كيفية استخدام Ultralytics YOLO11 لتقدير الوضع

يعود تاريخ الأبحاث المتعلقة بـ computer vision، وهو فرع من فروع الذكاء الاصطناعي (AI)، إلى ستينيات القرن الماضي. ومع ذلك، لم نشهد تطورات كبرى في كيفية machines understand images إلا في العقد الأول من القرن الحادي والعشرين مع ظهور deep learning. وتُعد نماذج Ultralytics YOLO11 المتطورة واحدة من أحدث التطورات في مجال computer vision. تدعم YOLO11 models، التي قُدمت لأول مرة في annual hybrid event لشركة Ultralytics، YOLO Vision 2024 (YV24)، مجموعة من computer vision tasks، بما في ذلك تقدير الوضعية.

يمكن استخدام Pose estimation لـ detect key points على شخص أو كائن في صورة أو فيديو لفهم موقعه أو وضعيته أو حركته. يُستخدم على نطاق واسع في تطبيقات مثل sports analytics، وanimal behavior monitoring، وrobotics لمساعدة الآلات في تفسير الإجراءات البدنية في الوقت الفعلي. بفضل الدقة والكفاءة والسرعة المحسنة مقارنة بـ earlier models في YOLO (You Only Look Once) series، فإن YOLO11 مناسب تمامًا لـ real-time pose estimation tasks.

الشكل 1. مثال على استخدام Ultralytics YOLO11 لتقدير الوضعية.

في هذه المقالة، سنستكشف ماهية pose estimation، ونناقش بعض تطبيقاته، ونستعرض كيفية استخدام YOLO11 مع Ultralytics Python package لتقدير الوضعية. سنلقي نظرة أيضًا على كيفية استخدام Ultralytics HUB لتجربة YOLO11 وpose estimation ببضع نقرات بسيطة. لنبدأ!

ما هو تقدير الوضعية؟#

قبل أن نتعمق في كيفية استخدام Ultralytics YOLO11 model الجديد لتقدير الوضعية، دعونا نفهم تقدير الوضعية بشكل أفضل.

تقدير الوضعية هو تقنية رؤية حاسوبية تستخدم لتحليل وضعية شخص أو كائن في صورة أو فيديو. يمكن لنماذج التعلم العميق مثل Ultralytics YOLO11 تحديد وتحديد وتتبع نقاط رئيسية على كائن أو شخص معين. بالنسبة للأجسام، قد تشمل هذه النقاط الرئيسية الزوايا، أو الحواف، أو العلامات السطحية المميزة، بينما بالنسبة للبشر، تمثل هذه النقاط الرئيسية المفاصل الرئيسية مثل الكوع، أو الركبة، أو الكتف.

يتميز تقدير الوضعية بأنه فريد وأكثر تعقيدًا مقارنة بمهام الرؤية الحاسوبية الأخرى مثل object detection. وبينما تقوم عملية object detection بتحديد مواقع الكائنات في الصورة عن طريق رسم مربع حولها، فإن تقدير الوضعية خطوة تمضي أبعد من ذلك من خلال التنبؤ بالمواضع الدقيقة للنقاط الرئيسية على الكائن.

الشكل 2. استخدام Ultralytics YOLO11 للكشف عن وضعيات الأشخاص وتقديرها في مكتب.

عندما يتعلق الأمر بتقدير الوضعية، فهناك طريقتان رئيسيتان لعمله: التصاعدي (bottom-up) والتنازلي (top-down). يكتشف النهج التصاعدي النقاط الرئيسية الفردية ويجمعها في هياكل عظمية، بينما يركز النهج التنازلي أولاً على detecting objects ثم تقدير النقاط الرئيسية داخلها.

