التدريب المخصص لـ Ultralytics YOLO11 لتقدير وضعية الكلاب

ماذا لو كان وضع كلبك قادرًا على تزويدك برؤى حول مشاعره؟ ليس من السهل مراقبته يدويًا على مدار الساعة. ولكن بفضل التطورات في الذكاء الاصطناعي (AI) والرؤية الحاسوبية، يمكننا تحليل لقطات الفيديو في الوقت الفعلي لفهم سلوكه بشكل أفضل.

على وجه التحديد، يمكن لنماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 المساعدة في تقدير وضعية الكلب وتتبع حركته، ما يوفر رؤى قيّمة حول صحته. كيف يحدث ذلك؟ يمكن لقدرة YOLO11 على تقدير الوضعية تحديد النقاط الرئيسية على جسم الكائن لفهم وضعيته وحركته.

يمكن أيضًا تدريب YOLO11 تدريبًا مخصصًا على مجموعة بيانات مصممة لتقدير وضعية الكلاب، ما يتيح تحليل لغة جسد حيوانك الأليف بدقة. تدعم حزمة Ultralytics Python مجموعة بيانات وضعية الكلاب، ما يجعل تدريب نماذج الذكاء الاصطناعي للرؤية ونشرها للكلاب أسهل. وتُعد هذه التقنية جزءًا من سوق تقنيات الحيوانات الأليفة المزدهر، الذي بلغت قيمته 9.4 مليارات دولار في عام 2024، ومن المتوقع أن يصل إلى 64 مليار دولار بحلول عام 2037.

الإلهام وراء هذا المقال هو Blues، المسؤول التنفيذي للكلاب (DEO) لدينا. إذا ألقيت نظرة على صفحة نبذة عنا، فسترى أن Blues عضو قيّم في الفريق ويؤدي دورًا مهمًا في الحفاظ على أجواء المرح في Ultralytics!

سنناقش في هذا المقال كيفية تدريب Ultralytics YOLO11 تدريبًا مخصصًا باستخدام مجموعة بيانات وضعية الكلاب لتقدير وضعية الكلاب. وسنستكشف أيضًا تطبيقاته العملية في رعاية الحيوانات الأليفة وتحليل السلوك.

الشكل 1. تعرّف إلى Blues، المسؤول التنفيذي للكلاب (DEO) في Ultralytics.

نظرة عامة على مجموعة بيانات وضعية الكلاب#

مجموعة البيانات هي مجموعة من البيانات المستخدمة لتدريب نماذج التعلم الآلي. وبالنسبة إلى تقدير الوضعية، تتضمن مجموعة البيانات المثالية صورًا تحمل تسميات للنقاط الرئيسية بهدف تحديد مواضع الجسم. وينبغي أن تتضمن أيضًا مجموعة متنوعة من الوضعيات والزوايا وظروف الإضاءة والخلفيات، لمساعدة النموذج على تعلم الوضعيات والتنبؤ بها بدقة. ويجعل هذا التنوع النموذج أكثر موثوقية للاستخدام في العالم الحقيقي.

صُممت مجموعة بيانات وضعية الكلاب، التي تدعمها Ultralytics، خصيصًا لمساعدة النماذج على تعلم وضعيات الكلاب والتعرف إليها بفعالية. وتتضمن أكثر من 8,400 صورة مشروحة لسلالات مختلفة من الكلاب، مع تسميات تفصيلية لـ24 نقطة رئيسية، مثل الذيل والأذنين والكفوف.

الشكل 2. نظرة عامة على مجموعة بيانات وضعية الكلاب.

كيفية تدريب Ultralytics YOLO11 تدريبًا مخصصًا باستخدام مجموعة بيانات وضعية الكلاب#

تدريب YOLO11 تدريبًا مخصصًا باستخدام مجموعة بيانات وضعية الكلاب عملية مباشرة. للبدء، ستحتاج إلى إعداد بيئتك من خلال تثبيت حزمة Ultralytics Python، التي تتضمن جميع الأدوات اللازمة للتدريب والتقييم.

تتضمن Ultralytics دعمًا مدمجًا لمجموعة بيانات وضعية الكلاب، ما يلغي الحاجة إلى وضع التسميات يدويًا ويتيح لك الانتقال مباشرةً إلى التدريب. بعد إعداد كل شيء، يمكنك تدريب YOLO11 على مجموعة بيانات وضعية الكلاب باستخدام بضعة أسطر من التعليمات البرمجية فقط، كما هو موضح في الصورة أدناه.

أثناء التدريب، يتعلم النموذج اكتشاف وضعيات الكلاب وتتبعها عبر سلالات وظروف إضاءة وبيئات مختلفة. وبعد التدريب، يمكنك تصور النتائج وضبط النموذج بدقة لتحسين الدقة والأداء.

الشكل 3. مقتطف من التعليمات البرمجية يوضح التدريب المخصص لـ Ultralytics YOLO11 على مجموعة بيانات وضعية الكلاب.

