كيفية استخدام Ultralytics YOLO11 لتتبع الأجسام

لنفترض أنك تريد مراقبة حركة المكونات على خط تجميع في منشأة تصنيع لضمان مراقبة الجودة وتحسين كفاءة سير العمل. عادةً ما يتطلب ذلك إجراء عمليات تفتيش يدوية أو استخدام مستشعرات أساسية لتتبع العناصر، وهي عملية قد تستغرق وقتًا طويلًا وتكون عرضة للأخطاء. لكن يمكن استخدام الرؤية الحاسوبية وتتبع الأجسام لأتمتة هذه العملية وتحسينها.

تتبّع الأجسام مهمة في الرؤية الحاسوبية تساعد على اكتشاف الأجسام وتحديدها وتتبعها في مقطع فيديو. ويمكن استخدامها في مجموعة واسعة من التطبيقات، بدءًا من مراقبة الحيوانات في المزارع وصولًا إلى الأمن والمراقبة في متاجر البيع بالتجزئة. وعادةً ما تُمثّل الأجسام التي يجري تتبعها في مقطع فيديو باستخدام مربعات إحاطة، لمساعدة المستخدم على رؤية مواقعها واكتشافها بدقة داخل إطار الفيديو.

أُطلق Ultralytics YOLO11، وهو نموذج للرؤية الحاسوبية قادر على تنفيذ مجموعة واسعة من مهام الذكاء الاصطناعي للرؤية، ومنها تتبع الأجسام، خلال فعالية Ultralytics الهجينة السنوية YOLO Vision 2024 (YV24). (وقد خلفه منذ ذلك الحين Ultralytics YOLO26.) في هذا المقال، نستعرض كيفية عمل تتبع الأجسام ونناقش تطبيقاته في العالم الحقيقي. كما سنلقي نظرة على كيفية تجربة تتبع الأجسام باستخدام YOLO11. لنبدأ!

الشكل 1. مثال على استخدام Ultralytics YOLO11 لتتبع الأجسام في متجر بيع بالتجزئة.

تتبع الأجسام المدعوم بالذكاء الاصطناعي باستخدام Ultralytics YOLO11#

يُعد تتبع الأجسام تقنية أساسية في الرؤية الحاسوبية، إذ يتيح تحديد الأجسام في مقطع فيديو وتتبعها بمرور الوقت. وقد يبدو تتبع الأجسام مشابهًا جدًا لمهمة أخرى في الرؤية الحاسوبية، هي اكتشاف الأجسام. ويكمن الفرق الأساسي بينهما في طريقة التعامل مع إطارات الفيديو. يفحص اكتشاف الأجسام كل إطار على حدة، ويحدد الأجسام ويصنفها دون مراعاة الإطارات السابقة أو اللاحقة. أما تتبع الأجسام، فيربط الإطارات بعضها ببعض، ويتابع الأجسام نفسها بمرور الوقت ويرصد تحركاتها.

إليك شرحًا أكثر تفصيلًا لكيفية عمل تتبع الأجسام:

• اكتشاف الأجسام: تبدأ العملية باكتشاف الأجسام في إطار واحد من الفيديو. ويمكن استخدام YOLO11 لتحديد أجسام متعددة ومواقعها بدقة.
• تعيين معرّفات فريدة: يُمنح كل جسم مكتشف معرّفًا فريدًا لتمييزه عن غيره وتسهيل تتبعه.
• تتبّع الحركة عبر الإطارات: تتبع خوارزمية التتبع الأجسام عبر الإطارات اللاحقة، وتحدّث مواقعها مع الحفاظ على ارتباطها بمعرّفاتها الفريدة.
• التعامل مع الحجب: إذا اختفى جسم مؤقتًا عن مجال الرؤية (مثلًا، إذا حجب جسم آخر رؤيته)، تحاول أداة التتبع استئناف تتبعه باستخدام المعرّف نفسه عند ظهوره مجددًا.
• تحديث معلومات الأجسام: مع تحرك الأجسام، تُحدّث مواقعها وسماتها (مثل السرعة أو الاتجاه) باستمرار لتعكس التغيرات بمرور الوقت.

تدعم Ultralytics تتبع الأجسام آنيًا باستخدام خوارزميات تتبع مثل BoT-SORT وByteTrack. كما تعمل مع نماذج YOLO11 الخاصة بـالتقسيم وتقدير الوضعية، مما يجعلها أداة مرنة لمجموعة واسعة من مهام التتبع.

تطبيقات تتبع الأجسام باستخدام Ultralytics YOLO11#

تتيح الإمكانات المتعددة لنموذج Ultralytics YOLO11 مجموعة واسعة من التطبيقات المحتملة في قطاعات كثيرة. لنلقِ نظرة عن كثب على بعض حالات استخدام YOLO11 في تتبع الأجسام.

