تعرّف على كيفية تدريب Ultralytics YOLO11 المخصص لتقدير وضعية الكلاب والاستفادة من النموذج المدرّب للتطبيقات العملية مثل رعاية الحيوانات الأليفة.
ماذا لو أن وضعية كلبك يمكن أن تمنحك نظرة ثاقبة حول ما يشعر به؟ إن مراقبتهم يدوياً على مدار الساعة ليس بالأمر السهل. ومع ذلك، وبفضل التطورات في مجال الذكاء الاصطناعي (AI) والرؤية الحاسوبية، يمكننا تحليل لقطات الفيديو في الوقت الفعلي لفهم سلوكهم بشكل أفضل.
على وجه التحديد، نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 أن تساعد في تقدير وضعية الكلب وتتبع حركته، مما يوفر رؤى قيّمة حول سلامته. كيف يعمل هذا؟ يمكن لإمكانية تقدير الوضعية في YOLO11تحديد النقاط الرئيسية على جسم الشخص لفهم وضعيته وحركته.
بالإضافة إلى ذلك، يمكن تدريب YOLO11 على مجموعة بيانات مصممة لتقدير وضعية الكلاب، مما يجعل من الممكن تحليل لغة جسد حيوانك الأليف بدقة. تدعم حزمة Ultralytics Python مجموعة بيانات وضعية الكلب التي تسهّل تدريب ونشر نماذج الذكاء الاصطناعي المرئي للكلاب. تُعد هذه التقنية جزءاً من سوق تكنولوجيا الحيوانات الأليفة المزدهر الذي بلغت قيمته 9.4 مليار دولار في عام 2024، ومن المتوقع أن يصل إلى 64 مليار دولار بحلول عام 2037.
مصدر الإلهام وراء هذا المقال هو بلوز، المسؤول التنفيذي للكلب (DEO). إذا قمت بمراجعة صفحة "من نحن " الخاصة بنا، سترى أن بلوز هو عضو مهم في الفريق ويلعب دورًا مهمًا في الحفاظ على متعة الأمور في Ultralytics!
سنناقش في هذه المقالة كيفية تدريب YOLO11 المخصص باستخدام مجموعة بيانات وضعية الكلب لتقدير وضعية الكلب. سنستكشف أيضًا تطبيقاته العملية في رعاية الحيوانات الأليفة وتحليل السلوك.
مجموعة البيانات هي مجموعة من البيانات المستخدمة لتدريب نماذج التعلم الآلي. بالنسبة لتقدير الوضعية، تتضمن مجموعة البيانات المثالية صورًا تحتوي على نقاط رئيسية موسومة لتعيين أوضاع الجسم. يجب أن تحتوي أيضًا على مجموعة متنوعة من الوضعيات والزوايا وظروف الإضاءة والخلفيات لمساعدة النموذج على تعلم التعرف على الوضعيات والتنبؤ بها بدقة. هذا التنوع يجعل النموذج أكثر موثوقية للاستخدام في العالم الحقيقي.
تم تصميم مجموعة بيانات وضعيات الكلاب، المدعومة من Ultralytics خصيصًا لمساعدة النماذج على تعلم وضعيات الكلاب والتعرف عليها بفعالية. وهي تتضمن أكثر من 8400 صورة مشروحة لسلالات مختلفة من الكلاب، مع تسميات مفصلة لـ 24 نقطة رئيسية، مثل الذيل والأذنين والكفوف.
يعد تدريب YOLO11 المخصص باستخدام مجموعة بيانات وضعية الكلب عملية مباشرة. للبدء، ستحتاج إلى إعداد بيئتك عن طريق تثبيت حزمةUltralytics Python والتي تتضمن جميع الأدوات اللازمة للتدريب والتقييم.
يحتوي Ultralytics على دعم مدمج لمجموعة بيانات وضعية الكلب، وهذا يلغي الحاجة إلى وضع العلامات يدويًا، مما يسمح لك بالبدء مباشرةً في التدريب. بمجرد إعداد كل شيء، يمكنك تدريب YOLO11 على مجموعة بيانات وضعية الكلب باستخدام بضعة أسطر من التعليمات البرمجية، كما هو موضح في الصورة أدناه.
أثناء التدريب، يتعلم النموذج اكتشاف أوضاع الكلاب وتتبعها عبر سلالات وظروف إضاءة وبيئات مختلفة. بعد التدريب، يمكنك تصور النتائج وضبط النموذج لتحسين الدقة والأداء.
