بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
إعدادات ملفات تعريف الارتباط
بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
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، نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 أن تساعد في تقدير وضعية الكلب track حركته، مما يوفر رؤى قيّمة حول سلامته. كيف يعمل هذا؟ يمكن لإمكانية تقدير الوضعية في YOLO11تحديد النقاط الرئيسية على جسم الشخص لفهم وضعيته وحركته.
بالإضافة إلى ذلك، يمكن تدريب YOLO11 على مجموعة بيانات مصممة لتقدير وضعية الكلاب، مما يجعل من الممكن تحليل لغة جسد حيوانك الأليف بدقة. تدعم حزمة Ultralytics Python مجموعة بيانات وضعية الكلب التي تسهّل تدريب ونشر نماذج الذكاء الاصطناعي المرئي للكلاب. تُعد هذه التقنية جزءاً من سوق تكنولوجيا الحيوانات الأليفة المزدهر الذي بلغت قيمته 9.4 مليار دولار في عام 2024، ومن المتوقع أن يصل إلى 64 مليار دولار بحلول عام 2037.
مصدر الإلهام وراء هذا المقال هو بلوز، المسؤول التنفيذي للكلب (DEO). إذا قمت بمراجعة صفحة "من نحن " الخاصة بنا، سترى أن بلوز هو عضو مهم في الفريق ويلعب دورًا مهمًا في الحفاظ على متعة الأمور في Ultralytics!
سنناقش في هذه المقالة كيفية تدريب YOLO11 المخصص باستخدام مجموعة بيانات وضعية الكلب لتقدير وضعية الكلب. سنستكشف أيضًا تطبيقاته العملية في رعاية الحيوانات الأليفة وتحليل السلوك.
الشكل 1. تعرّف على بلوز، المسؤول التنفيذي للكلب (DEO) في شركة Ultralytics.
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 وضعيات الكلاب، المدعومة من Ultralytics خصيصًا لمساعدة النماذج على تعلم وضعيات الكلاب والتعرف عليها بفعالية. وهي تتضمن أكثر من 8400 صورة مشروحة لسلالات مختلفة من الكلاب، مع تسميات مفصلة لـ 24 نقطة رئيسية، مثل الذيل والأذنين والكفوف.
كيفية تدريب YOLO11 المخصص باستخدام مجموعة بيانات وضعيات الكلاب
يعد تدريب YOLO11 المخصص باستخدام مجموعة بيانات وضعية الكلب عملية مباشرة. للبدء، ستحتاج إلى إعداد بيئتك عن طريق تثبيت حزمةUltralytics Python والتي تتضمن جميع الأدوات اللازمة للتدريب والتقييم.
يحتوي Ultralytics على دعم مدمج لمجموعة بيانات وضعية الكلب، وهذا يلغي الحاجة إلى وضع العلامات يدويًا، مما يسمح لك بالبدء مباشرةً في التدريب. بمجرد إعداد كل شيء، يمكنك تدريب YOLO11 على مجموعة بيانات وضعية الكلب باستخدام بضعة أسطر من التعليمات البرمجية، كما هو موضح في الصورة أدناه.
أثناء التدريب، يتعلم النموذج detect أوضاع الكلاب track عبر سلالات وظروف إضاءة وبيئات مختلفة. بعد التدريب، يمكنك تصور النتائج وضبط النموذج لتحسين الدقة والأداء.
الشكل 3. مقتطف كود يعرض تدريب YOLO11 المخصص على مجموعة بيانات وضعية الكلب.
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 استخدامك لأحدث 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.
قد تتساءل عما يحدث خلف الكواليس عندما تقوم بتدريب YOLO11 المخصص على مجموعة بيانات وضعية الكلب. دعنا نلقي نظرة فاحصة على العملية.
وبدلاً من البدء من الصفر، نستخدم نموذج YOLO11 المُدرَّب مسبقاً والذي تم تدريبه مسبقاً على مجموعة بياناتCOCO. يمكن لهذا النموذج المُدرَّب مسبقاً detect النقاط الرئيسية البشرية نظراً لأن COCO مصمم لتقدير الوضعية البشرية. في الواقع، بدون أي تدريب إضافي، يمكنك استخدام YOLO11 لإجراء تقدير الوضعية البشرية مباشرةً من خارج الصندوق.
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 وتعديلها لتقليل الأخطاء. وبمرور الوقت، تجعله هذه العملية أفضل في تتبع حركات الكلب بدقة أكبر.
