تعلّم كيفية استخدام نموذج Ultralytics YOLO11 لتقدير الوضعية بدقة. سنغطي الاستدلال في الوقت الحقيقي وتدريب النموذج المخصص لتطبيقات مختلفة.
يمكن إرجاع الأبحاث المتعلقة بالرؤية الحاسوبية، وهي فرع من فروع الذكاء الاصطناعي (AI)، إلى ستينيات القرن الماضي. ومع ذلك، لم نشهد اختراقات كبيرة في كيفية فهم الآلات للصور حتى عام 2010، مع ظهور التعلم العميق. أحد أحدث التطورات في مجال الرؤية الحاسوبية هي أحدث Ultralytics YOLO11 المتطورة. تدعم النماذجYOLO11 ، التي تم تقديمها لأول مرة في الحدث السنوي الهجين Ultralytics' ' YOLO Vision 2024 (YV24)، مجموعة من مهام الرؤية الحاسوبية، بما في ذلك تقدير الوضعية.
يمكن استخدام تقدير الوضعية لاكتشاف النقاط الرئيسية على شخص أو جسم في صورة أو فيديو لفهم موضعه أو وضعيته أو حركته. ويُستخدم على نطاق واسع في تطبيقات مثل التحليلات الرياضية، ومراقبة سلوك الحيوانات، والروبوتات لمساعدة الآلات على تفسير الحركات الجسدية في الوقت الفعلي. بفضل تحسين دقته وكفاءته وسرعته مقارنةً بالنماذج السابقة في سلسلةYOLO (أنت تنظر مرة واحدة فقط), YOLO11 مناسب تمامًا لمهام تقدير الوضع في الوقت الفعلي.
في هذه المقالة، سنستكشف ما هو تقدير الوضع ، وسنناقش بعض تطبيقاته، وسنتعرف على كيفية استخدام YOLO11 مع الحزمةUltralytics Python لتقدير الوضعية. سنلقي أيضًا نظرة على كيفية استخدام Ultralytics HUB لتجربة YOLO11 وتقدير الوضعية ببضع نقرات بسيطة. لنبدأ!
قبل أن نغوص في كيفية استخدام النموذج الجديد Ultralytics YOLO11 لتقدير الوضعية، دعنا نتعرف بشكل أفضل على تقدير الوضعية.
تقدير الوضعية هي تقنية رؤية حاسوبية تُستخدم لتحليل وضعية شخص أو جسم في صورة أو فيديو. نماذج التعلّم العميق مثل YOLO11 تحديد النقاط الرئيسية على جسم أو شخص معين وتحديد موقعها وتتبعها. بالنسبة للأجسام، قد تتضمن هذه النقاط الرئيسية الزوايا أو الحواف أو العلامات السطحية المميزة، بينما بالنسبة للبشر، تمثل هذه النقاط الرئيسية المفاصل الرئيسية مثل الكوع أو الركبة أو الكتف.
يُعد تقدير الوضعية فريدًا من نوعه وأكثر تعقيدًا عند مقارنته بمهام الرؤية الحاسوبية الأخرى مثل اكتشاف الأجسام. في حين أن اكتشاف الأجسام يحدد موقع الأجسام في الصورة من خلال رسم مربع حولها، فإن تقدير الوضعية يذهب إلى أبعد من ذلك من خلال التنبؤ بالمواضع الدقيقة للنقاط الرئيسية على الجسم.
عندما يتعلق الأمر بتقدير الوضعية، هناك طريقتان رئيسيتان للعمل: من أسفل إلى أعلى ومن أعلى إلى أسفل. يكتشف النهج التصاعدي من الأسفل إلى الأعلى النقاط الرئيسية الفردية ويجمعها في هياكل عظمية، بينما يركز النهج التنازلي من أعلى إلى أسفل على اكتشاف الأجسام أولاً ثم تقدير النقاط الرئيسية داخلها.
YOLO11 يجمع بين نقاط القوة في كلتا الطريقتين من أعلى إلى أسفل ومن أسفل إلى أعلى. مثل الطريقة التصاعدية، فهي تُبقي الأمور بسيطة وسريعة دون الحاجة إلى تجميع النقاط الرئيسية يدوياً. وفي الوقت نفسه، يستخدم دقة الطريقة من أعلى إلى أسفل من خلال اكتشاف الأشخاص وتقدير أوضاعهم في خطوة واحدة.
تفتح القدرات المتعددة الاستخدامات التي يتمتع بها YOLO11 لتقدير الوضعية مجموعة واسعة من التطبيقات الممكنة في العديد من الصناعات. دعونا نلقي نظرة فاحصة على بعض حالات استخدام تقدير الوضع YOLO11.
