عدّ الأجسام بحسب المناطق باستخدام Ultralytics YOLO11

قد يبدو عدّ الكائنات أمرًا بسيطًا، لكنه قد يتحول سريعًا إلى تحدٍ حقيقي في الأماكن المزدحمة مثل الطرق والمتاجر والمستودعات. وعلى مدى سنوات، أُجري عدّ الكائنات يدويًا في المقام الأول. وقضى الناس ساعات في عدّ المركبات وتتبع حركة الزوار دخولًا إلى المتاجر وخروجًا منها، أو مراقبة الحركة لأغراض أمنية. لكن هذا النهج يستغرق وقتًا طويلًا، وهو عرضة للأخطاء ولا يتوسع نطاقه بسهولة.

وهنا يأتي دور الذكاء الاصطناعي (AI)، وتحديدًا الرؤية الحاسوبية. فالرؤية الحاسوبية مجال فرعي من الذكاء الاصطناعي يتعامل مع معالجة البيانات المرئية على نحو يحاكي البشر. ومن أبرز تطبيقاتها عدّ الكائنات، الذي يساعد على اكتشاف الكائنات وتتبعها تلقائيًا في منطقة معينة.

عادةً ما يقتصر عدّ الكائنات على حساب العدد الإجمالي للعناصر، ولا يوضح مواضعها. ويعالج العد القائم على المناطق، أو استخدام مناطق العد، هذه المشكلة بالتركيز على مناطق محددة داخل الصورة. فهو يوفر رؤى أكثر تفصيلًا ويساعد على تتبع الحركة بطريقة أكثر دلالة.

يُعد Ultralytics YOLO11 نموذجًا للرؤية الحاسوبية يدعم مهامًا متنوعة، مثل اكتشاف الكائنات وتتبعها، ويمكن استخدامه لعدّ الكائنات بحسب المناطق. وسنستكشف في هذه المقالة كيفية استخدام Ultralytics YOLO11 لعدّ الكائنات داخل منطقة ما، وتطبيقاته الواقعية، وأهم فوائده. لنبدأ!

لمحة عامة عن عدّ الكائنات ضمن المناطق#

لا يخبرنا اكتشاف الكائنات في الصورة وعدّها إلا بقدر محدود، خصوصًا في أماكن مثل المطارات ومراكز التسوق، حيث قد يتجمع الأشخاص في مناطق متعددة ضمن الإطار الواحد. وتكتسب معلومات مثل المواقع الدقيقة لهذه الكائنات وعدد الكائنات التي تمر عبر مناطق محددة أهمية أكبر.

يمكن بسهولة استخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 في تطبيقات الرؤية الحاسوبية من هذا النوع. ومن خلال تعيين مناطق لمواقع رئيسية، مثل بوابات الصعود إلى الطائرة أو صالات الانتظار، يمكن استخدام YOLO11 لعدّ الكائنات الموجودة في ذلك الحيز فقط. كما يمكن استخدام مناطق متحركة لمعرفة عدد الكائنات في مناطق مختلفة في الوقت الفعلي.

الشكل 1. مثال على استخدام YOLO لعدّ اللاعبين بحسب المناطق في الرياضة.

يستطيع Ultralytics YOLO11 تبسيط هذه العملية وجعلها أكثر كفاءة. فهو يساعد على اكتشاف الكائنات وتتبع حركتها وعدّها استنادًا إلى المناطق التي تدخلها أو تغادرها. وما يجعل YOLO11 مؤثرًا على نحو خاص هو قدرته على تقديم نتائج آنية دون المساس بالدقة. كما يدعم تتبع كائنات متعددة داخل كل منطقة محددة، ما يساعد الأنظمة على عدّ كائنات متنوعة وتصنيفها كلها في آن واحد.

استخدام Ultralytics YOLO11 لعدّ الكائنات في المناطق#

توفر Ultralytics حلولًا سهلة الاستخدام تعرض حالات استخدام عملية لنماذج YOLO. وتشمل هذه الحلول الواقعية عدّ الأجسام، وعدّ الأجسام في مناطق متحركة، والتمويه، وتقدير السرعة.

يتميز إعداد حل Ultralytics لعدّ الأجسام حسب المنطقة وتشغيله بالبساطة. ويتيح ذلك للمستخدمين التركيز على الرؤى بدلًا من عمليات الإعداد المعقدة.

في الخلفية، يستخدم حل عدّ الكائنات المستند إلى المناطق Ultralytics YOLO11 لاكتشاف الكائنات في كل إطار من الفيديو. ثم تُمرر هذه الاكتشافات إلى خوارزمية تتبّع (مثل BoT-SORT أو ByteTrack) لإسناد معرّفات ثابتة إلى كل كائن عبر الإطارات.

