تدريب مخصص لـ Ultralytics YOLO11 لتقدير وضعية الكلاب

ماذا لو كانت وضعية كلبك يمكن أن تعطيك نظرة ثاقبة حول شعوره؟ مراقبتهم يدويًا على مدار الساعة ليست سهلة. ومع ذلك، بفضل التطورات في الذكاء الاصطناعي (AI) و رؤية الحاسوب، يمكننا تحليل لقطات الفيديو في الوقت الفعلي لفهم سلوكهم بشكل أفضل.

على وجه التحديد، يمكن لنماذج رؤية الكمبيوتر مثل Ultralytics YOLO11 أن تساعد في تقدير وضعية الكلب وتتبع حركته، مما يوفر رؤى قيمة حول سلامته. كيف يعمل هذا؟ يمكن لقدرة تقدير الوضعية في YOLO11 تحديد النقاط الرئيسية على جسم الكائن لفهم وضعيته وحركته. 

أيضًا، يمكن تدريب YOLO11 بشكل مخصص على مجموعة بيانات مصممة لتقدير وضعية الكلاب، مما يجعل من الممكن تحليل لغة جسد حيوانك الأليف بدقة. تدعم حزمة Ultralytics Python مجموعة بيانات لوضعية الكلاب مما يسهل تدريب ونشر نماذج Vision AI للكلاب. هذه التقنية هي جزء من سوق تكنولوجيا الحيوانات الأليفة المزدهر، والذي تقدر قيمته بـ 9.4 مليار دولار في عام 2024 ومن المتوقع أن يصل إلى 64 مليار دولار بحلول عام 2037.

الإلهام وراء هذه المقالة هو Blues، مديرنا التنفيذي الكلبي (DEO). إذا اطلعت على صفحة نبذة عنا، فسترى أن Blues هو عضو فريق قيّم ويلعب دورًا مهمًا في الحفاظ على أجواء ممتعة في Ultralytics! 

في هذه المقالة، سنناقش كيفية تدريب YOLO11 المخصص باستخدام مجموعة بيانات Dog-Pose لتقدير وضعية الكلاب. وسنستكشف أيضًا تطبيقاته العملية في رعاية الحيوانات الأليفة وتحليل سلوكها.

‍

نظرة عامة على مجموعة بيانات Dog-Pose

مجموعة البيانات هي مجموعة من البيانات المستخدمة لتدريب نماذج تعلم الآلة. لـ تقدير الوضعية، تتضمن مجموعة البيانات المثالية صورًا بنقاط رئيسية مصنفة لتعيين أوضاع الجسم. يجب أن تحتوي أيضًا على مجموعة متنوعة من الأوضاع والزوايا وظروف الإضاءة والخلفيات لمساعدة النموذج على تعلم التعرف على الأوضاع والتنبؤ بها بدقة. هذا التنوع يجعل النموذج أكثر موثوقية للاستخدام في العالم الحقيقي.

تم تصميم مجموعة بيانات Dog-Pose، المدعومة من Ultralytics، خصيصًا لمساعدة النماذج على تعلم أوضاع الكلاب والتعرف عليها بفعالية. وهي تتضمن أكثر من 8400 صورة مشروحة لسلالات مختلفة من الكلاب، مع تسميات تفصيلية لـ 24 نقطة رئيسية، مثل الذيل والأذنين والكفوف.

‍

كيفية تدريب YOLO11 المخصص باستخدام مجموعة بيانات Dog-Pose

يعد التدريب المخصص لـ YOLO11 باستخدام مجموعة بيانات Dog-Pose عملية مباشرة. للبدء، ستحتاج إلى إعداد بيئتك عن طريق تثبيت حزمة Ultralytics Python، والتي تتضمن جميع الأدوات اللازمة للتدريب والتقييم. 

لدى Ultralytics دعم مدمج لمجموعة بيانات Dog-Pose وهذا يلغي الحاجة إلى التصنيف اليدوي، مما يسمح لك بالانتقال مباشرة إلى التدريب. بمجرد إعداد كل شيء، يمكنك تدريب YOLO11 على مجموعة بيانات Dog-Pose باستخدام بضعة أسطر فقط من التعليمات البرمجية، كما هو موضح في الصورة أدناه. 

أثناء التدريب، يتعلم النموذج اكتشاف وتتبع أوضاع الكلاب عبر سلالات مختلفة وظروف إضاءة وبيئات. بعد التدريب، يمكنك تصور النتائج وضبط النموذج لتحسين الدقة والأداء.

