كيفية استخدام Ultralytics YOLO11 لتقدير الوضعيات

يمكن تتبّع الأبحاث المرتبطة بـالرؤية الحاسوبية، وهي فرع من فروع الذكاء الاصطناعي (AI)، وصولًا إلى ستينيات القرن العشرين. ومع ذلك، لم نشهد اختراقات كبيرة في كيفية فهم الآلات للصور إلا في عقد 2010، مع صعود التعلّم العميق. ومن أحدث التطورات في الرؤية الحاسوبية نماذج Ultralytics YOLO11 المتطورة. وتدعم نماذج YOLO11، التي قُدّمت للمرة الأولى في الفعالية الهجينة السنوية لـUltralytics، وهي YOLO Vision 2024 (YV24)، مجموعةً من مهام الرؤية الحاسوبية، بما في ذلك تقدير الوضعيات.

يمكن استخدام تقدير الوضعيات من أجل اكتشاف النقاط المفتاحية على شخص أو كائن في صورة أو فيديو لفهم موضعه أو وضعيته أو حركته. ويُستخدم على نطاق واسع في تطبيقات مثل تحليلات الرياضة، ومراقبة سلوك الحيوانات، والروبوتات، لمساعدة الآلات على تفسير الأفعال الجسدية في الوقت الفعلي. وبفضل دقته وكفاءته وسرعته المحسّنة مقارنةً بـالنماذج السابقة في سلسلة YOLO (تنظر مرة واحدة فقط)، يُعد YOLO11 مناسبًا تمامًا لـمهام تقدير الوضعيات في الوقت الفعلي.

الشكل 1. مثال على استخدام Ultralytics YOLO11 لتقدير الوضعيات.

في هذه المقالة، سنستكشف ماهية تقدير الوضعيات، ونناقش بعض تطبيقاته، ونوضّح كيفية استخدام YOLO11 مع حزمة Ultralytics Python لتقدير الوضعيات. وسنلقي أيضًا نظرة على كيفية استخدام Ultralytics HUB لتجربة YOLO11 وتقدير الوضعيات ببضع نقرات بسيطة. لنبدأ!

ما هو تقدير الوضعيات؟#

قبل أن نتعمق في كيفية استخدام نموذج Ultralytics YOLO11 الجديد لتقدير الوضعيات، لنتعرّف بصورة أفضل إلى تقدير الوضعيات.

تقدير الوضعيات هو تقنية في الرؤية الحاسوبية تُستخدم لتحليل وضعية شخص أو كائن في صورة أو فيديو. ويمكن لنماذج التعلّم العميق، مثل Ultralytics YOLO11، تحديد النقاط المفتاحية على كائن أو شخص معيّن وتحديد مواقعها وتتبعها. وبالنسبة إلى الكائنات، قد تشمل هذه النقاط المفتاحية الزوايا أو الحواف أو العلامات المميزة على السطح، بينما تمثّل هذه النقاط المفتاحية لدى البشر المفاصل الرئيسية، مثل المرفق أو الركبة أو الكتف.

يتميّز تقدير الوضعيات بأنه أكثر تعقيدًا مقارنةً بمهام الرؤية الحاسوبية الأخرى، مثل اكتشاف الكائنات. فبينما يحدّد اكتشاف الكائنات مواقع الكائنات في صورة عبر رسم مربع حولها، يتقدم تقدير الوضعيات خطوةً إضافيةً من خلال التنبؤ بالمواقع الدقيقة للنقاط المفتاحية على الكائن.

الشكل 2. استخدام Ultralytics YOLO11 لاكتشاف وضعيات الأشخاص في مكتب وتقديرها.

عند الحديث عن تقدير الوضعيات، توجد طريقتان رئيسيتان لعمله: من الأسفل إلى الأعلى ومن الأعلى إلى الأسفل. تكتشف الطريقة من الأسفل إلى الأعلى النقاط المفتاحية الفردية وتجمعها في هياكل عظمية، بينما تركّز الطريقة من الأعلى إلى الأسفل أولًا على اكتشاف الكائنات، ثم تقدّر النقاط المفتاحية داخلها.