إذا واجهت أي مشاكل أثناء تدريب النموذج الخاص بك، إليك بعض النصائح لاستكشاف الأخطاء وإصلاحها لمساعدتك في حلها بسرعة:
يمكنك الاطلاع على دليل المشكلات الشائعة في Ultralytics لمزيد من النصائح حول استكشاف الأخطاء وإصلاحها.
قد تتساءل عما يحدث خلف الكواليس عندما تقوم بتدريب YOLO11 المخصص على مجموعة بيانات وضعية الكلب. دعنا نلقي نظرة فاحصة على العملية.
وبدلاً من البدء من الصفر، نستخدم نموذج YOLO11 المُدرَّب مسبقاً والذي تم تدريبه مسبقاً على مجموعة بيانات COCO-Pose. يمكن لهذا النموذج المُدرَّب مسبقاً اكتشاف النقاط الرئيسية البشرية نظراً لأن COCO-Pose مصمم لتقدير الوضعية البشرية. في الواقع، بدون أي تدريب إضافي، يمكنك استخدام YOLO11 لإجراء تقدير الوضعية البشرية مباشرةً من خارج الصندوق.
من خلال التعلّم التحوّلي، نقوم بتكييف هذا النموذج خصيصًا لتقدير وضعية الكلب، مما يساعده على التعرف على النقاط الأساسية مثل الساقين والذيل والرأس. من خلال تعريض النموذج لأمثلة خاصة بالكلاب، يتعلم النموذج التركيز على هذه الميزات الأساسية.
أثناء التدريب، تظل بعض أجزاء النموذج دون تغيير، مع الاحتفاظ بالمعرفة العامة المكتسبة من مجموعة بيانات COCO. يتم إعادة تدريب أجزاء أخرى لتحسين الدقة في تقدير أوضاع الكلاب. يتعلم النموذج من خلال مقارنة تنبؤاته بالنقاط الرئيسية الفعلية في مجموعة البيانات وتعديلها لتقليل الأخطاء. بمرور الوقت، تجعله هذه العملية أفضل في تتبع حركات الكلب بدقة أكبر.
كما يتيحالتعلّم التحوّلي إمكانية تكيّف النموذج مع مختلف السلالات والأحجام وأنماط الحركة، مما يضمن أداءه بشكل موثوق في سيناريوهات العالم الحقيقي.
هناك العديد من نماذج الرؤية الحاسوبية المختلفة، فما الذي يجعل YOLO11 الخيار الصحيح لتقدير وضعية الكلب؟
يتميز YOLO11 بسرعته ودقته في الوقت الحقيقي، مما يجعله خياراً رائعاً لتقدير وضعية الكلب. فهو يحقق أداءً أفضل من الإصدارات السابقة من حيث الدقة والسرعة. مع وجود معلمات أقل بنسبة 22% أقل من YOLOv8 فإنه يحقق متوسط دقة أعلى في مجموعة بيانات COCO، مما يعني أنه يكتشف الأجسام بدقة وكفاءة أكبر. كما أن سرعة معالجته السريعة تجعله مثاليًا للتطبيقات في الوقت الفعلي، حيث يكون الاكتشاف السريع والموثوق ضروريًا.
بالإضافة إلى تقدير الوضع، يدعم YOLO11 أيضًا مهام الرؤية الحاسوبية مثل تجزئة المثيل وتتبع الكائنات، مما يساعد في إنشاء حل أكثر شمولاً للذكاء الاصطناعي البصري لمراقبة كلبك. يمكن لهذه الميزات تحسين تتبع الحركة وتحليل السلوك والرعاية الشاملة للحيوانات الأليفة.
بعد ذلك، دعونا نناقش التطبيقات الواقعية لتقدير وضعية الكلاب وتأثيرها على رعاية الحيوانات الأليفة.
يمكن لتقدير وضعية الكلب أن يجعل تدريب الكلاب أكثر ذكاءً وفعالية. لنفترض أنه يتم استخدام كاميرا لالتقاط حركات الكلب، وهنا يمكن أن يتدخل YOLO11 . ويمكنه اكتشاف النقاط الرئيسية مثل الساقين والذيل والرأس، وتحليلها للتعرف على حركات مثل الجلوس أو البقاء أو الاستلقاء.
إذا لم يقم الكلب بأداء الحركة بشكل صحيح، يمكن للنظام تقديم ملاحظات فورية من خلال تطبيق، مما يساعد المدرب في الوقت الفعلي. وهذا يجعل التدريب أكثر كفاءة ودقة واستجابة لتقدم الكلب.