Ultralytics YOLO11 لتتبع المركبات ذاتية القيادة#

يُعد تتبع الأجسام ضروريًا لمساعدة السيارات ذاتية القيادة على العمل بأمان وكفاءة. إذ تحتاج هذه المركبات إلى فهم محيطها باستمرار لاتخاذ قرارات آنية، مثل التوقف أو الانعطاف أو تغيير المسار. ويتيح اكتشاف الأجسام للسيارة تحديد العناصر الأساسية في بيئتها، مثل المشاة وراكبي الدراجات والمركبات الأخرى وإشارات المرور. لكن اكتشاف هذه الأجسام في لحظة واحدة لا يكفي لضمان التنقل الآمن.

هنا يأتي دور تتبع الأجسام، إذ يتيح للسيارة متابعة هذه الأجسام بمرور الوقت وتتبع تحركاتها عبر إطارات متعددة. فعلى سبيل المثال، يساعد ذلك على تنبؤ المركبات ذاتية القيادة بالاتجاه الذي يسلكه أحد المشاة، ومراقبة سرعة المركبات القريبة واتجاهها، أو التعرّف على أن إشارة المرور لم تتغير. ومن خلال الجمع بين الاكتشاف والتتبع، تستطيع السيارات ذاتية القيادة توقع حركة الأجسام المحيطة بها والاستجابة استباقيًا والقيادة بأمان وسلاسة.

الشكل 2. يمكن استخدام Ultralytics YOLO11 لاكتشاف السيارات وتتبعها.

استخدام تتبع الأجسام في Ultralytics YOLO11 لمراقبة الحيوانات#

يُعد تتبع الحيوانات في المزرعة، مثل الأبقار، أمرًا ضروريًا لإدارتها بفاعلية، لكنه قد يكون مهمة شاقة وتستغرق وقتًا طويلًا. وغالبًا ما تنطوي الطرق التقليدية، مثل استخدام المستشعرات أو العلامات، على سلبيات. فقد تسبب هذه الأجهزة إجهادًا للحيوانات عند تثبيتها عليها، كما أنها عرضة للسقوط أو التلف، ما يعطل عملية التتبع.

توفر الرؤية الحاسوبية للمزارعين حلًا أفضل لمراقبة الحيوانات وتتبعها دون الحاجة إلى علامات مادية. ويمكن لتتبع الأجسام أن يزود المزارعين برؤى قيّمة عن سلوك الحيوانات وصحتها. فعلى سبيل المثال، قد يساعد على اكتشاف حالات مثل العرج، الذي يؤثر في طريقة مشي الحيوان. وباستخدام تتبع الأجسام، يستطيع المزارعون رصد التغيرات الطفيفة في الحركة ومعالجة المشكلات الصحية مبكرًا.

إلى جانب مراقبة الصحة، يمكن للرؤية الحاسوبية أن تساعد المزارعين على فهم سلوكيات أخرى، مثل التفاعلات الاجتماعية وعادات الأكل وأنماط الحركة. ويمكن لهذه الرؤى تحسين إدارة القطعان وضبط جداول التغذية وتعزيز رفاه الحيوانات عمومًا. ومن خلال تقليل العمل اليدوي والحد من إجهاد الحيوانات، يُعد التتبع القائم على الرؤية الحاسوبية أداة عملية وفعّالة للزراعة الحديثة.

الشكل 3. استخدام Ultralytics YOLO11 لتتبع المزارعين وبقرة.

تتبع الأجسام في التصنيع باستخدام Ultralytics YOLO11#

لتتبع الأجسام استخدامات كثيرة في قطاع التصنيع. فعلى سبيل المثال، يمكن لأنظمة اكتشاف الأجسام وتتبعها مراقبة خطوط الإنتاج. ويسهل تتبع المنتجات أو المواد الخام وعدّها أثناء تحركها على سير ناقل. ويمكن أيضًا دمج هذه الأنظمة مع أنظمة رؤية حاسوبية أخرى لتنفيذ مهام إضافية. فعلى سبيل المثال، يمكن تحديد عنصر معيب باستخدام نظام اكتشاف العيوب، ثم تتبعه باستخدام تتبع الأجسام لضمان التعامل معه على النحو الصحيح.

ومن التطبيقات المهمة الأخرى لتتبع الأجسام في التصنيع ما يتعلق بالسلامة. إذ يمكن استخدام أنظمة تتبع الأجسام لاكتشاف العمال وتتبعهم في بيئات التصنيع التي قد تنطوي على مخاطر. ويمكن تحديد المناطق الخطرة ومراقبتها باستمرار باستخدام أنظمة الرؤية الحاسوبية، كما يمكن إخطار المشرفين إذا اقترب العمال الخاضعون للتتبع من هذه المناطق. ويمكن أيضًا استخدام أنظمة السلامة هذه لاكتشاف المعدات وتتبعها، مما يقلل احتمال سرقتها.