‍

إذا واجهت أي مشكلات أثناء تدريب النموذج الخاص بك، فإليك بعض النصائح لاستكشاف الأخطاء وإصلاحها لمساعدتك في حلها بسرعة:

• تحقق من اتصالك بالإنترنت: يتم تنزيل مجموعة بيانات Dog-Pose تلقائيًا عند تشغيل البرنامج النصي للتدريب. تأكد من أن لديك اتصال إنترنت ثابت لتجنب حالات فشل التنزيل.
  ‍
• تحديث Ultralytics: تأكد من أنك تستخدم أحدث إصدار من حزمة Ultralytics Python.
  ‍
• تحقق من وجود أخطاء في وحدة التحكم: اقرأ أي رسائل خطأ بعناية، لأنها غالبًا ما تقدم أدلة حول ما يجب إصلاحه.

يمكنك الاطلاع على دليل المشكلات الشائعة في Ultralytics للحصول على المزيد من النصائح حول استكشاف الأخطاء وإصلاحها.

ماذا يحدث أثناء تدريب النموذج المخصص؟

قد تتساءل عما يحدث وراء الكواليس عندما تقوم بتدريب مخصص لـ YOLO11 على مجموعة بيانات Dog-Pose. دعنا نلقي نظرة فاحصة على العملية.

بدلًا من البدء من الصفر، نستخدم نموذج YOLO11-pose مُدرَّب مسبقًا، والذي تم تدريبه بالفعل على مجموعة بيانات COCO-Pose. يمكن لهذا النموذج المُدرَّب مسبقًا اكتشاف النقاط الرئيسية للإنسان لأن COCO-Pose مصمم لتقدير وضعية الإنسان. في الواقع، بدون أي تدريب إضافي، يمكنك استخدام YOLO11-Pose لإجراء تقدير وضعية الإنسان مباشرةً.

من خلال التعلم بالنقل، نقوم بتكييف هذا النموذج خصيصًا لتقدير وضعية الكلاب، مما يساعده على التعرف على النقاط الرئيسية مثل الأرجل والذيل والرأس. من خلال تعريض النموذج لأمثلة خاصة بالكلاب، فإنه يتعلم 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 والتكيف لتقليل الأخطاء. بمرور الوقت، تجعل هذه العملية النموذج أفضل في تتبع حركات الكلب بدقة.

‍يجعل التعلم بالنقل أيضًا من الممكن للنموذج التكيف مع السلالات والأحجام وأنماط الحركة المختلفة، مما يضمن أدائه بشكل موثوق في سيناريوهات العالم الحقيقي.

‍

مزايا YOLO11 في تقدير وضعية الكلاب

هناك العديد من نماذج الرؤية الحاسوبية المتاحة، فما الذي يجعل YOLO11 هو الخيار الصحيح لتقدير وضعية الكلب؟ 

يتميز YOLO11 بسرعته ودقته في الوقت الفعلي، مما يجعله خيارًا رائعًا لتقدير وضعية الكلاب. إنه يعمل بشكل أفضل من الإصدارات السابقة من حيث الدقة والسرعة. مع عدد أقل من المعلمات بنسبة 22% مقارنةً بـ YOLOv8، فإنه يحقق متوسط دقة أعلى (mAP) على مجموعة بيانات COCO، مما يعني أنه يكتشف الكائنات بدقة وكفاءة أكبر. سرعة المعالجة السريعة تجعله مثاليًا للتطبيقات في الوقت الفعلي، حيث يكون الاكتشاف السريع والموثوق ضروريًا.

بالإضافة إلى تقدير الوضعية، يدعم YOLO11 أيضًا مهام رؤية الكمبيوتر مثل تجزئة المثيلات وتتبع الكائنات، مما يساعد في إنشاء حل رؤية شامل للذكاء الاصطناعي لمراقبة كلبك. يمكن لهذه الميزات تحسين تتبع الحركة وتحليل السلوك والرعاية الشاملة للحيوانات الأليفة.

‍

تطبيقات تقدير وضعية الكلاب و YOLO11

بعد ذلك، دعنا نناقش التطبيقات الواقعية لتقدير وضعية الكلاب وتأثيرها على رعاية الحيوانات الأليفة. 

تحسين تدريب الحيوانات الأليفة باستخدام تقدير وضعية الكلاب

يمكن لتقدير وضعية الكلب أن يجعل تدريب الكلاب أكثر ذكاءً وفعالية. لنفترض أنه يتم استخدام كاميرا لالتقاط حركات الكلب، وهنا يمكن أن تتدخل YOLO11. يمكنها اكتشاف النقاط الرئيسية مثل الأرجل والذيل والرأس، وتحليلها للتعرف على الإجراءات مثل الجلوس أو البقاء أو الاستلقاء. 

