تدريب Ultralytics YOLO11 مخصصًا لتقدير وضعية الكلاب

ماذا لو أمكن لوضعية كلبك أن تمنحك مؤشرات على شعوره؟ ليس من السهل مراقبته يدويًا طوال الوقت. لكن بفضل التطورات في الذكاء الاصطناعي (AI) والرؤية الحاسوبية، يمكننا تحليل مقاطع الفيديو آنيًا لفهم سلوكه على نحو أفضل.

على وجه الخصوص، يمكن لنماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 المساعدة على تقدير وضعية الكلب وتتبع حركته، مما يوفر رؤى قيّمة عن سلامته. كيف يحدث ذلك؟ تستطيع قدرة تقدير الوضعية في YOLO11 تحديد النقاط الرئيسية على جسم الكائن لفهم وضعيته وحركته.

كذلك، يمكن تدريب YOLO11 تدريبًا مخصصًا على مجموعة بيانات مصممة لتقدير وضعيات الكلاب، مما يتيح تحليل لغة جسد حيوانك الأليف بدقة. وتدعم حزمة Ultralytics Python مجموعة بيانات Dog-Pose، التي تسهّل تدريب نماذج الرؤية المدعومة بالذكاء الاصطناعي للكلاب ونشرها. وهذه التقنية جزء 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.

كان مصدر الإلهام وراء هذه المقالة هو Blues، مديرنا التنفيذي الكلب (DEO). إذا زرت صفحة من نحن، فسترى أن Blues عضو قيّم في الفريق ويؤدي دورًا مهمًا في إبقاء الأجواء مرحة في Ultralytics!

في هذه المقالة، سنناقش كيفية تدريب Ultralytics YOLO11 تدريبًا مخصصًا باستخدام مجموعة بيانات Dog-Pose لتقدير وضعيات الكلاب. وسنستكشف أيضًا تطبيقاتها العملية في رعاية الحيوانات الأليفة وتحليل سلوكها.

الشكل 1. تعرّف إلى Blues، المدير التنفيذي الكلب (DEO) في Ultralytics.

لمحة عامة عن مجموعة بيانات Dog-Pose#

مجموعة البيانات هي مجموعة من البيانات تُستخدم لتدريب نماذج التعلم الآلي. ولأغراض تقدير الوضعية، تتضمن مجموعة البيانات المثالية صورًا موسومة بنقاط رئيسية لتحديد مواضع الجسم. وينبغي أن تضم أيضًا مجموعة متنوعة من الوضعيات والزوايا وظروف الإضاءة والخلفيات، لمساعدة النموذج على تعلم التعرّف على الوضعيات والتنبؤ بها بدقة. ويجعل هذا التنوع النموذج أكثر موثوقية للاستخدام في العالم الحقيقي.

صُممت مجموعة بيانات وضعيات الكلاب، التي تدعمها Ultralytics، خصيصًا لمساعدة النماذج على تعلم وضعيات الكلاب والتعرف عليها بفاعلية. وتضم أكثر من 8,400 صورة موسومة لسلالات مختلفة من الكلاب، ويمكنك تصفحها على منصة Ultralytics، مع تسميات مفصلة لـ24 نقطة أساسية، مثل الذيل والأذنين والكفوف.

الشكل 2. لمحة عامة عن مجموعة بيانات Dog-Pose.

كيفية تدريب Ultralytics YOLO11 تدريبًا مخصصًا باستخدام مجموعة بيانات Dog-Pose#

يُعدّ التدريب المخصص لـ YOLO11 باستخدام مجموعة بيانات Dog-Pose عملية مباشرة. للبدء، عليك إعداد بيئتك بتثبيت حزمة Ultralytics Python، التي تتضمن جميع الأدوات اللازمة للتدريب والتقييم.

تدعم Ultralytics مجموعة بيانات Dog-Pose بشكل مدمج، ما يلغي الحاجة إلى وضع التسميات يدويًا ويتيح لك البدء بالتدريب مباشرة. بعد إعداد كل شيء، يمكنك تدريب YOLO11 على مجموعة بيانات Dog-Pose باستخدام بضعة أسطر من التعليمات البرمجية فحسب، كما هو موضح في الصورة أدناه.