بعد اكتشاف الكائنات وتتبعها، يتحقق النظام مما إذا كانت تتقاطع مع أي من المناطق المحددة مسبقًا (مضلعات أو مستطيلات أو خطوط). وإذا حدث ذلك، تُحتسب الكائنات بناءً على دخولها إلى تلك المناطق أو تحركها عبرها.

فيما يلي بعض الميزات الرئيسية الأخرى لحل Ultralytics لعدّ الكائنات المستند إلى المناطق:

• معالجة سريعة: يتيح الحل عدّ الكائنات في الوقت الفعلي باستخدام Ultralytics YOLO11، ما يضمن تحليل تدفقات الفيديو بسرعة وكفاءة.
• مناطق قابلة للتخصيص: يمكن للمستخدمين تحديد مناطق معينة في إطار الفيديو باستخدام المضلعات أو المستطيلات أو الخطوط، ما يتيح تحكمًا دقيقًا في مواضع إجراء العدّ.
• عدّ كائنات متعددة: يستطيع النظام اكتشاف أنواع متعددة من الكائنات وعدّها في الوقت نفسه ضمن المنطقة المحددة ذاتها.
• سهولة التكامل: يتسم التكامل مع الأنظمة الحالية بالبساطة باستخدام واجهة Python البرمجية من Ultralytics أو واجهة سطر الأوامر، ولا يتطلب سوى الحد الأدنى من الإعداد.

التطبيق العملي لعدّ الكائنات في المناطق#

للبدء باستخدام حل Ultralytics للعدّ المستند إلى المناطق، يمكنك الاطلاع على وثائق Ultralytics الرسمية، التي تشرح خطوة بخطوة كيفية استخدام YOLO11 من أجل عدّ الكائنات في المناطق.

إذا واجهت أي مشكلات أثناء إعداد الحل، فإليك بعض النصائح التي ينبغي مراعاتها:

• تأكد من تثبيت حزمة Python الخاصة بـ Ultralytics تثبيتًا صحيحًا. راجع دليل استكشاف الأخطاء وإصلاحها في الوثائق الرسمية.
• تحقق من إعدادات المناطق، وتأكد من ضبط المناطق المحددة بصورة صحيحة في الواجهة.
• تحقق من وجود تحديثات وإصدارات جديدة، واحرص على تحديث حزمة Python الخاصة بـ Ultralytics.

تطبيقات واقعية لعدّ الكائنات في المناطق#

بعد أن أصبح لدينا فهم أفضل لكيفية استخدام Ultralytics YOLO11 لعدّ الكائنات المستند إلى المناطق، لنستكشف بعض التطبيقات الواقعية التي يمكن استخدامه فيها.

تتبّع تدفق العملاء لتحليلات البيع بالتجزئة#

يمكن لعدّ الكائنات المستند إلى المناطق الإجابة بسهولة عن أسئلة تتعلق بالأماكن التي يقضي فيها العملاء معظم وقتهم داخل المتجر. يستطيع Ultralytics YOLO11 مساعدة تجار التجزئة على تتبّع أنماط الحركة في مواقع رئيسية، مثل المخارج، ونقاط الدفع، وأقسام المنتجات التي تحظى باهتمام كبير. وبدلًا من قياس حركة الزوار الإجمالية فحسب، يقدّم هذا النهج المستند إلى المناطق رؤى حول عدد العملاء الذين يزورون مناطق محددة.

يساعد استخدام حل Ultralytics تجار التجزئة على الاستغناء عن البرمجة اليدوية أو عمليات الإعداد المعقدة. ويمكن لـتجار التجزئة تحديد أقسام المتجر المختلفة بسهولة باستخدام المضلعات أو المستطيلات أو الخطوط لتتبع حركة العملاء وكثافة مرورهم.

بعد ذلك، يستطيع Ultralytics YOLO11 اكتشاف الكائنات وتتبع حركتها وتحديث الأعداد في الوقت الفعلي أثناء دخول الأشخاص إلى تلك المنطقة أو مغادرتهم لها. ويساعد ذلك تجار التجزئة على فهم تدفق العملاء وقياس التفاعل واتخاذ قرارات تستند إلى البيانات.

الشكل 2. استخدام YOLO لعدّ الأشخاص خارج متجر عبر الكشف المستند إلى المناطق.

إدارة حركة المرور في ساحات تحصيل الرسوم#

تعج المدن بحركة المرور باستمرار، حيث تندمج السيارات في الطرق السريعة، وتتوقف عند إشارات المرور، وتصطف عند التقاطعات المزدحمة. وتُعد إدارة حركة المرور جزءًا أساسيًا من الحفاظ على سلامة الطرق وضمان انسياب الحركة.

يمكن لعدّ الكائنات المستند إلى المناطق باستخدام Ultralytics YOLO11 دعم ذلك عبر تقسيم الطرق إلى أقسام، مثل التقاطعات أو مسارات تحصيل الرسوم. ويمكن لفرق إدارة حركة المرور مراقبة أعداد المركبات في كل منطقة في الوقت الفعلي. وتتيح هذه البيانات المباشرة الاستجابة بسرعة أكبر، وتحسين تخطيط حركة المرور، وتحقيق انسياب أفضل للحركة عمومًا.