إذا لم ينفذ الكلب الإجراء 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 بناءً على أمر. يمكن للنظام مراقبة وضعية كلبك واكتشاف ما إذا كان جالسًا بالكامل. إذا قام الكلب بخفض جسده ولكنه لم يجلس بالكامل، فيمكن للنظام اكتشاف الإجراء غير الكامل وإرسال ملاحظات فورية من خلال تطبيق. يمكن تغيير المدرب لإجراء تعديلات طفيفة على التدريب، مثل تعزيز الأمر أو توجيه الكلب إلى الوضع الصحيح.

‍

النهوض بالرعاية البيطرية باستخدام نماذج تقدير الوضعية

يمكن للرؤية الحاسوبية أن تغير الطريقة التي يتعامل بها الأطباء البيطريون مع رعاية الحيوانات. إن قدرة تقدير وضعية الكلاب على تحليل التفاصيل بدقة تجعل من السهل اكتشاف أنماط الحركة غير العادية وتحديد المشكلات الصحية المحتملة. 

على سبيل المثال، يمكن للطبيب البيطري الذي يراقب كلبًا يتعافى من إصابة في الرباط الاعتماد على YOLO11، المدرب على مجموعة بيانات Dog-Pose، للتحليل الآلي. يمكن اكتشاف العرج أو التغيرات في وضعية الساق بسهولة. توفر المراقبة المستمرة التي تدعمها الرؤية على مدار الساعة طوال أيام الأسبوع رؤى واضحة حول تعافي الكلب، مما يساعدهم على تحديد ما إذا كان العلاج فعالاً أو ما إذا كانت هناك حاجة إلى تعديلات.

المسار المستقبلي لتقدير وضعية الكلاب 

مع استمرار تطور التكنولوجيا، من المرجح أن تلعب حلول مثل تقدير وضعية الكلاب باستخدام YOLO11 دورًا أكبر في مراقبة الحيوانات ورفاهيتها. في الواقع، يمكن دمج YOLO11 مع التكنولوجيا القابلة للارتداء، مثل الياقات الذكية وأجهزة تتبع الصحة، لمراقبة المؤشرات الصحية الرئيسية مثل معدل ضربات القلب ومستويات النشاط وأنماط الحركة.

على سبيل المثال، يمكن لطوق ذكي مزود بأجهزة استشعار الحركة تتبع مشية الكلب أثناء المشي أو الجري، بينما يحلل تقدير وضعية YOLO11 وضعية الجسم في الوقت الفعلي. إذا اكتشف النظام حركة غير منتظمة، مثل العرج أو التصلب، فيمكنه ربط هذه البيانات بمعدل ضربات القلب ومستويات النشاط لتقييم أي إزعاج أو إصابة محتملة. يمكن لأصحاب الحيوانات الأليفة والأطباء البيطريين استخدام هذه الرؤى لتحديد المشكلات مبكرًا واتخاذ إجراءات استباقية.

مع هذه التطورات، يتطور تقدير وضعية الكلاب إلى ما هو أبعد من مجرد تتبع الحركة البسيط - بل أصبح جزءًا أساسيًا من نظام شامل لرعاية الحيوانات الأليفة يعتمد على الذكاء الاصطناعي، مما يساعد الكلاب على البقاء أكثر صحة وأمانًا وتحت مراقبة أفضل في الوقت الفعلي.

النقاط الرئيسية

من خلال ابتكارات مثل YOLO11 ومجموعة بيانات Dog-Pose، فإننا نفتح إمكانيات جديدة في رؤية الكمبيوتر. تساعدنا هذه التطورات على فهم سلوك الكلاب وصحتها بطرق لم تكن ممكنة من قبل.

من خلال تتبع أوضاع الكلاب بدقة، يمكننا تحسين التدريب ومراقبة الصحة وجعل رعاية الحيوانات الأليفة أكثر فعالية. سواء في البحث أو الرعاية البيطرية أو تدريب الكلاب، فإن Vision AI يخلق طرقًا أكثر ذكاءً لرعاية كلابنا وتحسين رفاهيتها.

انضم إلى مجتمعنا واستكشف مستودع GitHub الخاص بنا لمعرفة المزيد حول الذكاء الاصطناعي. اكتشف كيف تشكل الابتكارات مثل رؤية الكمبيوتر في الرعاية الصحية و الذكاء الاصطناعي في السيارات ذاتية القيادة المستقبل. تحقق من خيارات الترخيص الخاصة بنا لبدء مشاريع Vision AI الخاصة بك اليوم.