كيفية استخدام Ultralytics YOLO11 لتتبع الكائنات

لنفترض أنك ترغب في مراقبة وتتبع حركة المكونات على خط تجميع في منشأة تصنيع لضمان مراقبة الجودة وتحسين كفاءة سير العمل. عادةً، يتضمن ذلك عمليات تفتيش يدوية أو استخدام أجهزة استشعار أساسية لتتبع العناصر، وهو ما قد يستغرق وقتًا طويلاً ويكون عرضة للأخطاء. ومع ذلك، يمكن استخدام الرؤية الحاسوبية وتتبع الكائنات لأتمتة هذه العملية وتحسينها.

Object tracking is a computer vision task that helps detect, identify, and track objects in a video. It can be used for a wide variety of applications, from animal monitoring on farms to security and surveillance in retail stores. The objects being tracked in a video are usually visualized using bounding boxes to help the user see exactly where they are located and detected within the video frame.

Launched during Ultralytics’ annual hybrid event, YOLO Vision 2024 (YV24), Ultralytics YOLO11 is a computer vision model that can handle a wide variety of vision AI tasks, including object tracking. In this article, we’ll explore how object tracking works and discuss real-world applications. We’ll also take a look at how you can try out object tracking using YOLO11. Let’s get started!

الشكل 1. مثال على استخدام YOLO11 لتتبع الكائنات في متجر تجزئة.

Link to this sectionتتبع الكائنات المدعوم بالذكاء الاصطناعي باستخدام YOLO11#

تتبع الكائنات هو تقنية أساسية في الرؤية الحاسوبية. فهو يجعل من الممكن تحديد الكائنات في مقطع فيديو وتتبعها بمرور الوقت. قد يبدو تتبع الكائنات متشابهاً جداً مع مهمة أخرى من مهام الرؤية الحاسوبية، وهي اكتشاف الكائنات. يكمن الفرق الرئيسي بينهما في كيفية معالجة إطارات الفيديو. اكتشاف الكائنات ينظر إلى كل إطار على حدة، ويقوم بتحديد وتصنيف الكائنات دون النظر إلى الإطارات السابقة أو المستقبلية. أما تتبع الكائنات، من ناحية أخرى، فيربط النقاط بين الإطارات، ويتابع نفس الكائنات بمرور الوقت ويحتفظ بسجل لحركاتها.

إليك شرح أكثر تفصيلاً لكيفية عمل تتبع الكائنات:

• اكتشاف الكائنات: تبدأ العملية باكتشاف الكائنات في إطار واحد من الفيديو. يمكن استخدام YOLO11 لتحديد كائنات متعددة ومواقعها بدقة.
• تعيين معرفات فريدة: يتم منح كل كائن مكتشف معرفاً فريداً لتمييزه عن غيره وتسهيل عملية تتبعه.
• تتبع الحركة عبر الإطارات: تتبع خوارزمية التتبع الكائنات عبر الإطارات اللاحقة، وتقوم بتحديث مواقعها مع الحفاظ على الارتباط بمعرفاتها الفريدة.
• التعامل مع التغطية (occlusions): إذا اختفى كائن مؤقتاً عن الأنظار (على سبيل المثال، بسبب حجبه بواسطة كائن آخر)، يضمن النظام استئناف التتبع بمجرد ظهور الكائن مرة أخرى.
• تحديث معلومات الكائن: مع تحرك الكائنات، يتم تحديث مواقعها وخصائصها (مثل السرعة أو الاتجاه) باستمرار لتعكس التغيرات بمرور الوقت.

Ultralytics supports real-time object tracking by leveraging advanced tracking algorithms like BoT-SORT and ByteTrack. It also works seamlessly with segmentation and pose estimation YOLO11 models, making it a flexible tool for a wide range of tracking tasks.

Link to this sectionتطبيقات تتبع الكائنات باستخدام YOLO11#

تفتح القدرات المتعددة الاستخدامات لـ نموذج Ultralytics YOLO11 مجموعة واسعة من التطبيقات الممكنة في العديد من الصناعات. دعونا نلقي نظرة فاحصة على بعض حالات استخدام تتبع الكائنات في YOLO11.

