كيفية استخدام Ultralytics YOLO11 للكشف عن الكائنات

الرؤية الحاسوبية هو مجال من مجالات الذكاء الاصطناعي (AI) يساعد الآلات على تفسير المعلومات البصرية وفهمها لتمكين المهام الأساسية مثل اكتشاف الأجسام. على عكس تصنيف الصور، لا يحدد اكتشاف الأجسام الأشياء الموجودة في الصورة فحسب، بل يحدد أيضاً مواقعها بدقة. وهذا يجعله أداة مهمة لتطبيقات الذكاء الاصطناعي للرؤية مثل السيارات ذاتية القيادة وأنظمة الأمن في الوقت الحقيقي وأتمتة المستودعات.

بمرور الوقت، أصبحت تقنية اكتشاف الأجسام أكثر تقدمًا وأسهل استخدامًا. وقد تم الإعلان عن خطوة كبيرة إلى الأمام في الحدث السنوي الهجين Ultralytics، YOLO Vision 2024 (YV24)، مع إطلاق الطرازUltralytics YOLO11 . YOLO11 يحسن الدقة والأداء مع دعم نفس المهام التي YOLOv8مما يسهل على مستخدمي النماذج السابقة الانتقال بسلاسة.

‍

سنشرح في هذه المقالة ما هو اكتشاف الأجسام، وكيف يختلف عن مهام الرؤية الحاسوبية الأخرى، وسنستكشف تطبيقاته في العالم الحقيقي. سنرشدك أيضًا إلى كيفية استخدام نموذج YOLO11 مع حزمةUltralytics Python ومنصةUltralytics HUB. لنبدأ!

ما هو اكتشاف الكائن؟

اكتشاف الأج سام هو مهمة أساسية في الرؤية الحاسوبية التي تقوم بأكثر من مجرد تحديد الأجسام في الصورة. على عكس تصنيف الصور، الذي يحدد فقط ما إذا كان هناك كائن محدد موجود أم لا، فإن اكتشاف الكائنات يتعرف على كائنات متعددة ويحدد مواقعها بدقة باستخدام المربعات المحدودة. 

على سبيل المثال، يمكنها تحديد الوجوه في صورة جماعية أو السيارات في شارع مزدحم أو المنتجات على رفوف المتاجر وتحديد موقعها. إن الجمع بين التعرف على الأشياء وتحديد مواقعها يجعلها مفيدة بشكل خاص لتطبيقات مثل المراقبة ومراقبة الحشود وإدارة المخزون الآلي.

‍

ما يميز الكشف عن الكائنات عن المهام الأخرى مثل التجزئة الدلالية أو تجزئة المثيل هو تركيزها وكفاءتها. 

يصنف التجزئة الدلالية كل بكسل في الصورة ولكنه لا يفرق بين الكائنات الفردية من نفس النوع (على سبيل المثال، يتم تجميع كل الوجوه في الصورة على أنها "وجه"). يأخذ تجزئة المثيل إلى أبعد من ذلك من خلال فصل كل كائن وتحديد شكله بالضبط، حتى بالنسبة للأجسام من نفس الفئة. 

ومع ذلك، يوفر اكتشاف الأجسام نهجاً أكثر انسيابية من خلال تحديد الأجسام وتصنيفها أثناء تحديد مواقعها. وهذا يجعلها مثالية للمهام في الوقت الحقيقي مثل اكتشاف الوجوه في اللقطات الأمنية أو تحديد العوائق للمركبات ذاتية القيادة.

تطبيقات YOLO11 والكشف عن الكائنات

YOLO11ميزات اكتشاف الأجسام المتقدمة تجعلها مفيدة في العديد من المجالات. دعنا نلقي نظرة على بعض الأمثلة.

استخدام YOLO11 لتحليلات البيع بالتجزئة

YOLO11 والكشف عن الأجسام يعيد تعريف تحليلات البيع بالتجزئة من خلال جعل إدارة المخزون ومراقبة الرفوف أكثر كفاءة ودقة. تساعد قدرة النموذج على اكتشاف الأجسام بسرعة وموثوقية تجار التجزئة على تتبع مستويات المخزون وتنظيم الأرفف وتقليل الأخطاء في جرد المخزون.

