انضم إلينا ونحن نلقي نظرة فاحصة على كيفية استخدام Ultralytics YOLO11 لتتبع الأجسام في تطبيقات الوقت الحقيقي مثل المراقبة والزراعة والتصنيع.
لنفترض أنك تريد مراقبة وتتبع حركة المكونات على خط التجميع في منشأة تصنيع لضمان مراقبة الجودة وتحسين كفاءة سير العمل. عادةً ما ينطوي ذلك على عمليات فحص يدوية أو استخدام مستشعرات أساسية لتتبع العناصر، وهو ما قد يستغرق وقتًا طويلاً وقد يكون عرضة للأخطاء. ومع ذلك، يمكن استخدام الرؤية الحاسوبية وتتبع الأشياء لأتمتة هذه العملية وتحسينها.
تتبع الأجسام هو مهمة رؤية حاسوبية تساعد في اكتشاف الأجسام في الفيديو وتحديدها وتتبعها. يمكن استخدامه في مجموعة متنوعة من التطبيقات، بدءًا من مراقبة الحيوانات في المزارع إلى الأمن والمراقبة في متاجر البيع بالتجزئة. عادةً ما يتم تصوّر الأجسام التي يتم تعقبها في الفيديو باستخدام المربعات المحدودة لمساعدة المستخدم على رؤية مكانها واكتشافها داخل إطار الفيديو.
تم إطلاقه خلال الحدث الهجين السنويUltralytics، YOLO Vision 2024 (YV24), Ultralytics YOLO11 هو نموذج للرؤية الحاسوبية يمكنه التعامل مع مجموعة واسعة من مهام الذكاء الاصطناعي للرؤية، بما في ذلك تتبع الأجسام. في هذه المقالة، سنستكشف كيفية عمل تتبع الكائنات ومناقشة تطبيقات العالم الحقيقي. سنلقي أيضًا نظرة على كيفية تجربة تتبع الكائنات باستخدام YOLO11. لنبدأ!
يُعد تتبع الأجسام تقنية أساسية في الرؤية الحاسوبية. فهو يتيح إمكانية تحديد الأجسام في الفيديو وتتبعها بمرور الوقت. قد يبدو تعقب الأجسام مشابهًا جدًا لمهمة أخرى من مهام الرؤية الحاسوبية - اكتشاف الأجسام. يكمن الفرق الرئيسي بين الاثنين في كيفية تعاملهما مع إطارات الفيديو. ينظر الكشف عن الكائنات إلى كل إطار على حدة، حيث يتم تحديد الكائنات وتصنيفها دون النظر إلى الإطارات السابقة أو المستقبلية. من ناحية أخرى، يربط تتبع الكائنات بين الإطارات، ويتتبع نفس الكائنات مع مرور الوقت ويتتبع حركاتها.
فيما يلي شرح أكثر تفصيلاً لكيفية عمل تتبع الأجسام:
Ultralytics يدعم تتبع الأجسام في الوقت الفعلي من خلال الاستفادة من خوارزميات التتبع المتقدمة مثل BoT-SORT و ByteTrack. كما أنه يعمل بسلاسة مع نماذج التجزئة وتقدير الوضعية YOLO11 ، مما يجعله أداة مرنة لمجموعة واسعة من مهام التتبع.
تفتح القدرات المتنوعة لنموذجUltralytics YOLO11 مجموعة واسعة من التطبيقات الممكنة في العديد من الصناعات. دعونا نلقي نظرة فاحصة على بعض حالات استخدام YOLO11 تتبع الكائنات.
يُعد تتبع الأجسام أمراً بالغ الأهمية لمساعدة السيارات ذاتية القيادة على العمل بأمان وكفاءة. تحتاج هذه السيارات إلى فهم محيطها باستمرار لاتخاذ قرارات في الوقت الحقيقي، مثل التوقف أو الانعطاف أو تغيير الحارات. يسمح اكتشاف الأجسام للسيارة بتحديد العناصر الرئيسية في بيئتها، مثل المشاة وراكبي الدراجات والمركبات الأخرى وإشارات المرور. ومع ذلك، فإن اكتشاف هذه الأشياء في لحظة واحدة لا يكفي للملاحة الآمنة.