السلامة جانب مهم في أي مشروع إنشائي. وهذا صحيح بشكل خاص، حيث أنه من الناحية الإحصائية، تشهد مواقع الإنشاءات عدداً أكبر من الإصابات المرتبطة بالعمل. في عام 2021، حدثت حوالي 20% من جميع الإصابات القاتلة المرتبطة بالعمل في مواقع البناء أو بالقرب منها. مع وجود مخاطر يومية مثل المعدات الثقيلة والأنظمة الكهربائية، فإن تدابير السلامة القوية ضرورية للحفاظ على سلامة العمال. إن الطرق التقليدية مثل استخدام اللافتات والحواجز والمراقبة اليدوية من قبل المشرفين ليست فعالة دائماً، وغالباً ما تبعد المشرفين عن المهام الأكثر أهمية.
يمكن أن يتدخل الذكاء الاصطناعي لتحسين السلامة، ويمكن الحد من مخاطر الحوادث باستخدام نظام مراقبة العمال القائم على تقدير الوضعيات .Ultralytics YOLO11 يمكن استخدام نماذج لتتبع حركات العمال ووضعياتهم. يمكن بسرعة رصد أي مخاطر محتملة مثل وقوف العمال بالقرب من المعدات الخطرة أو أداء المهام بشكل غير صحيح. إذا تم اكتشاف خطر ما، يمكن إخطار المشرفين، أو يمكن أن يصدر إنذار لتنبيه العامل. يمكن لنظام المراقبة المستمرة أن يجعل مواقع البناء أكثر أمانًا من خلال مراقبة المخاطر وحماية العمال دائمًا.
يمكن للمزارعين والباحثين استخدام YOLO11 لدراسة حركة وسلوك حيوانات المزرعة، مثل الماشية، للكشف عن العلامات المبكرة للأمراض مثل العرج. العرج هو حالة يعاني فيها الحيوان من صعوبة في الحركة بشكل صحيح بسبب ألم في أرجله أو أقدامه. في الماشية، لا تؤثر أمراض مثل العرج في الماشية على صحتها ورفاهيتها فحسب، بل تؤدي أيضًا إلى مشاكل في الإنتاج في مزارع الألبان. تشير الدراسات إلى أن العرج يؤثر على ما بين 8% من الماشية في الأنظمة المعتمدة على المراعي و15% إلى 30% في الأنظمة المحصورة في صناعة الألبان العالمية. يمكن أن يساعد الكشف عن العرج ومعالجته مبكرًا في تحسين رفاهية الحيوانات وتقليل خسائر الإنتاج المرتبطة بهذه الحالة.
YOLO11يمكن أن تساعد ميزات تقدير وضعية الحيوان المزارعين على تتبع أنماط مشي الحيوان والتعرف بسرعة على أي تشوهات قد تشير إلى وجود مشاكل صحية، مثل مشاكل المفاصل أو الالتهابات. ويسمح اكتشاف هذه المشاكل في وقت مبكر بعلاج أسرع، مما يقلل من انزعاج الحيوانات ويساعد المزارعين على تجنب الخسائر الاقتصادية.
كما يمكن أن تساعد أنظمة المراقبة الممكّنة للذكاء الاصطناعي المرئي في تحليل سلوك الراحة والتفاعلات الاجتماعية وأنماط التغذية. يمكن للمزارعين أيضًا استخدام تقدير الوضعيات للحصول على ملاحظات حول علامات الإجهاد أو العدوانية. يمكن استخدام هذه الأفكار لتهيئة ظروف معيشية أفضل للحيوانات وزيادة رفاهيتها.
كما يمكن أن يساعد تقدير الوضعيات الأشخاص على تحسين وضعيات أجسامهم في الوقت الفعلي أثناء التمرين. باستخدام YOLO11 ، يمكن لمدربي الصالة الرياضية واليوغا مراقبة وتتبع حركات أجسام الأشخاص الذين يمارسون التمارين الرياضية، مع التركيز على النقاط الرئيسية مثل المفاصل والأطراف لتقييم وضعياتهم. يمكن مقارنة البيانات التي تم جمعها بالوضعيات المثالية وتقنيات التمرين، ويمكن للمدربين تلقي تنبيهات إذا كان شخص ما يؤدي حركة ما بشكل غير صحيح، مما يساعد على منع الإصابات.
على سبيل المثال، أثناء حصة اليوغا، يمكن أن يساعد تقدير الوضعيات في مراقبة ما إذا كان جميع الطلاب يحافظون على التوازن والاصطفاف المناسبين. يمكن لتطبيقات الهاتف المحمول المدمجة مع الرؤية الحاسوبية وتقدير الوضعيات أن تجعل اللياقة البدنية أكثر سهولة للأشخاص الذين يمارسون التمارين في المنزل أو أولئك الذين لا يستطيعون الوصول إلى مدربين شخصيين. تساعد هذه التغذية الراجعة المستمرة في الوقت الفعلي المستخدمين على تحسين أسلوبهم وتحقيق أهداف اللياقة البدنية مع تقليل خطر الإصابة.