على سبيل المثال, YOLO11 يمكنه اكتشاف عناصر محددة مثل النظارات الشمسية على رفوف المتجر. ولكن لماذا قد يرغب بائع التجزئة في مراقبة الرفوف؟ يعد الحفاظ على الأرفف مخزنة ومنظمة أمرًا حيويًا لضمان عثور العملاء على ما يحتاجون إليه، مما يؤثر بشكل مباشر على المبيعات. من خلال مراقبة الأرفف في الوقت الفعلي، يمكن لتجار التجزئة أن يكتشفوا بسرعة عندما تنخفض كمية العناصر أو تكون في غير مكانها أو تكون مزدحمة، مما يساعدهم في الحفاظ على عرض منظم وجذاب يحسن تجربة التسوق.

‍

YOLO11 في تطبيقات المدينة الذكية

تعتمد المدينة الصاخبة على التدفق السلس لحركة المرور والشوارع الآمنة لتعمل بكفاءة، ويمكن أن يساعد YOLO11 في جعل ذلك ممكناً. في الواقع، يمكن دمج العديد من تطبيقات المدن الذكية مع YOLO11. 

تتضمن إحدى الحالات المثيرة للاهتمام استخدام الكشف عن الأجسام لتحديد لوحات السيارات المتحركة. ومن خلال القيام بذلك، يمكن أن يدعم موقع YOLO11 تحصيل الرسوم بشكل أسرع، وإدارة حركة المرور بشكل أفضل، وإنفاذ اللوائح بشكل أسرع. 

‍

يمكن للرؤى المستقاة من أنظمة الذكاء الاصطناعي المرئي التي تراقب الطرق أن تنبه السلطات إلى المخالفات المرورية أو الازدحام قبل أن تتفاقم إلى مشاكل أكبر. YOLO11 يمكنها أيضاً اكتشاف المشاة وراكبي الدراجات، مما يجعل الشوارع أكثر أماناً وكفاءة للجميع. 

في واقع الأمر، فإن قدرة YOLO11على معالجة البيانات المرئية تجعله أداة قوية لتحسين البنية التحتية للمدينة. على سبيل المثال، يمكنه المساعدة في تحسين توقيت إشارات المرور من خلال تحليل حركة المركبات والمشاة. ويمكنه أيضًا تعزيز السلامة في مناطق المدارس من خلال الكشف عن الأطفال وتنبيه السائقين لإبطاء السرعة. مع YOLO11 ، يمكن للمدن اتخاذ تدابير استباقية لمواجهة التحديات وخلق بيئة أكثر كفاءة للجميع.

الكشف عن الفيديو في الوقت الفعلي باستخدام YOLO11: زيادة إمكانية الوصول

يشير الكشف عن الكائنات في الوقت الحقيقي إلى قدرة النظام على تحديد وتصنيف الكائنات في بث فيديو مباشر عند ظهورها. YOLO11 مصمم لتحقيق أداء فائق في الوقت الحقيقي ويتفوق في دعم هذه القدرة. وتتجاوز تطبيقاته مجرد تبسيط العمليات - حيث يمكن أن يساعد أيضًا في إنشاء عالم أكثر شمولاً وسهولة في الوصول إليه.

على سبيل المثال YOLO11 يمكن أن يساعد الأفراد ضعاف البصر من خلال تحديد الأشياء في الوقت الفعلي. وبناءً على عمليات الكشف، يمكن تقديم أوصاف صوتية، مما يساعد المستخدمين على التنقل في محيطهم باستقلالية أكبر.

ضع في اعتبارك شخص ضعيف البصر يتسوق لشراء البقالة. يمكن أن يكون انتقاء العناصر المناسبة أمرًا صعبًا، ولكن YOLO11 يمكن أن يساعد في ذلك. أثناء وضع العناصر في عربة التسوق، يمكن استخدام نظام مدمج مع YOLO11 لتحديد كل عنصر - مثل الموز أو الأفوكادو أو علبة حليب - وتقديم وصف صوتي في الوقت الفعلي. يتيح لهم ذلك تأكيد اختياراتهم والتأكد من حصولهم على كل ما يحتاجون إليه. من خلال التعرف على العناصر اليومية، يمكن أن يجعل YOLO11 التسوق أكثر بساطة.

‍

دليل خطوة بخطوة للكشف عن الكائنات باستخدام YOLO11 

والآن بعد أن غطينا أساسيات اكتشاف الأجسام وتطبيقاته المتنوعة، دعنا نتعمق في كيفية البدء في استخدام نموذج Ultralytics YOLO11 لمهام مثل اكتشاف الأجسام.

هناك طريقتان مباشرتان لاستخدام YOLO11: من خلال الحزمة Ultralytics Python أو الحزمة Ultralytics HUB. دعونا نستكشف كلتا الطريقتين، بدءًا من الحزمة Python .

