كيفية استخدام Ultralytics YOLO11 لتقدير الوضعية

يمكن إرجاع الأبحاث المتعلقة بالرؤية الحاسوبية، وهي فرع من فروع الذكاء الاصطناعي (AI)، إلى الستينيات. ومع ذلك، لم نشهد اختراقات كبيرة في كيفية فهم الآلات للصور إلا في العقد الأول من القرن الحادي والعشرين، مع ظهور التعلم العميق. ومن بين أحدث التطورات في الرؤية الحاسوبية نماذج Ultralytics YOLO11 المتطورة. تدعم نماذج YOLO11، التي تم تقديمها لأول مرة في الحدث الهجين السنوي لشركة Ultralytics، YOLO Vision 2024 (YV24)، مجموعة من مهام الرؤية الحاسوبية، بما في ذلك تقدير الوضعية.

يمكن استخدام تقدير الوضعية لاكتشاف النقاط الرئيسية على شخص أو جسم في صورة أو مقطع فيديو لفهم موضعه أو وضعيته أو حركته. ويُستخدم على نطاق واسع في تطبيقات مثل التحليلات الرياضية، ومراقبة سلوك الحيوانات، والروبوتات لمساعدة الآلات على تفسير الحركات الجسدية في الوقت الفعلي. وبفضل تحسين دقته وكفاءته وسرعته مقارنةً بالنماذج السابقة في سلسلة YOLO (أنت تنظر مرة واحدة فقط)، فإن YOLO11 مناسب تمامًا لمهام تقدير الوضعية في الوقت الفعلي.

‍

في هذه المقالة، سنستكشف ما هو تقدير الوضع ، وسنناقش بعض تطبيقاته، وسنتعرف على كيفية استخدام YOLO11 مع حزمة Ultralytics Python لتقدير الوضع. سنلقي نظرة أيضًا على كيفية استخدام Ultralytics HUB لتجربة YOLO11 وتقدير الوضعية ببضع نقرات بسيطة. لنبدأ!

ما هو تقدير الوضعية؟

قبل أن نتعمق في كيفية استخدام نموذج Ultralytics YOLO11 الجديد لتقدير الوضعية، دعنا نتعرف على فهم أفضل لتقدير الوضعية.

تقدير الوضعية هو تقنية رؤية حاسوبية تُستخدم لتحليل وضعية شخص أو جسم في صورة أو فيديو. يمكن لنماذج التعلّم العميق مثل YOLO11 تحديد النقاط الرئيسية على جسم أو شخص معين وتحديد موقعها وتتبعها. بالنسبة للأجسام، قد تتضمن 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. 

يُعد تقدير الوضعية فريدًا من نوعه وأكثر تعقيدًا عند مقارنته بمهام الرؤية الحاسوبية الأخرى مثل اكتشاف الأجسام. في حين أن اكتشاف الأجسام يحدد موقع الأجسام في الصورة من خلال رسم مربع حولها، فإن تقدير الوضعية يذهب إلى أبعد من ذلك من خلال التنبؤ بالمواضع الدقيقة للنقاط الرئيسية على الجسم.

‍

عندما يتعلق الأمر بتقدير الوضعية، هناك طريقتان رئيسيتان للعمل: من أسفل إلى أعلى ومن أعلى إلى أسفل. يكتشف النهج التصاعدي من الأسفل إلى الأعلى النقاط الرئيسية الفردية ويجمعها في هياكل عظمية، بينما يركز النهج التنازلي من أعلى إلى أسفل على اكتشاف الأجسام أولاً ثم تقدير النقاط الرئيسية داخلها. 

يجمع YOLO11 بين نقاط القوة في كل من الطريقتين التنازلي والتصاعدي. مثل الطريقة التصاعدية، فهي تُبقي الأمور بسيطة وسريعة دون الحاجة إلى تجميع النقاط الرئيسية يدوياً. وفي الوقت نفسه، يستخدم دقة الطريقة التصاعدية من أعلى إلى أسفل من خلال اكتشاف الأشخاص وتقدير أوضاعهم في خطوة واحدة.

حالات استخدام تقدير الوضعيات في YOLO11 

تفتح إمكانيات YOLO11 متعددة الاستخدامات لتقدير الوضعية مجموعة واسعة من التطبيقات الممكنة في العديد من الصناعات. دعونا نلقي نظرة فاحصة على بعض حالات استخدام تقدير الوضعية في YOLO11.