وهنا يأتي دور تتبع الأجسام. فهو يتيح للسيارة تتبع هذه الأجسام بمرور الوقت، وتتبع تحركاتها عبر إطارات متعددة. على سبيل المثال، يساعد ذلك السيارات ذاتية القيادة على التنبؤ بالمكان الذي يتجه إليه أحد المشاة، أو مراقبة سرعة واتجاه السيارات القريبة، أو التعرف على عدم تغير إشارة المرور. من خلال الجمع بين الكشف والتتبع، يمكن للسيارات ذاتية القيادة توقع حركة الأجسام من حولها، والاستجابة بشكل استباقي، والقيادة بأمان وسلاسة.
يعد تتبع الحيوانات في المزرعة، مثل الماشية، أمرًا حيويًا للإدارة الفعالة، ولكنه قد يكون مهمة شاقة وتستغرق وقتًا طويلاً. غالبًا ما يكون للطرق التقليدية، مثل استخدام أجهزة الاستشعار أو العلامات، جوانب سلبية. يمكن لهذه الأجهزة أن تجهد الحيوانات عند توصيلها وتكون عرضة للسقوط أو التلف، مما يعطل عملية التتبع.
توفر الرؤية الحاسوبية حلاً أفضل للمزارعين لمراقبة الحيوانات وتتبعها دون الحاجة إلى علامات مادية. يمكن أن يوفر تتبع الكائنات للمزارعين رؤى قيمة حول سلوك الحيوانات وصحتها. على سبيل المثال، يمكن أن يساعد في اكتشاف حالات مثل العرج التي تؤثر على طريقة مشي الحيوان. باستخدام تتبع الأجسام، يمكن للمزارعين اكتشاف التغيرات الطفيفة في الحركة ومعالجة المشاكل الصحية في وقت مبكر.
بالإضافة إلى المراقبة الصحية، يمكن للرؤية الحاسوبية أن تساعد المزارعين أيضًا على فهم السلوكيات الأخرى، مثل التفاعلات الاجتماعية وعادات الأكل وأنماط الحركة. يمكن لهذه الرؤى تحسين إدارة القطيع وتحسين جداول التغذية وتعزيز الرفاهية العامة للحيوانات. من خلال الحد من العمل اليدوي وتقليل الضغط على الحيوانات، يعد التتبع القائم على الرؤية الحاسوبية أداة عملية وفعالة للزراعة الحديثة.
تتبع الأجسام له العديد من حالات الاستخدام في قطاع التصنيع. على سبيل المثال، يمكن لأنظمة الكشف عن الأجسام وتتبعها مراقبة خطوط الإنتاج. يمكن تتبع المنتجات أو المواد الخام وحسابها بسهولة أثناء تحركها على الحزام الناقل. يمكن أيضًا دمج هذه الأنظمة مع أنظمة الرؤية الحاسوبية الأخرى لأداء مهام إضافية. على سبيل المثال، يمكن تحديد عنصر به عيب باستخدام نظام الكشف عن العيوب وتتبعه باستخدام تتبع الكائنات لضمان العناية به بشكل صحيح.
يرتبط تطبيق مهم آخر لتتبع الأجسام في التصنيع بالسلامة. يمكن استخدام أنظمة تعقب الأجسام لاكتشاف وتتبع العمال في بيئات التصنيع التي يحتمل أن تكون خطرة. ويمكن وضع علامات على المناطق الخطرة ومراقبتها باستمرار باستخدام أنظمة الرؤية الحاسوبية، ويمكن إخطار المشرفين إذا اقترب العمال (الذين يتم تعقبهم) من هذه المناطق. يمكن أيضًا استخدام أنظمة السلامة هذه للكشف عن المعدات وتتبعها، مما يمنع فرصة السرقة.