يجمع Ultralytics YOLO11 بين نقاط القوة لكل من الطريقتين من أعلى إلى أسفل ومن أسفل إلى أعلى. مثل النهج التصاعدي، فإنه يبقي الأمور بسيطة وسريعة دون الحاجة إلى تجميع النقاط الرئيسية يدويًا. وفي الوقت نفسه، فإنه يستفيد من دقة الطريقة التي تبدأ من أعلى إلى أسفل عن طريق اكتشاف الأشخاص وتقدير وضعياتهم في خطوة واحدة.

حالات استخدام تقدير الوضعية لـ Ultralytics YOLO11#

تفتح الإمكانيات المتنوعة لنموذج Ultralytics YOLO11 لتقدير الوضعيات نطاقاً واسعاً من التطبيقات الممكنة في العديد من الصناعات. دعونا نلقي نظرة أقرب على بعض حالات استخدام تقدير الوضعيات باستخدام YOLO11.

تقدير الوضعية في الوقت الفعلي باستخدام Ultralytics YOLO11: تحسين سلامة العمال#

تعتبر السلامة جانبًا مهمًا في أي مشروع construction. وينطبق هذا بشكل خاص، نظرًا لأن مواقع البناء تشهد إحصائيًا عددًا أكبر من الإصابات المرتبطة بالعمل. في عام 2021، حدث حوالي 20% من جميع fatal injuries المرتبطة بالعمل في مواقع البناء أو بالقرب منها. ومع المخاطر اليومية مثل heavy equipment والأنظمة الكهربائية، فإن تدابير السلامة القوية ضرورية للحفاظ على سلامة العمال. الطرق التقليدية مثل استخدام اللافتات، والحواجز، والمراقبة اليدوية من قبل المشرفين ليست فعالة دائمًا وغالبًا ما تبعد المشرفين عن المهام الأكثر أهمية.

يمكن للذكاء الاصطناعي التدخل لتحسين السلامة، ويمكن تقليل مخاطر الحوادث باستخدام نظام مراقبة العمال القائم على تقدير الوضعية. يمكن استخدام نماذج Ultralytics YOLO11 لتتبع حركات العمال وضعياتهم. يمكن رصد أي مخاطر محتملة مثل وقوف العمال بالقرب من المعدات الخطرة أو أداء المهام بشكل غير صحيح بسرعة. إذا تم اكتشاف خطر، يمكن إخطار المشرفين، أو يمكن إنذار العامل. يمكن لنظام المراقبة المستمرة أن يجعل مواقع البناء أكثر أمانًا من خلال البحث المستمر عن المخاطر وprotecting workers.

الشكل 3. مثال على تقدير الوضعية في موقع بناء باستخدام Ultralytics YOLO11.

تقدير الوضعية باستخدام Ultralytics YOLO11 لمراقبة الماشية#

يمكن للمزارعين والباحثين استخدام Ultralytics YOLO11 لدراسة حركة وسلوك حيوانات المزرعة، مثل الأبقار، للكشف عن العلامات المبكرة لأمراض مثل العرج. العرج هو حالة تعاني فيها الحيوانات من صعوبة في الحركة بشكل صحيح بسبب الألم في أرجلها أو أقدامها. في الأبقار، لا تؤثر الأمراض مثل العرج على صحتها ورفاهيتها فحسب، بل تؤدي أيضًا إلى مشاكل إنتاجية في مزارع الألبان. تظهر الدراسات أن العرج يؤثر على ما بين 8% من الأبقار في أنظمة المراعي و15% إلى 30% في الأنظمة المغلقة عبر صناعة الألبان العالمية. يمكن أن يساعد اكتشاف العرج ومعالجته مبكرًا في تحسين رفاهية الحيوان وتقليل خسائر الإنتاج المرتبطة بهذه الحالة.

يمكن أن تساعد ميزات تقدير الوضعية في Ultralytics YOLO11 المزارعين على تتبع أنماط مشية الحيوانات وتحديد أي تشوهات بسرعة قد تشير إلى مشاكل صحية، مثل مشاكل المفاصل أو الالتهابات. يتيح اكتشاف هذه المشكلات مبكرًا علاجًا أسرع، مما يقلل من شعور الحيوانات بالانزعاج ويساعد المزارعين على تجنب الخسائر الاقتصادية.