تقدير الوضع في الوقت الحقيقي باستخدام YOLO11: تحسين سلامة العمال

السلامة جانب مهم في أي مشروع إنشائي. وهذا صحيح بشكل خاص، حيث أنه من الناحية الإحصائية، تشهد مواقع الإنشاءات عدداً أكبر من الإصابات المرتبطة بالعمل. في عام 2021، حدثت حوالي 20% من جميع الإصابات القاتلة المرتبطة بالعمل في مواقع البناء أو بالقرب منها. مع وجود مخاطر يومية مثل المعدات الثقيلة والأنظمة الكهربائية، فإن تدابير السلامة القوية ضرورية للحفاظ على سلامة العمال. إن الطرق التقليدية مثل استخدام اللافتات والحواجز والمراقبة اليدوية من قبل المشرفين ليست فعالة دائماً، وغالباً ما تبعد المشرفين عن المهام الأكثر أهمية.

يمكن للذكاء الاصطناعي أن يتدخل لتحسين السلامة، ويمكن الحد من مخاطر الحوادث باستخدام نظام مراقبة العمال القائم على تقدير الوضعيات. يمكن استخدام نماذج Ultralytics YOLO11 لتتبع حركات العمال وأوضاعهم. يمكن بسرعة رصد أي مخاطر محتملة مثل وقوف العمال بالقرب من المعدات الخطرة أو أداء المهام بشكل غير صحيح. إذا تم اكتشاف خطر ما، يمكن إخطار المشرفين، أو يمكن إصدار إنذار لتنبيه العامل. يمكن لنظام المراقبة المستمرة أن يجعل مواقع البناء أكثر أمانًا من خلال مراقبة المخاطر وحماية العمال دائمًا. 

‍

تقدير الوضعية باستخدام YOLO11 لرصد الماشية

يمكن للمزارعين والباحثين استخدام YOLO11 لدراسة حركة وسلوك حيوانات المزرعة، مثل الماشية، للكشف عن العلامات المبكرة للأمراض مثل العرج. العرج هو حالة يعاني فيها الحيوان من صعوبة في الحركة بشكل صحيح بسبب ألم في الساقين أو القدمين. في الماشية، لا تؤثر أمراض مثل العرج في الماشية على صحتها ورفاهيتها فحسب، بل تؤدي أيضًا إلى مشاكل في الإنتاج في مزارع الألبان. تشير الدراسات إلى أن العرج يؤثر على ما بين 8% من الماشية في الأنظمة المعتمدة على المراعي و15% إلى 30% في الأنظمة المحصورة في صناعة الألبان العالمية. يمكن أن يساعد الكشف عن العرج ومعالجته مبكرًا في تحسين رفاهية الحيوانات وتقليل خسائر الإنتاج المرتبطة بهذه الحالة.

يمكن لميزات تقدير الوضع في YOLO11 أن تساعد المزارعين على تتبع أنماط مشي الحيوان والتعرف بسرعة على أي تشوهات قد تشير إلى وجود مشاكل صحية، مثل مشاكل المفاصل أو الالتهابات. ويسمح اكتشاف هذه المشاكل مبكراً بعلاج أسرع، مما يقلل من انزعاج الحيوانات ويساعد المزارعين على تجنب الخسائر الاقتصادية.

يمكن لأنظمة المراقبة المدعومة بـ الذكاء الاصطناعي البصري أن تساعد أيضًا في تحليل سلوك الراحة والتفاعلات الاجتماعية وأنماط التغذية. يمكن للمزارعين أيضًا استخدام تقدير الوضع للحصول على ملاحظات حول علامات الإجهاد أو العدوان. يمكن استخدام هذه الرؤى لتنمية ظروف معيشية أفضل للحيوانات وزيادة رفاهيتها.

‍

حالات استخدام YOLO11 في صناعة اللياقة البدنية

يمكن أن يساعد تقدير الوضع أيضًا الأشخاص على تحسين وضعهم في الوقت الفعلي أثناء التمرين. باستخدام YOLO11، يمكن لمدربي الصالات الرياضية واليوجا مراقبة وتتبع حركات الجسم للأشخاص الذين يمارسون الرياضة، مع التركيز على النقاط الرئيسية مثل المفاصل والأطراف لتقييم وضعهم. يمكن مقارنة البيانات التي تم جمعها بالأوضاع المثالية وتقنيات التمرين، ويمكن للمدربين تلقي تنبيهات إذا كان شخص ما يؤدي حركة بشكل غير صحيح، مما يساعد على منع الإصابات.