إذا واجهت أي مشكلات أثناء تدريب نموذجك، فإليك بعض نصائح استكشاف الأخطاء وإصلاحها لمساعدتك على حلها بسرعة:

• تحقق من اتصالك بالإنترنت: تُنزّل مجموعة بيانات وضعية الكلاب تلقائيًا عند تشغيل برنامج التدريب النصي. تأكد من توفر اتصال ثابت بالإنترنت لتجنب فشل التنزيل.
• حدّث Ultralytics: تأكد من استخدام أحدث إصدار من حزمة Ultralytics Python.
• تحقق من وجود أخطاء في وحدة التحكم: اقرأ أي رسائل خطأ بعناية، إذ إنها غالبًا ما تقدم أدلة على ما يحتاج إلى إصلاح.

يمكنك الاطلاع على دليل المشكلات الشائعة في Ultralytics للحصول على مزيد من نصائح استكشاف الأخطاء وإصلاحها.

ماذا يحدث أثناء تدريب النموذج المخصص؟#

قد تتساءل عما يحدث خلف الكواليس عند تدريب Ultralytics YOLO11 تدريبًا مخصصًا على مجموعة بيانات وضعية الكلاب. دعونا نلقِ نظرة فاحصة على العملية.

بدلًا من البدء من الصفر، نستخدم نموذج Ultralytics YOLO11-pose المدرّب مسبقًا، والذي سبق تدريبه على مجموعة بيانات COCO-Pose. يستطيع هذا النموذج المدرّب مسبقًا اكتشاف النقاط الرئيسية البشرية، لأن COCO-Pose مصممة لتقدير وضعية الإنسان. وفي الواقع، يمكنك استخدام YOLO11-Pose لإجراء تقدير وضعية الإنسان مباشرةً دون أي تدريب إضافي.

من خلال التعلم بالنقل، نكيّف هذا النموذج خصيصًا لتقدير وضعية الكلاب، ما يساعده على التعرف إلى النقاط الرئيسية مثل الأرجل والذيل والرأس. ومن خلال تعريض النموذج لأمثلة خاصة بالكلاب، يتعلم التركيز على هذه السمات الأساسية.

أثناء التدريب، تبقى بعض أجزاء النموذج دون تغيير، مع الاحتفاظ بالمعرفة العامة المكتسبة من مجموعة بيانات COCO. وتُعاد202 إعادة تدريب أجزاء أخرى لتحسين الدقة في تقدير وضعيات الكلاب. يتعلم النموذج من خلال مقارنة تنبؤاته بالنقاط الرئيسية الفعلية في مجموعة البيانات، وإجراء تعديلات لتقليل الأخطاء. ومع مرور الوقت، تجعل هذه العملية النموذج أفضل في تتبع حركات الكلب بدقة.

يتيح التعلم بالنقل أيضًا للنموذج التكيف مع السلالات والأحجام وأنماط الحركة المختلفة، ما يضمن أداءً موثوقًا في سيناريوهات العالم الحقيقي.

الشكل 4. اكتشاف النقاط الرئيسية لـ Blues وشقيقته Happy.

مزايا Ultralytics YOLO11 في تقدير وضعية الكلاب#

تتوفر نماذج رؤية حاسوبية عديدة، فما الذي يجعل YOLO11 الخيار المناسب لتقدير وضعية الكلاب؟

يتميز Ultralytics YOLO11 بسرعته ودقته في الوقت الفعلي، ما يجعله خيارًا رائعًا لتقدير وضعية الكلاب. وهو يتفوق على الإصدارات السابقة من حيث الدقة والسرعة. وباستخدام عدد من المعاملات أقل بنسبة 22% من YOLOv8، يحقق متوسط دقة (mAP) أعلى على مجموعة بيانات COCO، ما يعني أنه يكتشف الكائنات بدقة وكفاءة أكبر. وتجعله سرعة معالجته العالية مثاليًا للتطبيقات الفورية التي يكون فيها الاكتشاف السريع والموثوق أمرًا أساسيًا.

بالإضافة إلى تقدير الوضعية، يدعم Ultralytics YOLO11 أيضًا مهام الرؤية الحاسوبية مثل تجزئة الكائنات وتتبعها، ما يمكن أن يساعد في إنشاء حل أكثر شمولًا للذكاء الاصطناعي للرؤية لمراقبة كلبك. ويمكن لهذه الميزات تحسين تتبع الحركة وتحليل السلوك ورعاية الحيوانات الأليفة عمومًا.

الشكل 5. Ultralytics YOLO11 أثناء العمل: تجزئة Blues بسهولة!

تطبيقات تقدير وضعية الكلاب وUltralytics YOLO11#

بعد ذلك، سنناقش التطبيقات الواقعية لتقدير وضعية الكلاب وتأثيره في رعاية الحيوانات الأليفة.

تحسين تدريب الحيوانات الأليفة باستخدام تقدير وضعية الكلاب#

يمكن لتقدير وضعية الكلاب أن يجعل تدريب الكلاب أكثر ذكاءً وفعالية. لنفترض استخدام كاميرا لالتقاط حركات الكلب؛ هنا يمكن أن يتدخل Ultralytics YOLO11. إذ يستطيع اكتشاف النقاط الرئيسية مثل الأرجل والذيل والرأس وتحليلها للتعرف إلى أفعال مثل الجلوس والثبات والاستلقاء.

