Junta-te a nós para vermos mais de perto como utilizar o Ultralytics YOLO11 para o seguimento de objectos em aplicações em tempo real, como vigilância, agricultura e fabrico.
Digamos que pretende monitorizar e seguir o movimento de componentes numa linha de montagem de uma fábrica para garantir o controlo de qualidade e melhorar a eficiência do fluxo de trabalho. Normalmente, isso envolveria inspeções manuais ou o uso de sensores básicos para rastrear itens, o que pode ser demorado e propenso a erros. No entanto, a visão por computador e o seguimento de objectos podem ser utilizados para automatizar e melhorar este processo.
O seguimento de objectos é uma tarefa de visão por computador que ajuda a detetar, identificar e seguir objectos num vídeo. Ele pode ser usado para uma ampla variedade de aplicações, desde o monitoramento de animais em fazendas até a segurança e a vigilância em lojas de varejo. Os objetos rastreados em um vídeo geralmente são visualizados usando caixas delimitadoras para ajudar o usuário a ver exatamente onde eles estão localizados e detectados dentro do quadro do vídeo.
Lançado durante o evento híbrido anual daUltralytics, YOLO Vision 2024 (YV24), o Ultralytics YOLO11 é um modelo de visão por computador que pode lidar com uma grande variedade de tarefas de IA de visão, incluindo o seguimento de objectos. Neste artigo, vamos explorar como funciona o seguimento de objectos e discutir aplicações do mundo real. Também vamos ver como podes experimentar o seguimento de objectos utilizando o YOLO11. Toca a começar!
O seguimento de objectos é uma técnica essencial da visão por computador. Torna possível que os objectos num vídeo sejam identificados e seguidos ao longo do tempo. O rastreamento de objetos pode parecer muito semelhante a outra tarefa de visão computacional - a deteção de objetos. A principal diferença entre as duas está na forma como lidam com os quadros de vídeo. A deteção de objetos analisa cada quadro individualmente, identificando e classificando objetos sem considerar quadros anteriores ou futuros. O rastreamento de objetos, por outro lado, liga os pontos entre os quadros, seguindo os mesmos objetos ao longo do tempo e acompanhando seus movimentos.
Aqui tens uma explicação mais detalhada de como funciona o seguimento de objectos:
Ultralytics suporta o seguimento de objectos em tempo real, tirando partido de algoritmos de seguimento avançados como o BoT-SORT e o ByteTrack. Também funciona perfeitamente com modelos YOLO11 de segmentação e estimativa de pose, tornando-o uma ferramenta flexível para uma vasta gama de tarefas de seguimento.
As capacidades versáteis do modeloUltralytics YOLO11 abrem uma vasta gama de aplicações possíveis em muitas indústrias. Vamos analisar mais de perto alguns casos de utilização do YOLO11 para rastreio de objectos.
O seguimento de objectos é crucial para ajudar os veículos autónomos a funcionar de forma segura e eficiente. Estes veículos precisam de compreender constantemente o que os rodeia para tomar decisões em tempo real, como parar, virar ou mudar de faixa. A deteção de objectos permite que o automóvel identifique elementos-chave no seu ambiente, como peões, ciclistas, outros veículos e sinais de trânsito. No entanto, a deteção destes objectos num único momento não é suficiente para uma navegação segura.
É aí que entra o rastreio de objectos. Permite que o automóvel siga estes objectos ao longo do tempo, acompanhando os seus movimentos em vários fotogramas. Por exemplo, ajuda os veículos autónomos a prever para onde se dirige um peão, a monitorizar a velocidade e a direção dos veículos próximos ou a reconhecer que um semáforo não mudou. Ao combinar a deteção e o seguimento, os veículos autónomos podem antecipar o movimento dos objectos à sua volta, responder proactivamente e conduzir com segurança e sem problemas.
O rastreio de animais numa exploração agrícola, como o gado, é vital para uma gestão eficaz, mas pode ser uma tarefa fastidiosa e morosa. Os métodos tradicionais, como a utilização de sensores ou etiquetas, têm muitas vezes desvantagens. Estes dispositivos podem stressar os animais quando estão presos e são propensos a cair ou a ficar danificados, o que perturba o seguimento.
A visão computacional oferece uma melhor solução para os agricultores monitorizarem e seguirem os animais sem a necessidade de etiquetas físicas. O seguimento de objectos pode dar aos agricultores informações valiosas sobre o comportamento e a saúde dos animais. Por exemplo, pode ajudar a detetar condições como claudicação que afectam a forma como um animal caminha. Ao utilizar o seguimento de objectos, os agricultores podem detetar alterações subtis no movimento e resolver problemas de saúde atempadamente.
