های مختلف.

3. محاسبه ذخیره‌سازی سفارشی
- امکان محاسبه حجم ذخیره جنگل در کشورهای مختلف از طریق فرمول‌های سفارشی.

4. ایجاد چندین مقطع
- تنظیم فاصله بین مقاطع و ایجاد تعداد زیادی مقطع به‌صورت همزمان.

5. قفل کردن جعبه برش
- قفل کردن اندازه جعبه برش برای افزایش کارایی در برش چندگانه اشیای هم‌اندازه.

توضیحات تکمیلی:
1. برای نصب و به‌روزرسانی، از منوی «Help» گزینه «About» سپس «Check for updates» را انتخاب کنید.
2. این نرم‌افزار تنها از سیستم‌عامل ویندوز پشتیبانی می‌کند.
3. در صورت بروز هرگونه مشکل، لطفاً با مدیر خدمات پس از فروش منطقه‌ای خود تماس بگیرید.

تاریخ انتشار: دسامبر 2024

توضیحات اصطلاحات فنی:
- ابر نقطه (Point Cloud): مجموعه‌ای از نقاط سه‌بعدی که با استفاده از لایدار یا دیگر سنسورها جمع‌آوری می‌شود.
- شدت (Intensity): میزان بازتاب نور لیزر از سطح.
- POS Distance: فاصله تعیین‌شده توسط سیستم موقعیت‌یاب مکانی.
- کلیدهای فریم (Keyframes): نقاط مرجع در یک ویدئو برای تعریف تغییرات بصری.
- حاشیه‌نویسی (Annotation): اضافه کردن توضیحات یا برچسب‌ها به داده‌ها.

مدل سه بعدی و نقشه ی یک ویلا در چند دقیقه

🔥تعدادی اسکنر P1 ترخیص و وارد انبار شرکت شد که یک دستگاه آن برای بازدید و تست بعنوان دمو نزد شرکت می ماند
و از بقیه فقط یک دستگاه هنوز پیش فروش نشده است که اگر تعجیل در تحویل داشته باشید، همین امروز با خانم احمدی ، مسئول پیگیری و فروش با آیدی @fjdiran2 یا همراه 090504688275 تماس حاصل فرمایید .
(در صورت عدم دسترسی سریع به ایشان به آیدی @fjdiran پیام بزنید)

محاسبه حجم یک تونل

پارکینگ طبقاتی

مجتمع طبقاتی

همانطور که از 👈این لینک ، فروشگاه رسمی کمپانی ، قابل مشاهده است ☝️قیمت جهانی P1 معادل 12 هزار دلار است که همینک قیمت دلار حواله بیش از 77 هزار تومن می شود حدود 924 میلیون تومان، اضافه بفرمایید هزینه ی حمل و گمرک که از قیمت اعلامی 980 بیشتر می شود. این نکته اثبات این اطلاع قبلی ماست که تلاش ما برای حفظ قیمت 980 میلیون، حفظ قیمت ویژه برای ایران است.
جالب است بدانید قیمت در اروپا و آمریکا 13 هزار دلار است

اندازه گیری حجم مخزن و یک تونل با اسکنر لیزری
توضیحات و آموزش مراحل در زیر 👇

محاسبه حجم یک مخزن و تونل، ( توضیحات فیلم بالا☝️)
در این ویدیو قصد دارم نحوه محاسبه حجم بسته (Closed Volume) را با استفاده از نرم‌افزار Trion Model به شما آموزش بدهم. این ابزار برای محاسبه حجم عناصر مختلف، از جمله مخازن و سطوح نامنظم، بسیار مفید است. در این آموزش، ما یک مخزن را اسکن کرده‌ایم و گام‌به‌گام نحوه محاسبه حجم آن را بررسی خواهیم کرد.

مرحله اول: آماده‌سازی داده‌ها
1. انتخاب داده‌ها:
- یک فایل ابر نقطه (Point Cloud) را که از یک مخزن یا شیء اسکن شده تهیه شده است، باز کنید.
- در این مثال، ما از یک مخزن استفاده کرده‌ایم که سطح آن به دلیل رطوبت و جنس آلومینیومی به طور کامل اسکن نشده است. جنس آلومینیوم معمولاً چالش‌هایی برای اسکنرهای لیزری (LiDAR Scanners) ایجاد می‌کند و ممکن است داده‌ها ناقص باشند.