يجمع Ultralytics YOLO11 بين مزايا طريقتَي الأعلى إلى الأسفل والأسفل إلى الأعلى. وكما في الطريقة من الأسفل إلى الأعلى، يحافظ على البساطة والسرعة من دون الحاجة إلى تجميع النقاط المفتاحية يدويًا. وفي الوقت نفسه، يستفيد من دقة الطريقة من الأعلى إلى الأسفل عبر اكتشاف الأشخاص وتقدير وضعياتهم في خطوة واحدة.

حالات استخدام تقدير الوضعيات مع Ultralytics YOLO11#

تفتح القدرات المتعددة الاستخدامات لـUltralytics YOLO11 في تقدير الوضعيات نطاقًا واسعًا من التطبيقات المحتملة في العديد من الصناعات. ولنلقِ نظرةً أقرب على بعض حالات استخدام YOLO11 لتقدير الوضعيات.

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

تُعد السلامة جانبًا مهمًا في أي مشروع إنشاءات. وينطبق ذلك بشكل خاص لأن مواقع الإنشاءات، إحصائيًا، تشهد عددًا أكبر من الإصابات المرتبطة بالعمل. ففي عام 2021، وقعت نحو 20% من جميع الإصابات المميتة المرتبطة بالعمل في مواقع الإنشاءات أو بالقرب منها. ومع المخاطر اليومية، مثل المعدات الثقيلة والأنظمة الكهربائية، تُعد تدابير السلامة القوية ضرورية للحفاظ على سلامة العمال. ولا تكون الأساليب التقليدية، مثل استخدام اللافتات والحواجز والمراقبة اليدوية من جانب المشرفين، فعّالة دائمًا، وغالبًا ما تبعد المشرفين عن المهام الأكثر أهمية.

يمكن للذكاء الاصطناعي التدخل لتحسين السلامة، كما يمكن تقليل مخاطر الحوادث باستخدام نظام لمراقبة العمال قائم على تقدير الوضعيات. ويمكن استخدام نماذج Ultralytics YOLO11 لتتبع حركات العمال ووضعياتهم. كما يمكن رصد أي مخاطر محتملة بسرعة، مثل وقوف العمال بالقرب من المعدات الخطرة أكثر من اللازم أو تنفيذ المهام بطريقة غير صحيحة. وعند اكتشاف خطر، يمكن إخطار المشرفين أو إصدار إنذار لتنبيه العامل. ويمكن لنظام المراقبة المستمرة أن يجعل مواقع الإنشاءات أكثر أمانًا من خلال البحث الدائم عن المخاطر وحماية العمال.

الشكل 3. مثال على تقدير الوضعيات في موقع إنشاءات باستخدام Ultralytics YOLO11.

تقدير الوضعيات باستخدام Ultralytics YOLO11 لمراقبة الماشية#

يمكن لـالمزارعين والباحثين استخدام Ultralytics YOLO11 لدراسة حركة وسلوك حيوانات المزرعة، مثل الأبقار، لاكتشاف العلامات المبكرة لأمراض مثل العرج. والعرج حالة يعاني فيها الحيوان صعوبةً في الحركة بصورة صحيحة بسبب الألم في ساقيه أو قدميه. ولا تؤثر أمراض مثل العرج لدى الأبقار في صحتها ورفاهيتها فحسب، بل تؤدي أيضًا إلى مشكلات إنتاجية في مزارع الألبان. وتُظهر الدراسات أن العرج يؤثر في 8% من الأبقار في الأنظمة القائمة على الرعي، وفي 15% إلى 30% منها في الأنظمة المحصورة، على مستوى صناعة الألبان العالمية. ويمكن أن يساعد اكتشاف العرج ومعالجته مبكرًا في تحسين رفاهية الحيوانات وتقليل خسائر الإنتاج المرتبطة بهذه الحالة.