Link to this sectionYOLO11 لتتبع المركبات ذاتية القيادة#

يعد تتبع الكائنات أمراً بالغ الأهمية لمساعدة السيارات ذاتية القيادة على العمل بأمان وكفاءة. تحتاج هذه المركبات إلى فهم محيطها باستمرار لاتخاذ قرارات في الوقت الفعلي، مثل التوقف أو الانعطاف أو تغيير المسار. يسمح اكتشاف الكائنات للسيارة بتحديد العناصر الرئيسية في بيئتها، مثل المشاة، وراكبي الدراجات، والمركبات الأخرى، وإشارات المرور. ومع ذلك، فإن اكتشاف هذه الكائنات في لحظة واحدة لا يكفي للملاحة الآمنة.

وهنا يأتي دور تتبع الكائنات. فهو يتيح للسيارة متابعة هذه الكائنات بمرور الوقت، وتتبع حركاتها عبر إطارات متعددة. على سبيل المثال، يساعد المركبات ذاتية القيادة على التنبؤ بمكان توجه المشاة، ومراقبة سرعة واتجاه المركبات القريبة، أو إدراك أن إشارة المرور لم تتغير. من خلال الجمع بين الاكتشاف والتتبع، يمكن للسيارات ذاتية القيادة توقع حركة الكائنات من حولها، والاستجابة بشكل استباقي، والقيادة بأمان وسلاسة.

الشكل 2. يمكن استخدام YOLO11 لاكتشاف وتتبع السيارات.

Link to this sectionاستخدام تتبع الكائنات في YOLO11 لمراقبة الحيوانات#

يعد تتبع الحيوانات في المزرعة، مثل الماشية، أمراً حيوياً للإدارة الفعالة، ولكنه قد يكون مهمة مملة وتستغرق وقتاً طويلاً. غالباً ما يكون للطرق التقليدية، مثل استخدام أجهزة الاستشعار أو العلامات، عيوب. يمكن لهذه الأجهزة أن تسبب ضغطاً على الحيوانات عند ربطها، وهي عرضة للسقوط أو التلف، مما يعطل التتبع.

توفر الرؤية الحاسوبية حلاً أفضل للمزارعين لمراقبة الحيوانات وتتبعها دون الحاجة إلى علامات فيزيائية. يمكن أن يمنح تتبع الكائنات المزارعين رؤى قيمة حول سلوك الحيوانات وصحتها. على سبيل المثال، يمكن أن يساعد في اكتشاف حالات مثل العرج الذي يؤثر على طريقة مشي الحيوان. من خلال استخدام تتبع الكائنات، يمكن للمزارعين رصد تغييرات طفيفة في الحركة ومعالجة المشكلات الصحية مبكراً.

بعيداً عن مراقبة الصحة، يمكن أن تساعد الرؤية الحاسوبية أيضاً المزارعين في فهم سلوكيات أخرى، مثل التفاعلات الاجتماعية، وعادات الأكل، وأنماط الحركة. يمكن لهذه الرؤى تحسين إدارة القطيع، وتحسين جداول التغذية، وتعزيز الرفاهية العامة للحيوانات. من خلال تقليل العمل اليدوي وتقليل التوتر للحيوانات، يعتبر التتبع القائم على الرؤية الحاسوبية أداة عملية وفعالة للزراعة الحديثة.

الشكل 3. استخدام YOLO11 لتتبع المزارعين وبقرة.

Link to this sectionتتبع الكائنات في التصنيع باستخدام YOLO11#

لتتبع الكائنات العديد من حالات الاستخدام في قطاع التصنيع. على سبيل المثال، يمكن لأنظمة اكتشاف وتتبع الكائنات مراقبة خطوط الإنتاج. يمكن تتبع المنتجات أو المواد الخام وعدها بسهولة أثناء تحركها على حزام ناقل. يمكن أيضاً دمج هذه الأنظمة مع أنظمة رؤية حاسوبية أخرى لأداء مهام إضافية. على سبيل المثال، يمكن تحديد عنصر به عيب باستخدام نظام اكتشاف العيوب وتتبعه باستخدام تتبع الكائنات لضمان التعامل معه بشكل صحيح.

هناك تطبيق مهم آخر لتتبع الكائنات في التصنيع يتعلق بـ السلامة. يمكن استخدام أنظمة تتبع الكائنات لاكتشاف وتتبع العمال في بيئات التصنيع التي يحتمل أن تكون خطرة. يمكن وضع علامات على المناطق الخطرة ومراقبتها باستمرار باستخدام أنظمة الرؤية الحاسوبية، ويمكن إخطار المشرفين إذا اقترب العمال (الذين يتم تتبعهم) من مثل هذه المناطق. يمكن أيضاً استخدام أنظمة السلامة هذه لاكتشاف وتتبع المعدات، مما يمنع احتمالية السرقة.

