كيفية استخدام Ultralytics YOLO11 لتتبع الأجسام

لنفترض أنك تريد مراقبة حركة المكوّنات على خط تجميع في منشأة تصنيع وتتبعها لضمان مراقبة الجودة وتحسين كفاءة سير العمل. عادةً ما يتطلب ذلك إجراء عمليات فحص يدوية أو استخدام مستشعرات أساسية لتتبّع العناصر، وقد يستغرق هذا وقتًا طويلًا ويكون عرضة للأخطاء. ومع ذلك، يمكن استخدام الرؤية الحاسوبية وتتبّع الأجسام لأتمتة هذه العملية وتعزيزها.

تتبع الكائنات هو مهمة رؤية حاسوبية تساعد في اكتشاف الكائنات وتحديدها وتتبعها في مقطع فيديو. ويمكن استخدامه لمجموعة واسعة من التطبيقات، بدءاً من مراقبة الحيوانات في المزارع ووصولاً إلى الأمن والمراقبة في متاجر القطاع التجاري. وعادةً ما يتم تصور الكائنات التي يتم تتبعها في الفيديو باستخدام مربعات الإحاطة لعرضها مرئياً لمساعدة المستخدم على معرفة أ مكان وجودها واكتشافها بدقة داخل إطار الفيديو.

أُطلق Ultralytics YOLO11 خلال فعالية Ultralytics السنوية الهجينة بعنوان YOLO Vision 2024 (YV24)، وهو نموذج للرؤية الحاسوبية قادر على التعامل مع مجموعة واسعة من مهام الذكاء الاصطناعي للرؤية، بما في ذلك تتبّع الأجسام. في هذه المقالة، سنستكشف كيفية عمل تتبّع الأجسام ونناقش تطبيقاته الواقعية. وسنلقي أيضًا نظرة على كيفية تجربة تتبّع الأجسام باستخدام YOLO11. لنبدأ!

الشكل 1. مثال على استخدام Ultralytics YOLO11 لتتبّع الأجسام في متجر للبيع بالتجزئة.

تتبّع الأجسام المدعوم بالذكاء الاصطناعي باستخدام Ultralytics YOLO11#

يُعد تتبّع الأجسام تقنية أساسية في الرؤية الحاسوبية. فهو يتيح تحديد الأجسام الموجودة في الفيديو وتتبعها بمرور الوقت. وقد يبدو تتبّع الأجسام مشابهًا جدًا لمهمة أخرى في الرؤية الحاسوبية، هي اكتشاف الأجسام. يكمن الفرق الأساسي بينهما في طريقة تعاملهما مع إطارات الفيديو. ينظر اكتشاف الأجسام إلى كل إطار على حدة، فيحدد الأجسام ويصنفها دون مراعاة الإطارات السابقة أو اللاحقة. أما تتبّع الأجسام، فيربط بين الإطارات، متابعًا الأجسام نفسها بمرور الوقت ومسجلًا حركاتها.

إليك شرحًا أكثر تفصيلًا لكيفية عمل تتبّع الأجسام:

• اكتشاف الأجسام: تبدأ العملية باكتشاف الأجسام في إطار واحد من الفيديو. ويمكن استخدام YOLO11 لتحديد أجسام متعددة ومواضعها بدقة.
• تعيين معرّفات فريدة: يُمنح كل جسم مكتشف معرّفًا فريدًا لتمييزه عن الأجسام الأخرى وتسهيل تتبّعه.
• تتبّع الحركة عبر الإطارات: تتبع خوارزمية تتبّع الأجسام عبر الإطارات اللاحقة، وتحدّث مواضعها مع الحفاظ على ارتباطها بمعرّفاتها الفريدة.
• معالجة حالات الاحتجاب: إذا اختفى جسم مؤقتًا عن الرؤية (مثلًا بسبب حجبه بجسم آخر)، يضمن النظام استئناف التتبّع فور ظهور الجسم مجددًا.
• تحديث معلومات الجسم: أثناء تحرك الأجسام، تُحدّث مواضعها وسماتها (مثل السرعة أو الاتجاه) باستمرار لتعكس التغيرات بمرور الوقت.

تدعم Ultralytics تتبّع الأجسام في الوقت الفعلي بالاستفادة من خوارزميات تتبّع متقدمة مثل BoT-SORT وByteTrack. كما تعمل بسلاسة مع التقسيم وتقدير الوضعية لنماذج YOLO11، ما يجعلها أداة مرنة لمجموعة واسعة من مهام التتبّع.