يمكن أن تساعد ميزات تقدير الوضعيات في Ultralytics YOLO11 المزارعين على تتبع أنماط مشي الحيوان وتحديد أي شذوذ قد يشير بسرعة إلى مشكلات صحية، مثل مشكلات المفاصل أو حالات العدوى. ويتيح اكتشاف هذه المشكلات مبكرًا علاجًا أسرع، ما يقلل انزعاج الحيوانات ويساعد المزارعين على تجنب الخسائر الاقتصادية.

يمكن لأنظمة المراقبة المدعومة بـالرؤية الحاسوبية للذكاء الاصطناعي أن تساعد أيضًا في تحليل سلوك الراحة والتفاعلات الاجتماعية وأنماط التغذية. كما يمكن للمزارعين استخدام تقدير الوضعيات للحصول على ملاحظات حول علامات التوتر أو العدوانية. ويمكن استخدام هذه الرؤى لتحسين ظروف معيشة الحيوانات وزيادة رفاهيتها.

الشكل 4. تصوير مرئي لتقدير وضعية بقرة.

حالات استخدام Ultralytics YOLO11 في صناعة اللياقة البدنية#

يمكن أن يساعد تقدير الوضعيات الأشخاص أيضًا على تحسين وضعياتهم في الوقت الفعلي أثناء ممارسة التمارين. وباستخدام Ultralytics YOLO11، يستطيع مدربو الصالات الرياضية واليوغا مراقبة حركات الجسم وتتبعها لدى الأشخاص الذين يمارسون التمارين، مع التركيز على النقاط المفتاحية مثل المفاصل والأطراف لتقييم وضعياتهم. ويمكن مقارنة البيانات المجمّعة بالوضعيات المثالية وتقنيات التمرين، كما يمكن للمدربين تلقي تنبيهات إذا كان شخص ما ينفذ حركةً بطريقة غير صحيحة، مما يساعد على الوقاية من الإصابات.

الشكل 5. استخدام تقدير الوضعيات لتحليل تمرين.

على سبيل المثال، أثناء حصة يوغا، يمكن لتقدير الوضعيات أن يساعد في مراقبة ما إذا كان جميع الطلاب يحافظون على التوازن والمحاذاة الصحيحين. ويمكن لتطبيقات الأجهزة المحمولة المدمجة مع الرؤية الحاسوبية وتقدير الوضعيات أن تجعل اللياقة البدنية أكثر سهولة للأشخاص الذين يمارسون التمارين في المنزل أو الذين لا تتوفر لهم إمكانية الوصول إلى مدربين شخصيين. وتساعد هذه الملاحظات المستمرة في الوقت الفعلي المستخدمين على تحسين أساليبهم وتحقيق أهداف اللياقة البدنية مع تقليل مخاطر الإصابة.

تجربة تقدير الوضعيات في الوقت الفعلي باستخدام نموذج Ultralytics YOLO11#

بعد أن استكشفنا ماهية تقدير الوضعيات وناقشنا بعض تطبيقاته، لنلقِ نظرة على كيفية تجربة تقدير الوضعيات باستخدام نموذج YOLO11 الجديد. للبدء، توجد طريقتان ملائمتان لذلك: استخدام حزمة Ultralytics Python أو من خلال Ultralytics HUB. ولنلقِ نظرة على الخيارين.

تشغيل عمليات الاستدلال باستخدام Ultralytics YOLO11#

يتضمن تشغيل الاستدلال معالجة نموذج YOLO11 لبيانات جديدة خارج مجموعات التدريب الخاصة به، واستخدام الأنماط التي تعلّمها لإجراء تنبؤات استنادًا إلى تلك البيانات. ويمكنك تشغيل عمليات الاستدلال عبر التعليمات البرمجية باستخدام حزمة Ultralytics Python. وكل ما تحتاج إليه للبدء هو تثبيت حزمة Ultralytics باستخدام pip أو conda أو Docker. وإذا واجهت أي تحديات أثناء التثبيت، فإن دليل المشكلات الشائعة لدينا يقدّم نصائح مفيدة لاستكشاف الأخطاء وإصلاحها.

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

الشكل 6. مقتطف كود يوضّح تشغيل عمليات الاستدلال باستخدام Ultralytics YOLO11.