مرحله دوم: ایجاد مش سطحی (Surface Mesh)
1. انتخاب ابزار:
- از منوی Triangles در نرم‌افزار Trion Model**، گزینه "مش سطحی" (**Surface Mesh) را انتخاب کنید.

2. تنظیم پارامترها:
- یک مقدار برای فاصله نمونه‌گیری (Sampling Interval) تعیین کنید، مثلاً 0.1 متر.
- این پارامتر تعیین می‌کند که مش با چه دقتی از ابر نقطه ساخته شود. پارامترهای مختلف را امتحان کنید تا بهترین نتیجه را به دست آورید.

3. بررسی مش ایجادشده:
- مش تولیدشده را مشاهده کنید. ممکن است برخی از نواحی مش خالی یا ناقص باشند، به‌خصوص اگر ابر نقطه کامل نباشد.

مرحله سوم: پر کردن حفره‌ها (Filling Holes)
1. پر کردن خودکار:
- از ابزار پر کردن حفره‌ها استفاده کنید. نرم‌افزار به طور خودکار حفره‌های موجود در مش را شناسایی و پر می‌کند.
- نواحی پرشده معمولاً با رنگ سفید نمایش داده می‌شوند.

مرحله چهارم: صاف کردن مش (Mesh Smoothing)
1. استفاده از ابزار صاف‌کننده:
- ابزار Mesh Smoothing را برای تمیزتر کردن و نزدیک‌تر شدن مش به شکل واقعی شیء استفاده کنید.
- این کار به‌ویژه در مناطقی که داده‌های ابر نقطه ناقص بوده‌اند، مفید است.

مرحله پنجم: محاسبه حجم بسته
1. انتخاب ابزار:
- مش تولیدشده را انتخاب کرده و به ابزار "حجم بسته" (Closed Volume) بروید.

2. محاسبه خودکار:
- نرم‌افزار به طور خودکار حجم شیء را محاسبه کرده و نمایش می‌دهد.
- در این مثال، حجم مخزن حدود 409 متر مکعب محاسبه شد.

مرحله ششم: نمونه‌برداری از مش
1. ابزار نمونه‌برداری:
- نرم‌افزار به شما امکان می‌دهد از مش تولیدشده یک نمونه‌برداری کم‌چگالی از نقاط انجام دهید.
- این ابزار برای ایجاد یک ابر نقطه ساده‌تر و کم‌حجم‌تر از مش بسیار مفید است، به‌ویژه برای مواردی که داده‌های سنگین مشکل‌ساز هستند (مانند پروژه‌های معماری با ساختمان‌های بزرگ).

کاربردهای دیگر:
1. محاسبه حجم بناهای تاریخی:
- ابزار "حجم بسته" فقط برای مخازن یا اشیاء ساده نیست. می‌توانید از این ابزار برای محاسبه حجم سطوح نامنظم مانند بناهای تاریخی استفاده کنید.
- به عنوان مثال، در پروژه‌ای که یک بنای تاریخی در اسکن شده بود، از همین روش برای محاسبه حجم استفاده شد.

2. عناصر ساختاری نامنظم:
- این ابزار برای شرکت‌هایی که نیاز به محاسبه سریع حجم عناصر ساختاری دارند، بسیار مفید است.

نکات پایانی:
- کیفیت اسکن اولیه و داده‌های ابر نقطه برای دقت محاسبات حیاتی است.
- نرم‌افزار Trion Model می‌تواند مش‌های ایجادشده را در فرمت‌های مختلف برای استفاده‌های دیگر، از جمله طراحی و تحلیل، صادر کند.
- این ابزار برای پروژه‌های مهندسی، معماری و ساخت‌وساز بسیار کاربردی است.

راهنمای کامل👈 نرم افزار پردازش Trion Model ورژن 201 کمپانی FJD

اسکنر P1 در اندونزی برای احجام پایل ها