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

الشكل 3. مقتطف برمجي يوضح التدريب المخصص لـ Ultralytics YOLO11 باستخدام مجموعة بيانات Dog-Pose.

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

• تحقق من اتصالك بالإنترنت: تُنزّل مجموعة بيانات Dog-Pose تلقائيًا عند تشغيل برنامج التدريب النصي. تأكد من استقرار اتصالك بالإنترنت لتجنب تعذّر التنزيل.
• حدّث Ultralytics: تأكد من استخدام أحدث إصدار من حزمة Ultralytics Python.
• تحقق من الأخطاء في وحدة التحكم: اقرأ رسائل الخطأ بعناية، إذ غالبًا ما تقدم مؤشرات على ما يجب إصلاحه.

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

ماذا يحدث أثناء التدريب المخصص للنموذج؟#

قد تتساءل عما يحدث خلف الكواليس عندما تدرّب تدريبًا مخصصًا نموذج Ultralytics YOLO11 على مجموعة بيانات Dog-Pose. دعنا نلقِ نظرة فاحصة على العملية.

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

من خلال التعلم بالنقل، نكيّف هذا النموذج خصيصًا لتقدير وضعيات الكلاب، ما يساعده على التعرّف على النقاط الرئيسية مثل الأرجل والذيل والرأس. وعندما نعرّض النموذج لأمثلة خاصة بالكلاب، يتعلم التركيز على هذه السمات الأساسية.

أثناء التدريب، تبقى بعض أجزاء النموذج دون تغيير، محتفظةً بالمعرفة العامة المكتسبة من مجموعة بيانات COCO. وتُعاد تهيئة أجزاء أخرى بالتدريب لتحسين دقة تقدير وضعيات الكلاب. يتعلم النموذج من خلال مقارنة تنبؤاته بالنقاط الرئيسية الفعلية في مجموعة البيانات، ثم ضبطها لتقليل الأخطاء. ومع مرور الوقت، تحسّن هذه العملية قدرته على تتبع حركات الكلب بدقة.

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

الشكل 4. اكتشاف النقاط الرئيسية لدى Blues وشقيقته Happy.

مزايا Ultralytics YOLO11 في تقدير وضعيات الكلاب#

تتوفر نماذج رؤية حاسوبية متنوعة، فما الذي يجعل YOLO11 الخيار المناسب لتقدير وضعيات الكلاب؟

يتميز Ultralytics YOLO11 بسرعته ودقته الآنيتين، ما يجعله خيارًا ممتازًا لتقدير وضعيات الكلاب. وهو يتفوق على الإصدارات السابقة من حيث الدقة والسرعة. فعلى سبيل المثال، يحقق YOLO11m متوسط دقة (mAP) أعلى على مجموعة بيانات COCO من YOLOv8m، مع عدد معلمات أقل بنسبة 22%، ما يعني أنه يكشف الكائنات بدقة وكفاءة أكبر. كما أن سرعة معالجته تجعله مثاليًا للتطبيقات الآنية التي تتطلب كشفًا سريعًا وموثوقًا.

إلى جانب تقدير الوضعيات، يدعم Ultralytics YOLO11 أيضًا مهام الرؤية الحاسوبية مثل تجزئة العناصر وتتبع الأجسام، ما قد يساعد على إنشاء حل أكثر شمولًا للذكاء الاصطناعي البصري لمراقبة كلبك. ويمكن لهذه الميزات تحسين تتبع الحركة وتحليل السلوك والعناية بالحيوانات الأليفة عمومًا.

الشكل 5. Ultralytics YOLO11 أثناء العمل: تقسيم Blues.

تطبيقات تقدير وضعيات الكلاب وUltralytics YOLO11#

بعد ذلك، لنناقش التطبيقات العملية لتقدير وضعيات الكلاب وتأثيرها في رعاية الحيوانات الأليفة.

تحسين تدريب الحيوانات الأليفة باستخدام تقدير وضعيات الكلاب#

يمكن أن يجعل تقدير وضعيات الكلاب تدريبها أكثر ذكاءً وفاعلية. لنفترض استخدام كاميرا لتسجيل حركات الكلب. هنا يأتي دور Ultralytics YOLO11؛ إذ يمكنه كشف النقاط الأساسية مثل الأرجل والذيل والرأس، وتحليلها للتعرف على سلوكيات مثل الجلوس والثبات والاستلقاء.