على سبيل المثال، ضع في اعتبارك تعليم كلبك الجلوس عند الأمر. يمكن للنظام مراقبة وضعية الكلب واكتشاف ما إذا كان جالساً تماماً. إذا قام الكلب بخفض جسمه ولكنه لم يجلس بالكامل، يمكن للنظام اكتشاف الحركة غير المكتملة وإرسال ملاحظات فورية من خلال تطبيق. يمكن تغيير المدرب لإجراء تعديلات صغيرة على التدريب، مثل تعزيز الأمر أو توجيه الكلب إلى الوضعية الصحيحة.
يمكن للرؤية الحاسوبية أن تغير طريقة تعامل الأطباء البيطريين مع رعاية الحيوانات. إن قدرة تقدير وضعية الكلاب على تحليل التفاصيل بدقة تجعل من السهل اكتشاف أنماط الحركة غير المعتادة وتحديد المشاكل الصحية المحتملة.
على سبيل المثال، يمكن للطبيب البيطري الذي يراقب كلبًا يتعافى من إصابة في الأربطة الاعتماد على YOLO11 المدرب على مجموعة بيانات وضعية الكلب، للتحليل الآلي. يمكن اكتشاف العرج أو التغيرات في وضع الساق بسهولة. توفر المراقبة المستمرة والممكنة بالرؤية على مدار الساعة طوال أيام الأسبوع رؤى واضحة حول تعافي الكلب، مما يساعدهم على تحديد ما إذا كان العلاج يعمل أو هناك حاجة إلى إجراء تعديلات
مع استمرار تطور التكنولوجيا، من المرجح أن تلعب حلول مثل تقدير وضع الكلاب مع YOLO11 دوراً أكبر في مراقبة الحيوانات ورفاهيتها. في الواقع، يمكن دمج YOLO11 مع التكنولوجيا القابلة للارتداء، مثل الأطواق الذكية وأجهزة التتبع الصحية، لمراقبة المؤشرات الصحية الرئيسية مثل معدل ضربات القلب ومستويات النشاط وأنماط الحركة.
على سبيل المثال، يمكن لطوق ذكي مزود بمستشعرات حركة أن يتتبع مشي الكلب أو مشية الجري، بينما يحلل YOLO11لتقدير الوضعيات في الوقت الفعلي. إذا اكتشف النظام حركة غير منتظمة، مثل العرج أو التصلب، فيمكنه ربط هذه البيانات مع معدل ضربات القلب ومستويات النشاط لتقييم الانزعاج أو الإصابة المحتملة. يمكن لمالكي الحيوانات الأليفة والأطباء البيطريين استخدام هذه الرؤى لتحديد المشكلات مبكراً واتخاذ إجراءات استباقية.
مع هذه التطورات، يتطور تقدير وضع الكلاب إلى ما هو أبعد من مجرد تتبع الحركة البسيط - فقد أصبح جزءًا أساسيًا من نظام شامل لرعاية الحيوانات الأليفة يعتمد على الذكاء الاصطناعي، مما يساعد الكلاب على البقاء أكثر صحة وأمانًا ومراقبة أفضل في الوقت الفعلي.
من خلال ابتكارات مثل YOLO11 ومجموعة بيانات وضعية الكلب، نفتح إمكانيات جديدة في مجال الرؤية الحاسوبية. تساعدنا هذه التطورات على فهم سلوك الكلاب وصحتها بشكل أفضل بطرق لم تكن ممكنة من قبل.
من خلال التتبع الدقيق لوضعيات الكلاب، يمكننا تحسين التدريب ومراقبة الصحة وجعل رعاية الحيوانات الأليفة أكثر فعالية. سواء في مجال الأبحاث أو الرعاية البيطرية أو تدريب الكلاب، تعمل فيجن للذكاء الاصطناعي على ابتكار طرق أكثر ذكاءً لرعاية كلابنا وتحسين رفاهيتها.
انضم إلى مجتمعنا واستكشف مستودع GitHub الخاص بنا لمعرفة المزيد عن الذكاء الاصطناعي. اكتشف كيف تعمل الابتكارات مثل الرؤية الحاسوبية في مجال الرعاية الصحية والذكاء الاصطناعي في السيارات ذاتية القيادة على تشكيل المستقبل. اطلع على خيارات الترخيص لدينا لبدء مشاريع الذكاء الاصطناعي في الرؤية اليوم.