تدريب نموذج Ultralytics YOLO11 مخصص#

لنفترض أنك تعمل على مشروع للرؤية الحاسوبية ولديك مجموعة بيانات محددة لتطبيق معين يتضمن تقدير الوضعيات. عندئذٍ يمكنك ضبط نموذج YOLO11 مخصص وتدريبه ليلائم تطبيقك. فعلى سبيل المثال، يمكنك استخدام مجموعة بيانات للنقاط المفتاحية لتحليل وفهم وضعية نمر في الصور، من خلال تحديد سمات رئيسية مثل مواضع أطرافه ورأسه وذيله.

يمكنك استخدام مقتطف الكود التالي لتحميل نموذج Ultralytics YOLO11 لتقدير الوضعيات وتدريبه. ويمكن إنشاء النموذج من تهيئة YAML، أو يمكنك تحميل نموذج مدرّب مسبقًا للتدريب. ويتيح لك هذا البرنامج النصي أيضًا نقل الأوزان وبدء تدريب النموذج باستخدام مجموعة بيانات محددة، مثل مجموعة بيانات COCO لتقدير الوضعيات.

الشكل 7. التدريب المخصص لـUltralytics YOLO11.

باستخدام النموذج المخصص المدرّب حديثًا، يمكنك تشغيل عمليات الاستدلال على صور غير مرئية مرتبطة بـحل الرؤية الحاسوبية الخاص بك. كما يمكن تحويل النموذج المدرّب إلى تنسيقات أخرى باستخدام وضع التصدير.

جرّب YOLO11 على Ultralytics HUB#

حتى الآن، استعرضنا طرقًا لاستخدام YOLO11 تتطلب بعض المعرفة الأساسية بالبرمجة. وإذا لم يكن ذلك ما تبحث عنه، أو لم تكن ملمًا بالبرمجة، فهناك خيار آخر: Ultralytics HUB. Ultralytics HUB منصة سهلة الاستخدام مصممة لتبسيط عملية تدريب نماذج YOLO ونشرها. ويتيح لك HUB إدارة مجموعات البيانات وتدريب النماذج ونشرها بسهولة من دون الحاجة إلى خبرة تقنية.

لتشغيل عمليات الاستدلال على الصور، يمكنك إنشاء حساب، والانتقال إلى قسم «النماذج»، واختيار نموذج Ultralytics YOLO11 لتقدير الوضعيات الذي يهمك. وفي قسم المعاينة، يمكنك تحميل صورة وعرض نتائج التنبؤ كما هو موضح أدناه.

الشكل 8. تقدير الوضعيات على Ultralytics HUB باستخدام YOLO11.

تطورات Ultralytics YOLO11 في اكتشاف وضعيات الإنسان#

يقدّم Ultralytics YOLO11 حلولًا دقيقة ومرنة لمهام مثل تقدير الوضعيات عبر نطاق واسع من التطبيقات. فمن تحسين سلامة العمال في مواقع الإنشاءات إلى مراقبة صحة الماشية والمساعدة على تصحيح الوضعية في تمارين اللياقة البدنية، يوفّر YOLO11 دقةً وملاحظات في الوقت الفعلي من خلال تقنية الرؤية الحاسوبية المتقدمة.

إن تعدد استخداماته، إلى جانب توفر إصدارات متعددة من النماذج وإمكانية التدريب المخصص لحالات استخدام محددة، يجعله أداةً قيّمةً جدًا للمطورين والشركات على حد سواء. وسواء أكان ذلك عبر البرمجة باستخدام حزمة Ultralytics Python أم باستخدام Ultralytics HUB لتسهيل التنفيذ، يجعل YOLO11 تقدير الوضعيات متاحًا وذا أثر فعّال.

لمزيد من الاستكشاف، تفضّل بزيارة مستودع GitHub الخاص بنا، وتفاعل مع مجتمعنا. واستكشف تطبيقات الذكاء الاصطناعي في التصنيع والزراعة في صفحات الحلول لدينا. 🚀