تشغيل الاستدلالات باستخدام YOLO11

الاستدلال هو عندما يقوم نموذج الذكاء الاصطناعي بتحليل البيانات الجديدة غير المرئية لوضع تنبؤات أو تصنيف المعلومات أو تقديم رؤى بناءً على ما تعلمه أثناء التدريب. فيما يتعلق باكتشاف الأجسام، يعني ذلك تحديد وتحديد موقع أجسام معينة داخل صورة أو مقطع فيديو، ورسم مربعات محددة حولها، وتسميتها بناءً على تدريب النموذج.

للاستدلال باستخدام نموذج الكشف عن الكائنات YOLO11 ، ستحتاج أولاً إلى تثبيت الحزمة Ultralytics Python عبر حزمة عبر pip أو conda أو Docker. إذا واجهتك أي مشاكل في التثبيت، راجع دليل استكشاف الأخطاء وإصلاحها للحصول على نصائح وحيل لمساعدتك في حلها. بمجرد التثبيت، يمكنك استخدام التعليمات البرمجية التالية لتحميل نموذج اكتشاف الكائنات YOLO11 وإجراء تنبؤات على صورة.

‍

تدريب نموذج YOLO11 مخصص

YOLO11 يدعم أيضًا التدريب المخصص ليناسب حالات الاستخدام الخاصة بك بشكل أفضل. من خلال ضبط النموذج بدقة، يمكنك تخصيصه لاكتشاف الأشياء ذات الصلة بمشروعك. على سبيل المثال، عند استخدام الرؤية الحاسوبية في مجال الرعاية الصحية، يمكن استخدام نموذج YOLO11 المدرب خصيصًا لاكتشاف تشوهات معينة في الصور الطبية، مثل الأورام في فحوصات التصوير بالرنين المغناطيسي أو الكسور في الأشعة السينية، مما يساعد الأطباء على إجراء تشخيصات أسرع وأكثر دقة.

يعرض مقتطف الكود أدناه كيفية تحميل وتدريب نموذج YOLO11 لاكتشاف الكائنات. يمكنك البدء من ملف تكوين YAML أو نموذج مدرب مسبقًا، ونقل الأوزان، والتدريب على مجموعات بيانات مثل COCO للحصول على قدرات أكثر دقة في اكتشاف الأجسام.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.yaml")  # build a new model from YAML
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolo11n.yaml").load("yolo11n.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

‍

بعد تدريب النموذج، يمكنك أيضًا تصدير النموذج المدرّب بتنسيقات مختلفة لنشره في بيئات مختلفة.

YOLO11 اكتشاف الأجسام على Ultralytics HUB

بالنسبة لأولئك الذين يبحثون عن بديل بدون تشفير، يوفر Ultralytics HUB منصة Vision AI سهلة الاستخدام لتدريب ونشر نماذج YOLO بما في ذلك YOLO11.

لتشغيل اكتشاف الكائنات على الصور، ما عليك سوى إنشاء حساب، والانتقال إلى قسم "النماذج"، واختيار متغير نموذج اكتشاف الكائنات YOLO11 . ارفع صورتك، وستعرض المنصة الكائنات المكتشفة في قسم المعاينة.

‍

من خلال الجمع بين مرونة الحزمة Python وسهولة استخدام HUB، يجعل YOLO11 من السهل على المطورين والشركات على حد سواء الاستفادة من قوة تقنية الكشف عن الكائنات المتقدمة.

الماخذ الرئيسية

YOLO11 يضع معيارًا جديدًا في اكتشاف الأجسام، حيث يجمع بين الدقة العالية والتنوع لتلبية احتياجات مختلف الصناعات. بدءًا من تعزيز تحليلات البيع بالتجزئة إلى إدارة البنية التحتية للمدن الذكية، تم تصميم YOLO11 لتحقيق أداء موثوق به في الوقت الفعلي عبر عدد لا يحصى من التطبيقات.

من خلال خيارات التدريب المخصص وواجهة سهلة الاستخدام من خلال Ultralytics HUB، لم يكن دمج YOLO11 في سير عملك أبسط من أي وقت مضى. سواء كنت مطورًا يستكشف الرؤية الحاسوبية أو شركة تتطلع إلى الابتكار باستخدام الذكاء الاصطناعي، فإن YOLO11 يوفر لك الأدوات التي تحتاجها لتحقيق النجاح.

لمعرفة المزيد، اطلع على مستودع GitHub الخاص بنا وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والرؤية الحاسوبية للزراعة على صفحات الحلول الخاصة بنا. 🚀