Além do monitoramento da saúde, a visão computacional também pode ajudar os fazendeiros a entender outros comportamentos, como interações sociais, hábitos alimentares e padrões de movimento. Essas percepções podem melhorar o gerenciamento do rebanho, otimizar os horários de alimentação e promover o bem-estar geral dos animais. Ao reduzir o trabalho manual e minimizar o stress para os animais, o rastreamento baseado em visão computacional é uma ferramenta prática e eficiente para a agricultura moderna.
O seguimento de objectos tem muitos casos de utilização no sector da produção. Por exemplo, os sistemas de deteção e seguimento de objectos podem monitorizar as linhas de produção. Produtos ou matérias-primas podem ser facilmente rastreados e contados à medida que se movem numa correia transportadora. Esses sistemas também podem ser integrados a outros sistemas de visão computacional para executar tarefas adicionais. Por exemplo, um item com um defeito pode ser identificado usando um sistema de deteção de defeitos e rastreado usando o rastreamento de objetos para garantir que ele seja tratado adequadamente.
Outra aplicação importante do seguimento de objectos na indústria transformadora está relacionada com a segurança. Os sistemas de seguimento de objectos podem ser utilizados para detetar e seguir trabalhadores em ambientes de fabrico potencialmente perigosos. As regiões perigosas podem ser marcadas e monitorizadas constantemente utilizando sistemas de visão por computador, e os supervisores podem ser notificados se os trabalhadores (que estão a ser seguidos) se aproximarem dessas áreas. Estes sistemas de segurança também podem ser utilizados para detetar e seguir o equipamento, evitando a possibilidade de roubo.
O seguimento de objectos em tempo real é amplamente utilizado em sistemas de segurança e vigilância. Esses sistemas podem ser usados para monitorar locais públicos, centros de transporte e grandes ambientes de varejo, como shopping centers. Áreas grandes e cheias de gente podem utilizar esta tecnologia para seguir indivíduos suspeitos ou comportamentos de multidões, fornecendo uma solução de vigilância sem falhas. Por exemplo, durante a pandemia, foram utilizados sistemas de seguimento de objectos para seguir áreas com muita gente e garantir que as pessoas mantinham o distanciamento social.
O seguimento de objectos também pode ser utilizado na vigilância do tráfego. O seguimento de objectos torna possível seguir e analisar o comportamento dos veículos, detectando acções invulgares ou suspeitas em tempo real para ajudar a evitar acidentes ou crimes. Um bom exemplo são os sistemas de estimativa de velocidade. Estes podem detetar e seguir um veículo para determinar a sua velocidade.
Agora que já explorámos algumas das aplicações de localização de objectos, vamos discutir como podes experimentá-las utilizando o modeloUltralytics YOLO11.
Para começar, instala o pacoteUltralytics Python usando pip, conda ou Docker. Se enfrentares algum desafio durante a instalação, o nosso Guia de Problemas Comuns oferece dicas úteis de resolução de problemas.
Depois de instalares o pacote com sucesso, executa o seguinte código. Descreve como carregar o modelo Ultralytics YOLO11 e usá-lo para seguir objectos num ficheiro de vídeo. O modelo utilizado no código é o "yolo11n.pt". O 'n' significa Nano - a variante mais pequena do modelo YOLO11. Também podes escolher entre outras variantes do modelo - pequeno, médio, grande e extra-grande.
Também podes optar por utilizar um modelo treinado à medida em vez de um modelo pré-treinado. O treinamento personalizado envolve o ajuste fino de um modelo pré-treinado para se adequar à sua aplicação específica.
Como mencionado anteriormente, o rastreamento de objetos é suportado para os seguintes modelos do YOLO11: deteção de objetos, estimativa de pose e segmentação de instâncias. Se tiveres uma aplicação específica que envolva o seguimento, podes treinar qualquer um destes modelos, dependendo da tua aplicação. Podes treinar um modelo personalizado utilizando o pacoteUltralytics Python ou a plataforma sem código, Ultralytics HUB.
Ultralytics O YOLO11 é uma excelente ferramenta para seguir objectos em vídeos e pode ser utilizado em muitos campos diferentes, como carros autónomos, agricultura, fabrico e segurança. Consegue detetar e seguir objectos em tempo real, ajudando as empresas e as indústrias a acompanhar os seus trabalhadores e equipamentos. O modelo é fácil de usar e pode ser personalizado para necessidades específicas, o que o torna uma boa opção para qualquer pessoa interessada em adotar recursos de visão computacional sem problemas.
Para saber mais, visita o nosso repositório GitHub e participa na nossa comunidade. Explora as aplicações de IA em carros autónomos e na agricultura nas nossas páginas de soluções. 🚀
Começa a tua viagem com o futuro da aprendizagem automática