يجعل التعلم بالنقل أيضًا من الممكن للنموذج التكيف مع السلالات والأحجام وأنماط الحركة المختلفة، مما يضمن أدائه بشكل موثوق في سيناريوهات العالم الحقيقي.
الشكل 4. النقاط الرئيسية لـ Blues وشقيقته Happy يتم اكتشافها.
مزايا YOLO11 في تقدير وضعية الكلب
هناك العديد من نماذج الرؤية الحاسوبية المختلفة، فما الذي يجعل YOLO11 الخيار الصحيح لتقدير وضعية الكلب؟
يتميز YOLO11 بسرعته ودقته في الوقت الحقيقي، مما يجعله خياراً رائعاً لتقدير وضعية الكلب. فهو يحقق أداءً أفضل من الإصدارات السابقة من حيث الدقة والسرعة. مع وجود معلمات أقل بنسبة 22% أقل من YOLOv8 فإنه يحقق متوسط دقة أعلى في مجموعة بيانات COCO mAP يعني أنه يكتشف الأجسام بدقة وكفاءة أكبر. كما أن سرعة معالجته السريعة تجعله مثاليًا للتطبيقات في الوقت الفعلي، حيث يكون الاكتشاف السريع والموثوق ضروريًا.
بالإضافة إلى تقدير الوضعية، يدعم YOLO11 أيضًا مهام الرؤية الحاسوبية مثل تجزئة المثيل وتتبع الكائنات، مما يساعد في إنشاء حل أكثر شمولاً للذكاء الاصطناعي البصري لمراقبة كلبك. يمكن لهذه الميزات تحسين تتبع الحركة وتحليل السلوك والرعاية الشاملة للحيوانات الأليفة.
الشكل 5. YOLO11 أثناء العمل: تجزئة البلوز دون عناء!
تطبيقات تقدير وضعية الكلب 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 يتدخل YOLO11 . ويمكنه detect النقاط الرئيسية مثل الساقين والذيل والرأس، وتحليلها للتعرف على حركات 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 عند الأمر. يمكن للنظام مراقبة وضعية الكلب detect ما إذا كان جالساً تماماً. إذا قام الكلب بخفض جسمه ولكنه لم يجلس بالكامل، يمكن للنظام detect الحركة غير المكتملة وإرسال ملاحظات فورية من خلال تطبيق. يمكن تغيير المدرب لإجراء تعديلات صغيرة على التدريب، مثل تعزيز الأمر أو توجيه الكلب إلى الوضعية الصحيحة.
الشكل 6. بلوز يساعد الفريق في تقدير وضعية الكلب باستخدام YOLO11.
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 الأربطة الاعتماد على YOLO11 المدرب على مجموعة بيانات وضعية الكلب، للتحليل الآلي. يمكن اكتشاف العرج أو التغيرات في وضع الساق بسهولة. توفر المراقبة المستمرة والممكنة بالرؤية على مدار الساعة طوال أيام الأسبوع رؤى واضحة حول تعافي الكلب، مما يساعدهم على تحديد ما إذا كان العلاج يعمل أو هناك حاجة إلى إجراء تعديلات
المسار المستقبلي لتقدير وضعية الكلاب
مع استمرار تطور التكنولوجيا، من المرجح أن تلعب حلول مثل تقدير وضع الكلاب مع YOLO11 دوراً أكبر في مراقبة الحيوانات ورفاهيتها. في الواقع، يمكن دمج YOLO11 مع التكنولوجيا القابلة للارتداء، مثل الأطواق الذكية وأجهزة التتبع الصحية، لمراقبة المؤشرات الصحية الرئيسية مثل معدل ضربات القلب ومستويات النشاط وأنماط الحركة.
على سبيل المثال، يمكن لطوق ذكي مزود بمستشعرات حركة أن track مشي الكلب أو مشية الجري، بينما يحلل YOLO11لتقدير الوضعيات في الوقت الفعلي. إذا اكتشف النظام حركة غير منتظمة، مثل العرج أو التصلب، فيمكنه ربط هذه البيانات مع معدل ضربات القلب ومستويات النشاط لتقييم الانزعاج أو الإصابة المحتملة. يمكن لمالكي الحيوانات الأليفة والأطباء البيطريين استخدام هذه الرؤى لتحديد المشكلات مبكراً 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 وضعية الكلب، نفتح إمكانيات جديدة في مجال الرؤية الحاسوبية. تساعدنا هذه التطورات على فهم سلوك الكلاب وصحتها بشكل أفضل 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.