يُستخدم تتبع الأجسام في الوقت الحقيقي على نطاق واسع في أنظمة الأمن والمراقبة. يمكن استخدام هذه الأنظمة لمراقبة الأماكن العامة ومراكز النقل وبيئات البيع بالتجزئة الكبيرة مثل مراكز التسوق. يمكن للمناطق الكبيرة والمزدحمة استخدام هذه التقنية لتتبع الأفراد المشبوهين أو سلوك الحشود، مما يوفر حلاً سلساً للمراقبة. على سبيل المثال، خلال فترة الجائحة، استُخدمت أنظمة تتبع الأجسام لتتبع المناطق المزدحمة والتأكد من حفاظ الناس على التباعد الاجتماعي.
يمكن أيضًا استخدام تتبع الأجسام في مراقبة حركة المرور أيضًا. يتيح تتبع الأجسام إمكانية تتبع وتحليل سلوك المركبات، واكتشاف التصرفات غير العادية أو المشبوهة في الوقت الفعلي للمساعدة في منع الحوادث أو الجرائم. ومن الأمثلة الجيدة على ذلك أنظمة تقدير السرعة. حيث يمكنها اكتشاف وتتبع المركبة لتحديد سرعتها.
والآن بعد أن استكشفنا بعض تطبيقات تتبع الأجسام، دعنا نناقش كيف يمكنك تجربتها باستخدام نموذجUltralytics YOLO11 .
للبدء، قم بتثبيت الحزمةUltralytics Python باستخدام حزمة pip أو conda أو Docker. إذا واجهت أي تحديات أثناء التثبيت، يقدم لك دليل المشكلات الشائعة نصائح مفيدة لاستكشاف الأخطاء وإصلاحها.
بمجرد تثبيت الحزمة بنجاح، قم بتشغيل الكود التالي. وهو يوضح كيفية تحميل النموذج Ultralytics YOLO11 واستخدامه لتتبع الكائنات في ملف فيديو. النموذج المستخدم في الكود هو "yolo11n.pt". يرمز الحرف "n" إلى Nano - أصغر متغير للنموذج YOLO11 . هناك أيضًا متغيرات أخرى للنموذج للاختيار من بينها - صغير، ومتوسط، وكبير، وكبير جدًا.
يمكنك أيضًا اختيار استخدام نموذج مُدرَّب مخصص بدلاً من نموذج مُدرَّب مسبقًا. يتضمن التدريب المخصص ضبط نموذج مُدرَّب مسبقًا بشكل دقيق ليناسب تطبيقك المحدد.
كما ذكرنا سابقًا، يتم دعم تتبع الكائنات لنماذج YOLO11 التالية: اكتشاف الكائنات، وتقدير الوضع، وتجزئة المثيل. إذا كان لديك تطبيق محدد يتضمن التتبع، يمكنك تدريب أي من هذه النماذج بشكل مخصص اعتمادًا على تطبيقك. يمكنك تدريب نموذج مخصص باستخدام الحزمةUltralytics Python أو المنصة التي لا تحتوي على شفرة، Ultralytics HUB.
Ultralytics YOLO11 أداة رائعة لتتبع الأجسام في مقاطع الفيديو، ويمكن استخدامها في العديد من المجالات المختلفة، مثل السيارات ذاتية القيادة والزراعة والتصنيع والأمن. يمكنه اكتشاف الأجسام وتتبعها في الوقت الفعلي، مما يساعد الشركات والصناعات على تتبع عمالها ومعداتها. هذا النموذج سهل الاستخدام ويمكن تخصيصه لتلبية احتياجات محددة، مما يجعله خياراً جيداً لأي شخص مهتم بتبني قدرات الرؤية الحاسوبية بسلاسة.
لمعرفة المزيد، قم بزيارة مستودع GitHub الخاص بنا وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والزراعة على صفحات الحلول الخاصة بنا. 🚀