إذا لم ينفذ الكلب الفعل على النحو الصحيح، فيمكن للنظام تقديم ملاحظات فورية عبر تطبيق، ما يساعد المدرّب في الوقت الفعلي. وهذا يجعل التدريب أكثر كفاءة ودقة واستجابة لتقدم الكلب.

على سبيل المثال، فكّر في تعليم كلبك الجلوس عند الطلب. يستطيع النظام مراقبة وضعية كلبك واكتشاف ما إذا كان قد جلس بالكامل. وإذا خفّض الكلب جسمه لكنه لم يجلس تمامًا، فيمكن للنظام اكتشاف عدم اكتمال الفعل وإرسال ملاحظات فورية عبر تطبيق. ويمكن تنبيه المدرّب لإجراء تعديلات بسيطة على التدريب، مثل تعزيز الأمر أو توجيه الكلب إلى الوضعية الصحيحة.

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

الارتقاء بالرعاية البيطرية باستخدام نماذج تقدير الوضعيات#

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

على سبيل المثال، يمكن لطبيب بيطري يراقب كلبًا يتعافى من إصابة في أحد الأربطة الاعتماد على Ultralytics YOLO11 المدرّب على مجموعة بيانات Dog-Pose لإجراء تحليل آلي. ويمكن اكتشاف العرج أو التغيّرات في وضعية الأرجل بسهولة. وتوفر المراقبة المستمرة على مدار الساعة، والمدعومة بالرؤية الحاسوبية، معلومات واضحة عن تعافي الكلب، ما يساعد الطبيب على تحديد ما إذا كان العلاج ناجحًا أو إذا كانت هناك حاجة إلى تعديلات.

آفاق تقدير وضعيات الكلاب#

مع استمرار تطور التكنولوجيا، يُرجح أن تؤدي حلول مثل تقدير وضعيات الكلاب باستخدام YOLO11 دورًا أكبر في مراقبة الحيوانات وتعزيز رفاهها. وفي الواقع، يمكن دمج YOLO11 مع التقنيات القابلة للارتداء، مثل الأطواق الذكية وأجهزة تتبع الصحة، لمراقبة المؤشرات الصحية الرئيسية مثل معدل ضربات القلب ومستويات النشاط وأنماط الحركة.

فعلى سبيل المثال، يمكن لطوق ذكي مزود بمستشعرات حركة تتبع مشية الكلب أثناء السير أو الركض، بينما يحلل تقدير الوضعية في Ultralytics YOLO11 وضعية الجسم آنيًا. وإذا رصد النظام حركة غير منتظمة، مثل العرج أو التيبس، فيمكنه ربط هذه البيانات بمعدل ضربات القلب ومستويات النشاط لتقييم احتمال الشعور بعدم الراحة أو الإصابة. ويمكن لمالكي الحيوانات الأليفة والأطباء البيطريين الاستفادة من هذه الرؤى لاكتشاف المشكلات مبكرًا واتخاذ إجراءات استباقية.

مع هذه التطورات، يتجاوز تقدير وضعيات الكلاب مجرد تتبع الحركة؛ إذ يصبح جزءًا أساسيًا من نظام شامل لرعاية الحيوانات الأليفة مدعوم بالذكاء الاصطناعي، ما يساعد الكلاب على البقاء بصحة أفضل وأمان أكبر، ويتيح مراقبتها على نحو أفضل في الوقت الفعلي.

أبرز النقاط#

تفتح ابتكارات مثل Ultralytics YOLO11 ومجموعة بيانات Dog-Pose آفاقًا جديدة في 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 فاعلية. سواء أكان ذلك في الأبحاث أم الرعاية البيطرية أم تدريب الكلاب، فإن الذكاء الاصطناعي البصري يبتكر طرقًا أذكى لرعاية كلابنا وتعزيز رفاهها.

انضم إلى مجتمعنا واستكشف مستودع GitHub الخاص بنا لمعرفة المزيد عن الذكاء الاصطناعي. اكتشف كيف تسهم الابتكارات مثل الرؤية الحاسوبية في الرعاية الصحية والذكاء الاصطناعي في السيارات ذاتية القيادة في تشكيل المستقبل. اطلع على خيارات الترخيص لبدء مشاريعك في الذكاء الاصطناعي البصري اليوم.