إذا لم ينفذ الكلب الفعل بشكل صحيح، فيمكن للنظام تقديم ملاحظات فورية عبر تطبيق، ما يساعد المدرب في الوقت الفعلي. ويجعل ذلك التدريب أكثر كفاءة ودقة واستجابة لتقدم الكلب.

على سبيل المثال، تخيل تعليم كلبك الجلوس عند الطلب. يمكن للنظام مراقبة وضعية كلبك واكتشاف ما إذا كان جالسًا بالكامل. فإذا خفّض الكلب جسمه لكنه لم يجلس تمامًا، يستطيع النظام اكتشاف الفعل غير المكتمل وإرسال ملاحظات فورية عبر تطبيق. ويمكن تنبيه المدرب لإجراء تعديلات صغيرة على التدريب، مثل تعزيز الأمر أو توجيه الكلب إلى الوضعية الصحيحة.

الشكل 6. Blues يساعد الفريق في تقدير وضعية الكلاب باستخدام Ultralytics YOLO11

الارتقاء بالرعاية البيطرية باستخدام نماذج تقدير الوضعية#

يمكن للرؤية الحاسوبية أن تغيّر طريقة تعامل الأطباء البيطريين مع رعاية الحيوانات. إذ تجعل قدرة تقدير وضعية الكلاب على تحليل التفاصيل بدقة اكتشاف أنماط الحركة غير المعتادة وتحديد المشكلات الصحية المحتملة أسهل.

على سبيل المثال، يمكن لطبيب بيطري يراقب كلبًا يتعافى من إصابة في الأربطة الاعتماد على Ultralytics YOLO11، المدرّب على مجموعة بيانات وضعية الكلاب، لإجراء تحليل آلي. ويمكن اكتشاف العرج أو التغيرات في وضعية الأرجل بسهولة. وتوفر المراقبة المستمرة على مدار الساعة، طوال أيام الأسبوع، والمدعومة بالرؤية، رؤى واضحة حول تعافي الكلب، ما يساعد الطبيب على تحديد ما إذا كان العلاج فعالًا أو ما إذا كانت هناك حاجة إلى تعديلات.

آفاق تقدير وضعية الكلاب#

مع استمرار تطور التقنية، من المرجح أن تؤدي حلول مثل تقدير وضعية الكلاب باستخدام YOLO11 دورًا أكبر في مراقبة الحيوانات وتعزيز رفاهيتها. وفي الواقع، يمكن دمج YOLO11 مع التقنيات القابلة للارتداء، مثل الأطواق الذكية وأجهزة تتبع الصحة، لمراقبة مؤشرات صحية رئيسية مثل معدل ضربات القلب ومستويات النشاط وأنماط الحركة.

على سبيل المثال، يمكن لطوق ذكي مزود بمستشعرات للحركة تتبع مشية الكلب أثناء المشي أو الجري، بينما يحلل تقدير الوضعية في Ultralytics YOLO11 وضعية الجسم في الوقت الفعلي. وإذا اكتشف النظام حركة غير منتظمة، مثل العرج أو التيبس، فيمكنه ربط هذه البيانات بمعدل ضربات القلب ومستويات النشاط لتقييم الانزعاج أو الإصابة المحتملة. ويستخدم مالكو الحيوانات الأليفة والأطباء البيطريون هذه الرؤى لتحديد المشكلات مبكرًا واتخاذ إجراءات استباقية.

مع هذه التطورات، يتجاوز تقدير وضعية الكلاب مجرد تتبع الحركة؛ إذ يتحول إلى جزء أساسي من نظام شامل لرعاية الحيوانات الأليفة مدعوم بالذكاء الاصطناعي، ما يساعد الكلاب على البقاء بصحة أفضل وأمان أكبر، مع مراقبتها بصورة أفضل وفي الوقت الفعلي.

أهم النقاط المستخلصة#

من خلال ابتكارات مثل Ultralytics YOLO11 ومجموعة بيانات وضعية الكلاب، نفتح إمكانات جديدة في مجال الرؤية الحاسوبية. وتساعدنا هذه التطورات على فهم سلوك الكلاب وصحتها بشكل أفضل، بطرق لم تكن ممكنة من قبل.

من خلال تتبع وضعيات الكلاب بدقة، يمكننا تحسين التدريب ومراقبة الصحة وجعل رعاية الحيوانات الأليفة أكثر فعالية. وسواء في البحث أو الرعاية البيطرية أو تدريب الكلاب، ينشئ الذكاء الاصطناعي للرؤية أساليب أكثر ذكاءً لرعاية كلابنا وتحسين رفاهيتها.

انضم إلى مجتمعنا واستكشف مستودعنا على GitHub لمعرفة المزيد عن الذكاء الاصطناعي. واكتشف كيف تشكل ابتكارات مثل الرؤية الحاسوبية في الرعاية الصحية والذكاء الاصطناعي في السيارات ذاتية القيادة مستقبلنا. اطّلع على خيارات الترخيص لبدء مشاريعك في مجال الذكاء الاصطناعي للرؤية اليوم.