يمكن لأنظمة المراقبة المدعومة بـ vision AI أيضًا المساعدة في تحليل سلوك الراحة، والتفاعلات الاجتماعية، وأنماط التغذية. يمكن للمزارعين أيضًا استخدام تقدير الوضعية للحصول على ملاحظات حول علامات التوتر أو العدوان. يمكن استخدام هذه الرؤى لتوفير ظروف معيشية أفضل للحيوانات وزيادة رفاهيتها.

الشكل 4. تصور لتقدير وضعية الأبقار.

حالات استخدام Ultralytics YOLO11 في صناعة اللياقة البدنية#

يمكن أن يساعد تقدير الوضعية الأشخاص أيضًا على تحسين وضعيتهم في الوقت الفعلي أثناء ممارسة التمارين الرياضية. باستخدام Ultralytics YOLO11، يمكن لمدربي الجيم واليوجا مراقبة وتتبع حركات جسم الأشخاص الذين يتمرنون، مع التركيز على النقاط الرئيسية مثل المفاصل والأطراف لتقييم وضعيتهم. يمكن مقارنة البيانات التي تم جمعها بالوضعيات المثالية وتقنيات التمارين، ويمكن للمدربين تلقي تنبيهات إذا كان شخص ما يؤدي حركة بشكل غير صحيح، مما يساعد في منع الإصابات.

Fig 5. استخدام تقدير الوضعية لتحليل التمرين.

على سبيل المثال، أثناء صف اليوغا، يمكن أن يساعد تقدير الوضعية في مراقبة ما إذا كان جميع الـ students يحافظون على التوازن والمحاذاة السليمة. يمكن لتطبيقات الهاتف المحمول المدمجة مع الرؤية الحاسوبية وتقدير الوضعية أن تجعل اللياقة البدنية more accessible للأشخاص الذين يمارسون التمارين في المنزل أو أولئك الذين ليس لديهم إمكانية الوصول إلى مدربين شخصيين. تساعد هذه التعليقات المستمرة في الوقت الفعلي المستخدمين على تحسين تقنياتهم وتحقيق fitness goals الخاصة بهم مع تقليل مخاطر الإصابة.

تجربة تقدير الوضعية في الوقت الفعلي باستخدام نموذج Ultralytics YOLO11#

الآن بعد أن استكشفنا ماهية تقدير الوضعية وناقشنا بعض تطبيقاته، دعنا نظرة على كيف يمكنك تجربة تقدير الوضعية باستخدام نموذج YOLO11 الجديد. للبدء، هناك طريقتان مناسبتان للقيام بذلك: استخدام حزمة Ultralytics بايثون أو من خلال Ultralytics HUB. دعونا نلقي نظرة على كلا الخيارين.

تشغيل الاستدلالات باستخدام Ultralytics YOLO11#

يتضمن تشغيل inference قيام نموذج YOLO11 معالجة بيانات جديدة خارج مجموعات الـ training الخاصة به واستخدام الأنماط التي تعلمها لإجراء تنبؤات بناءً على تلك البيانات. يمكنك تشغيل الاستدلالات من خلال الكود باستخدام حزمة Ultralytics بايثون. كل ما تحتاجه لـ get started هو تثبيت حزمة Ultralytics باستخدام pip أو conda أو Docker. إذا واجهت أي تحديات أثناء التثبيت، فإن Common Issues Guide الخاص بنا يقدم نصائح مفيدة لاستكشاف الأخطاء وإصلاحها.

بمجرد تثبيت الحزمة بنجاح، يوضح الكود التالي كيفية تحميل نموذج واستخدامه للتنبؤ بوضعيات الكائنات في صورة.