الشكل 4. مثال على استخدام اكتشاف الكائنات بـ YOLO11 لاكتشاف العمال.

Link to this sectionتتبع الكائنات والمراقبة باستخدام YOLO11#

يستخدم تتبع الكائنات في الوقت الفعلي على نطاق واسع في أنظمة الأمن والمراقبة. يمكن استخدام هذه الأنظمة لـ مراقبة الأماكن العامة، ومراكز النقل، وبيئات التجزئة الكبيرة مثل مراكز التسوق. يمكن للمناطق الكبيرة والمزدحمة استخدام هذه التقنية لتتبع الأفراد المشبوهين أو سلوك الحشود، مما يوفر حلاً سلسًا للمراقبة. على سبيل المثال، خلال الجائحة، استُخدمت أنظمة تتبع الكائنات لتتبع المناطق المزدحمة والتأكد من التزام الناس بالتباعد الاجتماعي.

يمكن أيضاً استخدام تتبع الكائنات في مراقبة حركة المرور. يجعل تتبع الكائنات من الممكن تتبع وتحليل كيفية سلوك المركبات، ورصد الإجراءات غير العادية أو المشبوهة في الوقت الفعلي للمساعدة في منع الحوادث أو الجرائم. ومن الأمثلة الجيدة على ذلك أنظمة تقدير السرعة. فهي تستطيع اكتشاف وتتبع مركبة لتحديد سرعتها.

الشكل 5. يمكن إجراء تقدير السرعة باستخدام تتبع الكائنات.

Link to this sectionجرب تتبع الكائنات مع Ultralytics YOLO11#

الآن بعد أن استكشفنا بعض تطبيقات تتبع الكائنات، دعنا نناقش كيف يمكنك تجربتها باستخدام نموذج Ultralytics YOLO11.

للبدء، get started، قم بتثبيت حزمة Ultralytics Python باستخدام pip أو conda أو Docker. إذا واجهت أي تحديات أثناء التثبيت، فإن دليل المشكلات الشائعة يقدم نصائح مفيدة لاستكشاف الأخطاء وإصلاحها.

بمجرد تثبيت الحزمة بنجاح، قم بتشغيل الكود التالي. يوضح الكود كيفية تحميل نموذج Ultralytics YOLO11 واستخدامه لتتبع الكائنات في ملف فيديو. النموذج المستخدم في الكود هو "yolo11n.pt". يرمز الحرف 'n' إلى Nano - أصغر متغير من نموذج YOLO11. هناك أيضاً متغيرات نموذجية أخرى للاختيار من بينها - صغيرة، ومتوسطة، وكبيرة، وكبيرة جداً.

الشكل 6. مقتطف كود يعرض تتبع الكائنات باستخدام نموذج YOLO11.

يمكنك أيضاً اختيار استخدام نموذج مدرب مخصص بدلاً من نموذج مدرب مسبقاً. يتضمن التدريب المخصص ضبط نموذج مدرب مسبقاً ليناسب تطبيقك المحدد.

كما ذُكر سابقاً، يتم دعم تتبع الكائنات لنماذج YOLO11 التالية: اكتشاف الكائنات، وتقدير الوضعية، وتجزئة الحالات. إذا كان لديك تطبيق محدد يتضمن التتبع، يمكنك تدريب أي من هذه النماذج بشكل مخصص اعتماداً على تطبيقك. يمكنك تدريب نموذج بشكل مخصص باستخدام حزمة Ultralytics Python أو المنصة التي لا تتطلب كود، Ultralytics HUB.

Link to this sectionأبرز النقاط#

يعد Ultralytics YOLO11 أداة رائعة لتتبع الكائنات في مقاطع الفيديو، ويمكن استخدامه في العديد من المجالات المختلفة، مثل السيارات ذاتية القيادة، والزراعة، والتصنيع، والأمن. يمكنه اكتشاف الكائنات ومتابعتها في الوقت الفعلي، مما يساعد الشركات والصناعات على تتبع عمالها ومعداتها. النموذج سهل الاستخدام ويمكن تخصيصه لاحتياجات محددة، مما يجعله خياراً جيداً لأي شخص مهتم باعتماد قدرات الرؤية الحاسوبية بسلاسة.

لمعرفة المزيد، قم بزيارة مستودع GitHub الخاص بنا، وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والزراعة على صفحات الحلول الخاصة بنا. 🚀