تطبيقات تتبّع الأجسام باستخدام Ultralytics YOLO11#

تفتح الإمكانات المتعددة الاستخدامات لـنموذج Ultralytics YOLO11 المجال أمام مجموعة واسعة من التطبيقات المحتملة في العديد من القطاعات. لنلقِ نظرةً أقرب على بعض حالات استخدام YOLO11 في تتبّع الأجسام.

Ultralytics YOLO11 لتتبّع المركبات ذاتية القيادة#

يُعد تتبّع الأجسام بالغ الأهمية لمساعدة السيارات ذاتية القيادة على العمل بأمان وكفاءة. إذ تحتاج هذه المركبات إلى فهم محيطها باستمرار لاتخاذ قرارات في الوقت الفعلي، مثل التوقف أو الانعطاف أو تغيير المسار. يتيح اكتشاف الأجسام للسيارة تحديد العناصر الأساسية في بيئتها، مثل المشاة وراكبي الدراجات والمركبات الأخرى وإشارات المرور. ومع ذلك، لا يكفي اكتشاف هذه الأجسام في لحظة واحدة للملاحة الآمنة.

وهنا يأتي دور تتبّع الأجسام. فهو يتيح للسيارة متابعة هذه الأجسام بمرور الوقت وتتبع حركتها عبر إطارات متعددة. فعلى سبيل المثال، يساعد المركبات ذاتية القيادة على التنبؤ بالاتجاه الذي يسلكه أحد المشاة، ومراقبة سرعة المركبات القريبة واتجاهها، أو إدراك أن إشارة المرور لم تتغير. ومن خلال الجمع بين الاكتشاف والتتبّع، تستطيع السيارات ذاتية القيادة توقّع حركة الأجسام المحيطة بها والاستجابة استباقيًا والقيادة بأمان وسلاسة.

الشكل 2. يمكن استخدام Ultralytics YOLO11 لاكتشاف السيارات وتتبعها.

استخدام تتبّع الأجسام في Ultralytics YOLO11 لمراقبة الحيوانات#

يُعد تتبّع الحيوانات في المزرعة، مثل الأبقار، أمرًا بالغ الأهمية للإدارة الفعالة، لكنه قد يكون مهمة شاقة وتستغرق وقتًا طويلًا. وتنطوي الأساليب التقليدية، مثل استخدام المستشعرات أو العلامات، على سلبيات غالبًا. فقد تسبب هذه الأجهزة إجهادًا للحيوانات عند تثبيتها، كما أنها عرضة للسقوط أو التلف، ما يؤدي إلى تعطّل التتبّع.

توفر الرؤية الحاسوبية للمزارعين حلًا أفضل لمراقبة الحيوانات وتتبعها دون الحاجة إلى علامات مادية. ويمكن أن يمنح تتبّع الأجسام المزارعين رؤى قيّمة حول سلوك الحيوانات وصحتها. فعلى سبيل المثال، يمكن أن يساعد على اكتشاف حالات مثل العرج التي تؤثر في طريقة مشي الحيوان. وباستخدام تتبّع الأجسام، يستطيع المزارعون رصد التغيرات الطفيفة في الحركة ومعالجة المشكلات الصحية مبكرًا.

إلى جانب مراقبة الصحة، يمكن أن تساعد الرؤية الحاسوبية المزارعين أيضًا على فهم سلوكيات أخرى، مثل التفاعلات الاجتماعية وعادات الأكل وأنماط الحركة. ويمكن لهذه الرؤى تحسين إدارة القطيع وتحسين جداول التغذية وتعزيز الرفاه العام للحيوانات. ومن خلال تقليل العمل اليدوي والحد من إجهاد الحيوانات، يمثل التتبّع المستند إلى الرؤية الحاسوبية أداة عملية وفعالة للزراعة الحديثة.

الشكل 3. استخدام Ultralytics YOLO11 لتتبّع المزارعين وبقرة.

تتبّع الأجسام في التصنيع باستخدام Ultralytics YOLO11#

لتتبّع الأجسام العديد من حالات الاستخدام في قطاع التصنيع. فعلى سبيل المثال، يمكن لأنظمة اكتشاف الأجسام وتتبعها مراقبة خطوط الإنتاج. ويمكن تتبّع المنتجات أو المواد الخام وعدّها بسهولة أثناء تحركها على حزام ناقل. كما يمكن دمج هذه الأنظمة مع أنظمة أخرى لـالرؤية الحاسوبية لتنفيذ مهام إضافية. فعلى سبيل المثال، يمكن تحديد عنصر معيب باستخدام نظام اكتشاف العيوب وتتبعُه باستخدام تتبّع الأجسام لضمان التعامل معه على النحو الصحيح.