الشكل 4. مثال على استخدام اكتشاف الأجسام في YOLO11 لاكتشاف العاملين.

تتبع الأجسام والمراقبة باستخدام Ultralytics YOLO11#

يُستخدم تتبع الأجسام آنيًا على نطاق واسع في أنظمة الأمن والمراقبة. ويمكن استخدام هذه الأنظمة لمراقبة الأماكن العامة ومراكز النقل وبيئات البيع بالتجزئة الكبيرة مثل مراكز التسوق. ويمكن للمناطق الواسعة والمزدحمة استخدام هذه التقنية لتتبع الأفراد المشتبه بهم أو سلوك الحشود، مع توفير مراقبة مستمرة. فعلى سبيل المثال، استُخدمت أنظمة تتبع الأجسام خلال الجائحة لمراقبة المناطق المزدحمة والتأكد من التزام الأشخاص بالتباعد الاجتماعي.

يمكن أيضًا استخدام تتبع الأجسام في مراقبة حركة المرور. إذ يتيح تتبع الأجسام رصد سلوك المركبات وتحليله، واكتشاف التصرفات غير المعتادة أو المشبوهة آنيًا للمساعدة على منع الحوادث أو الجرائم. وتُعد أنظمة تقدير السرعة مثالًا جيدًا على ذلك، إذ يمكنها اكتشاف مركبة وتتبعها لتحديد سرعتها.

الشكل 5. يمكن تقدير السرعة باستخدام تتبع الأجسام.

جرّب تتبع الأجسام باستخدام Ultralytics YOLO11#

بعد استعراض بعض تطبيقات تتبع الأجسام، لنناقش كيفية تجربته باستخدام نموذج Ultralytics YOLO11 ووضع التتبع.

للبدء، ثبّت حزمة Ultralytics Python باستخدام pip أو conda أو Docker. وإذا واجهت أي صعوبات أثناء التثبيت، فسيقدم دليل المشكلات الشائعة نصائح مفيدة لاستكشاف الأخطاء وإصلاحها.

بعد تثبيت الحزمة بنجاح، شغّل التعليمة البرمجية التالية. وهي توضح كيفية تحميل نموذج Ultralytics YOLO11 واستخدامه لتتبع الأجسام في ملف فيديو. النموذج المستخدم في التعليمة البرمجية هو «yolo11n.pt». يشير الحرف ‘n’ إلى Nano، وهو أصغر إصدارات نموذج YOLO11. وتتوفر أيضًا إصدارات أخرى من النموذج للاختيار بينها: صغير، ومتوسط، وكبير، وكبير جدًا.

الشكل 6. مقتطف شيفرة يوضح تتبع الأجسام باستخدام نموذج Ultralytics YOLO11.

يمكنك أيضًا اختيار استخدام نموذج مدرّب خصيصًا بدلًا من نموذج مدرّب مسبقًا. ويتضمن التدريب المخصص الضبط الدقيق لنموذج مدرّب مسبقًا ليلائم تطبيقك المحدد.

كما ذُكر سابقًا، يدعم تتبع الأجسام نماذج YOLO11 التالية: اكتشاف الأجسام وتقدير الوضعية وتقسيم المثيلات. إذا كان لديك تطبيق محدد يتضمن التتبع، فيمكنك تدريب أي من هذه النماذج تدريبًا مخصصًا بما يتناسب مع تطبيقك. ويمكنك تدريب نموذج تدريبًا مخصصًا باستخدام حزمة Ultralytics Python أو منصة Ultralytics HUB التي لا تتطلب كتابة تعليمات برمجية (وتُعرف الآن باسم Ultralytics Platform).

أبرز النقاط#

يُعد Ultralytics YOLO11 أداة رائعة لتتبع الأجسام في مقاطع الفيديو، ويمكن استخدامه في مجالات عديدة، مثل السيارات ذاتية القيادة والزراعة والتصنيع والأمن. فهو قادر على اكتشاف الأجسام ومتابعتها آنيًا، مما يساعد الشركات والقطاعات على تتبع العاملين والمعدات. ويسهل استخدام النموذج وتخصيصه لتلبية الاحتياجات المحددة، مما يجعله خيارًا مناسبًا لكل من يهتم باعتماد الرؤية الحاسوبية.

لمعرفة المزيد، تفضّل بزيارة مستودع GitHub وانضم إلى مجتمعنا. واستكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والزراعة على صفحات حلولنا.