ومن حالات الاستخدام المثيرة للاهتمام ساحات تحصيل الرسوم، التي قد تزدحم بسرعة إذا لم تُراقب كما ينبغي. وباستخدام حل Ultralytics للعدّ المستند إلى المناطق، يمكن تتبّع كل مسار لتحصيل الرسوم على حدة.

وبدلًا من مراقبة حركة المرور كلها دفعة واحدة، يركّز النظام على المركبات التي تمر عبر مسارات محددة فقط. وعندما تدخل السيارات أو تغادر، يستطيع Ultralytics YOLO11 عدّها فورًا، ما يساعد المشغلين على معرفة المسارات التي بدأت تزدحم.

الشكل 3. العدّ المستند إلى المناطق باستخدام YOLO11 في ساحة لتحصيل الرسوم.

عدّ الحيوانات في المزارع والملاجئ#

قد يكون عدّ الحيوانات صعبًا، لا سيما عندما تتحرك في قطعان عبر مساحات ضيقة. وقد يؤدي إغفال بعض الحيوانات إلى مشكلات في التغذية أو الفحوص الصحية أو سجلات المزرعة. ومن الضروري للمزارعين الحفاظ على أعداد دقيقة دون إبطاء سير العمل.

يجعل Ultralytics YOLO11 هذه العملية أكثر سلاسة بكثير. ويمكن للمزارعين استخدامه لإنشاء مناطق تتبّع مخصصة، سواء كانت بوابة واسعة أو ممرًا ضيقًا أو حظيرة منحنية. وفي هذه المناطق، يكتشف النموذج الحيوانات في الوقت الفعلي، ويحددها بمربعات إحاطة، ويتتبّع حركتها. فعلى سبيل المثال، يمكنه عدّ قطعان كبيرة من الأغنام أو الماعز بسرعة ودقة أثناء عبورها ممرًا مسيّجًا، دون أي جهد يدوي.

مراقبة الحشود لتعزيز السلامة العامة#

قد تتحول الأماكن العامة المزدحمة من خالية إلى مكتظة في غضون دقائق. ففي مترو الأنفاق أو المطارات أو الحفلات الموسيقية، قد يؤدي وجود عدد كبير من الأشخاص في مكان واحد إلى إبطاء الحركة وإثارة مخاوف تتعلق بالسلامة. وتتيح مراقبة حركة الزوار في الوقت الفعلي للسلطات رصد تزايد الحشود مبكرًا والتدخل قبل أن تخرج الأمور عن السيطرة.

وعلى وجه التحديد، يتيح العدّ المستند إلى المناطق باستخدام Ultralytics YOLO11 مراقبة الحركة في مناطق محددة، مثل بوابات الدخول أو الأرصفة أو مناطق الانتظار، بدلًا من تتبّع كل من يظهر في المشهد. ويسمح ذلك لفرق الأمن بالتركيز على أنماط الحركة، وتحديد نقاط الازدحام بسرعة، واتخاذ قرارات تشغيلية أفضل، بدءًا من تغيير الجداول ووصولًا إلى توزيع الموظفين.

الشكل 4. عدّ الأشخاص باستخدام Ultralytics YOLO11 ضمن المناطق لتحسين إدارة الحشود في مترو الأنفاق.

أبرز النقاط#

يجعل عدّ الكائنات المستند إلى المناطق باستخدام Ultralytics YOLO11 تتبّع الكائنات في مناطق محددة أكثر كفاءة ودقة. سواء أكان الاستخدام في البيع بالتجزئة أو إدارة حركة المرور أو السلامة العامة، فإن هذا النهج القائم على الذكاء الاصطناعي للرؤية يساعد الشركات ومخططي المدن على اتخاذ قرارات أفضل تستند إلى البيانات. وتقلل أتمتة العدّ الجهد اليدوي وتحسّن الكفاءة الإجمالية.

من المرجح أن يجعل الذكاء الاصطناعي والرؤية الحاسوبية عدّ الكائنات أكثر ذكاءً في المستقبل. ويمكننا توقع دقة أفضل، وتعلّم تكيفي للتعامل مع البيئات المختلفة، وتكامل مع أنظمة الأتمتة وإنترنت الأشياء (IoT). ويشكّل هذا النوع من الأتمتة الذكية مستقبل إدارة المساحات والأشخاص والحركة.

تعرّف على المزيد حول الذكاء الاصطناعي في مستودع GitHub وكن جزءًا من مجتمعنا المتنامي. استكشف التطورات في الذكاء الاصطناعي في المركبات والرؤية الحاسوبية في الزراعة. اطّلع على خيارات الترخيص وابدأ بتحقيق مشاريعك في الذكاء الاصطناعي للرؤية.