الشكل 6. مقتطف برمجى يعرض تشغيل الاستدلالات باستخدام Ultralytics YOLO11.

تدريب نموذج Ultralytics YOLO11 مخصص#

لنفترض أنك تعمل على computer vision project ولديك dataset معين لتطبيق معين يتضمن تقدير الوضعية. إذًا يمكنك fine-tune وتدريب custom YOLO11 model ليناسب تطبيقك. على سبيل المثال، يمكنك استخدام dataset of keypoints لتحليل وفهم pose of a tiger في الصور من خلال تحديد الميزات الرئيسية مثل موضع أطرافه ورأسه وذيله.

يمكنك استخدام المقتطف البرمجي التالي لتحميل وتدريب نموذج تقدير الوضعية Ultralytics YOLO11. يمكن بناء النموذج من تكوين YAML، أو يمكنك تحميل نموذج مدرب مسبقًا للتدريب. يتيح لك هذا البرنامج النصي أيضًا نقل الأوزان وبدء تدريب النموذج باستخدام مجموعة بيانات محددة، مثل مجموعة بيانات COCO لتقدير الوضعية.

الشكل 7. التدريب المخصص لـ Ultralytics YOLO11.

باستخدام النموذج المخصص المدرب حديثًا، يمكنك تشغيل الاستدلالات على صور غير مرئية تتعلق بـ computer vision solution الخاص بك. يمكن أيضًا تحويل النموذج المدرب إلى تنسيقات أخرى باستخدام export mode.

جرب YOLO11 على Ultralytics HUB#

حتى الآن، نظرنا في الطرق لاستخدام YOLO11 التي تتطلب بعض المعرفة الأساسية بالبرمجة. إذا لم يكن هذا ما تبحث عنه، أو لم تكن على دراية بالبرمجة، فهناك خيار آخر: Ultralytics HUB. يُعد Ultralytics HUB منصة سهلة الاستخدام مصممة لتسهيل عملية تدريب ونشر نماذج YOLO. يتيح لك HUB إدارة مجموعات البيانات بسهولة، وتدريب النماذج، ونشرها دون الحاجة إلى خبرة تقنية.

لتشغيل الاستدلالات على الصور، يمكنك إنشاء حساب، والانتقال إلى قسم "النماذج"، واختيار نموذج تقدير الوضعية Ultralytics YOLO11 الذي تهتم به. في قسم المعاينة، يمكنك تحميل صورة وعرض نتائج التنبؤ كما هو موضح أدناه.

الشكل 8. تقدير الوضعية على Ultralytics HUB باستخدام YOLO11.

تطورات Ultralytics YOLO11 في اكتشاف وضعية الإنسان#

تقدم Ultralytics YOLO11 حلولاً دقيقة ومرنة لمهام مثل تقدير الوضعية عبر مجموعة واسعة من التطبيقات. من تحسين سلامة العمال في مواقع البناء إلى مراقبة صحة الماشية والمساعدة في تصحيح الوضعية في روتين اللياقة البدنية، يوفر YOLO11 الدقة والملاحظات في الوقت الفعلي من خلال تقنية الرؤية الحاسوبية المتقدمة.

إن تعدد استخداماته، مع وجود متغيرات نموذجية متعددة والقدرة على التدريب المخصص لحالات استخدام محددة، يجعله أداة قيمة جداً للمطورين والشركات على حد سواء. سواء من خلال البرمجة باستخدام حزمة Python من Ultralytics أو استخدام Ultralytics HUB لتنفيذ أسهل، يجعل YOLO11 تقدير الوضعية في متناول اليد وذا تأثير كبير.

لاستكشاف المزيد، قم بزيارة GitHub repository الخاص بنا، وتفاعل مع الـ community الخاص بنا. استكشف تطبيقات الذكاء الاصطناعي في manufacturing وagriculture على صفحات الحلول الخاصة بنا. 🚀