‍

على سبيل المثال، خلال فصل اليوجا، يمكن أن يساعد تقدير الوضع في مراقبة ما إذا كان جميع الطلاب يحافظون على التوازن والمحاذاة المناسبين. يمكن للتطبيقات المحمولة المدمجة مع رؤية الكمبيوتر وتقدير الوضع أن تجعل اللياقة البدنية أكثر سهولة للأشخاص الذين يمارسون الرياضة في المنزل أو أولئك الذين لا يستطيعون الوصول إلى مدربين شخصيين. تساعد هذه الملاحظات المستمرة في الوقت الفعلي المستخدمين على تحسين أسلوبهم وتحقيق أهداف اللياقة البدنية مع تقليل خطر الإصابة.

تجربة تقدير الوضع في الوقت الفعلي باستخدام نموذج YOLO11

الآن بعد أن استكشفنا ماهية تقدير الوضع وناقشنا بعض تطبيقاته. دعنا نلقي نظرة على كيفية تجربة تقدير الوضع باستخدام نموذج YOLO11 الجديد. للبدء، هناك طريقتان مريحتان للقيام بذلك: باستخدام حزمة Ultralytics Python أو من خلال Ultralytics HUB. دعنا نلقي نظرة على كلا الخيارين.

تشغيل الاستدلالات باستخدام YOLO11

يتضمن تشغيل الاستدلال معالجة نموذج YOLO11 لبيانات جديدة خارج مجموعات التدريب الخاصة به واستخدام الأنماط التي تعلمها لتقديم تنبؤات بناءً على تلك البيانات. يمكنك تشغيل الاستدلالات من خلال التعليمات البرمجية باستخدام حزمة Ultralytics Python. كل ما عليك فعله للبدء هو تثبيت حزمة Ultralytics باستخدام pip أو conda أو Docker. إذا واجهت أي تحديات أثناء التثبيت، فإن دليل المشكلات الشائعة الخاص بنا يقدم نصائح مفيدة لاستكشاف الأخطاء وإصلاحها. 

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

‍

تدريب نموذج YOLO11 مخصص

لنفترض أنك تعمل على مشروع رؤية حاسوبية ولديك مجموعة بيانات محددة لتطبيق معين يتضمن تقدير الوضع. يمكنك بعد ذلك ضبط دقيق وتدريب نموذج YOLO11 مخصص ليناسب تطبيقك. على سبيل المثال، يمكنك استخدام مجموعة بيانات من النقاط الرئيسية لتحليل وفهم وضع النمر في الصور عن طريق تحديد الميزات الرئيسية مثل موضع أطرافه ورأسه وذيله.

يمكنك استخدام مقتطف الشفرة التالي لتحميل وتدريب نموذج تقدير وضعية YOLO11. يمكن بناء النموذج من تكوين YAML، أو يمكنك تحميل نموذج مُدرَّب مسبقًا للتدريب. يسمح لك هذا البرنامج النصي أيضًا بنقل الأوزان وبدء تدريب النموذج باستخدام مجموعة بيانات محددة، مثل مجموعة بيانات COCO لتقدير الوضعية.

‍

باستخدام النموذج المخصص المدرب حديثًا، يمكنك تشغيل الاستدلالات على الصور غير المرئية المتعلقة بـ حل الرؤية الحاسوبية الخاص بك. يمكن أيضًا تحويل النموذج المدرب إلى تنسيقات أخرى باستخدام وضع التصدير.

جرب YOLO11 على Ultralytics HUB

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

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

‍

تطورات YOLO11 في الكشف عن وضعية الإنسان

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

إن تعدد استخداماته، مع وجود العديد من متغيرات النماذج والقدرة على التدريب المخصص لحالات استخدام محددة، يجعله أداة قيمة جدًا للمطورين والشركات على حد سواء. سواء من خلال البرمجة باستخدام حزمة Ultralytics Python أو استخدام Ultralytics HUB لتسهيل التنفيذ، فإن YOLO11 يجعل تقدير الوضعية في متناول الجميع ومؤثرًا.

لاستكشاف المزيد، قم بزيارة مستودع GitHub الخاص بنا، وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في التصنيع و الزراعة في صفحات الحلول الخاصة بنا. 🚀