يرتبط أحد التطبيقات المهمة الأخرى لتتبّع الأجسام في التصنيع بـالسلامة. إذ يمكن استخدام أنظمة تتبّع الأجسام لاكتشاف العاملين 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 العاملون (الذين يجري تتبعهم) من هذه المناطق. ويمكن أيضًا استخدام أنظمة السلامة هذه لاكتشاف المعدات وتتبعها، ما يمنع احتمال السرقة.

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

تتبّع الأجسام والمراقبة باستخدام Ultralytics YOLO11#

يُستخدم تتبّع الأجسام في الوقت الفعلي 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 الكبيرة والمزدحمة استخدام هذه التقنية لتتبّع الأفراد المشتبه بهم أو سلوك الحشود، ما يوفر حلًا سلسًا للمراقبة. فعلى سبيل المثال، استُخدمت أنظمة تتبّع الأجسام أثناء الجائحة لتتبّع المناطق المزدحمة والتأكد من التزام الأشخاص بالتباعد الاجتماعي.

يمكن أيضًا استخدام تتبّع الأجسام في مراقبة حركة المرور. إذ يتيح تتبّع الأجسام متابعة سلوك المركبات وتحليله، ورصد التصرفات غير المعتادة أو المشبوهة في الوقت الفعلي للمساعدة على منع الحوادث أو الجرائم. ومن الأمثلة الجيدة على ذلك أنظمة تقدير السرعة، التي يمكنها اكتشاف مركبة وتتبعها لتحديد سرعتها.

الشكل 5. يمكن إجراء تقدير السرعة باستخدام تتبّع الأجسام.

جرّب تتبّع الأجسام باستخدام Ultralytics YOLO11#

بعد أن استكشفنا بعض تطبيقات تتبّع الأجسام، لنناقش كيفية تجربته باستخدام نموذج Ultralytics YOLO11.

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

بعد تثبيت الحزمة بنجاح، شغّل التعليمات البرمجية التالية. فهي توضح كيفية تحميل نموذج Ultralytics YOLO11 واستخدامه لتتبّع الأجسام في ملف فيديو. النموذج المستخدم في التعليمات البرمجية هو “yolo11n.pt”. يشير الحرف ‘n’ إلى Nano، وهو أصغر إصدار من نموذج YOLO11. كما تتوفر إصدارات أخرى من النماذج للاختيار من بينها: صغير ومتوسط وكبير وكبير جدًا.

الشكل 6. مقتطف برمجي يوضح تتبّع الأجسام باستخدام نموذج Ultralytics YOLO11.

يمكنك أيضًا اختيار استخدام نموذج مخصص التدريب بدلًا من نموذج مُدرّب مسبقًا. ويتضمن التدريب المخصص إجراء ضبط دقيق لنموذج مُدرّب مسبقًا ليلائم تطبيقك المحدد.

كما ذكرنا سابقًا، يُدعم تتبّع الأجسام في نماذج YOLO11 التالية: اكتشاف الأجسام وتقدير الوضعية وتقسيم المثيلات. إذا كان لديك تطبيق محدد يتضمن التتبّع، فيمكنك تدريب أي من هذه النماذج مخصصًا وفقًا لتطبيقك. ويمكنك تدريب نموذج مخصص باستخدام حزمة Ultralytics Python أو المنصة غير المعتمدة على التعليمات البرمجية، Ultralytics HUB.

أهم النقاط المستخلصة#

يُعد Ultralytics YOLO11 أداةً رائعة لتتبّع الأجسام في مقاطع الفيديو، ويمكن استخدامه في العديد من المجالات المختلفة، مثل السيارات ذاتية القيادة والزراعة والتصنيع والأمن. فهو قادر على اكتشاف الأجسام ومتابعتها في الوقت الفعلي، ما يساعد الشركات والقطاعات على تتبّع العاملين والمعدات. كما أن النموذج سهل الاستخدام وقابل للتخصيص لتلبية الاحتياجات المحددة، ما يجعله خيارًا جيدًا لكل من يهتم بتبنّي إمكانات الرؤية الحاسوبية بسلاسة.

لمعرفة المزيد، تفضل بزيارة مستودع GitHub الخاص بنا، وتفاعل مع مجتمعنا. واستكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والزراعة على صفحات حلولنا. 🚀