والآن بعد أن استكشفنا ما هو تقدير الوضعية وناقشنا بعض تطبيقاته. دعونا نلقي نظرة على كيفية تجربة تقدير الوضعية باستخدام نموذج YOLO11 الجديد. للبدء، هناك طريقتان ملائمتان للقيام بذلك: استخدام الحزمة Ultralytics Python أو من خلال Ultralytics HUB. دعنا نلقي نظرة على كلا الخيارين.
يتضمن تشغيل الاستدلال معالجة نموذج YOLO11 لبيانات جديدة خارج مجموعات التدريب الخاصة به واستخدام الأنماط التي تعلمها لإجراء تنبؤات بناءً على تلك البيانات. يمكنك تشغيل الاستدلالات من خلال التعليمات البرمجية باستخدام الحزمة Ultralytics Python . كل ما عليك القيام به للبدء هو تثبيت الحزمة Ultralytics باستخدام 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، يوضح الكود التالي كيفية تحميل نموذج واستخدامه لتوقع وضعيات الأجسام في الصورة.
لنفترض أنك تعمل على مشروع رؤية حاسوبية ولديك مجموعة بيانات محددة لتطبيق معين يتضمن تقدير الوضعية. يمكنك بعد ذلك ضبط نموذج YOLO11 مخصص وتدريبه ليناسب تطبيقك. على سبيل المثال، يمكنك استخدام مجموعة بيانات من النقاط الرئيسية لتحليل وفهم وضعية نمر في الصور من خلال تحديد السمات الرئيسية مثل موضع أطرافه ورأسه وذيله.
يمكنك استخدام المقتطف البرمجي التالي لتحميل وتدريب نموذج تقدير الوضعية YOLO11 . يمكن بناء النموذج من تكوين YAML، أو يمكنك تحميل نموذج مدرب مسبقًا للتدريب. يتيح لك هذا النص البرمجي أيضًا نقل الأوزان وبدء تدريب النموذج باستخدام مجموعة بيانات محددة، مثل مجموعة بيانات COCO لتقدير الوضعية.
باستخدام النموذج المخصص الذي تم تدريبه حديثًا، يمكنك تشغيل استنتاجات على صور غير مرئية تتعلق بحل الرؤية الحاسوبية الخاص بك. يمكن أيضًا تحويل النموذج المدرّب إلى تنسيقات أخرى باستخدام وضع التصدير.
لقد نظرنا حتى الآن في طرق استخدام YOLO11 التي تتطلب بعض المعرفة الأساسية بالترميز. إذا لم يكن هذا ما تبحث عنه، أو إذا لم تكن على دراية بالترميز، فهناك خيار آخر: Ultralytics HUB. Ultralytics HUB هي منصة سهلة الاستخدام مصممة لتبسيط عملية تدريب ونشر نماذج YOLO . يتيح لك HUB إدارة مجموعات البيانات وتدريب النماذج ونشرها بسهولة دون الحاجة إلى خبرة تقنية.
لتشغيل الاستدلالات على الصور، يمكنك إنشاء حساب، والانتقال إلى قسم "النماذج"، واختيار نموذج تقدير الوضعية YOLO11 الذي تهتم به. في قسم المعاينة، يمكنك تحميل صورة وعرض نتائج التوقع كما هو موضح أدناه.
Ultralytics YOLO11 حلولاً دقيقة ومرنة لمهام مثل تقدير الوضعية عبر مجموعة واسعة من التطبيقات. بدءًا من تحسين سلامة العمال في مواقع البناء إلى مراقبة صحة الماشية والمساعدة في تصحيح الوضعية في تمارين اللياقة البدنية، يوفر YOLO11 الدقة والتغذية الراجعة في الوقت الفعلي من خلال تقنية الرؤية الحاسوبية المتقدمة.
إن تعدد استخداماته، مع وجود متغيرات متعددة للنماذج والقدرة على التدريب المخصص لحالات استخدام محددة، يجعلها أداة قيمة للغاية للمطورين والشركات على حد سواء. وسواء من خلال الترميز باستخدام حزمة Ultralytics Python أو باستخدام Ultralytics HUB لتسهيل التنفيذ، فإن YOLO11 يجعل تقدير الوضعيات متاحًا ومؤثرًا.
لاستكشاف المزيد، قم بزيارة مستودع GitHub الخاص بنا وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في التصنيع والزراعة على صفحات الحلول الخاصة بنا. 🚀
