عد الأشياء القائم على المنطقة باستخدام Ultralytics YOLO11

عد الأشياء قد يبدو بسيطًا، ولكن في الأماكن المزدحمة مثل الطرق أو المتاجر أو المستودعات، يمكن أن يتحول الأمر بسرعة إلى تحدٍ حقيقي. لسنوات، تم إجراء عد الأشياء بشكل أساسي يدويًا. وقد أُنفقت ساعات في عد المركبات، أو تتبع حركة المشاة داخل وخارج المتاجر، أو مراقبة الحركة لأغراض أمنية. ومع ذلك، فإن هذا النهج يستغرق وقتًا طويلاً، وعرضة للأخطاء، ولا يتسم بالقابلية للتوسع بشكل جيد.

هنا يأتي دور الذكاء الاصطناعي (AI)، وتحديدًا رؤية الحاسوب. رؤية الحاسوب هي مجال فرعي من الذكاء الاصطناعي يتعامل مع معالجة البيانات المرئية، على غرار البشر. أحد تطبيقاتها الرئيسية هو عد الأشياء، الذي يساعد في الكشف عن الأشياء وتتبعها تلقائيًا في منطقة معينة.

عادةً ما يقتصر عد الأشياء على إجمالي عدد العناصر فقط؛ فهو لا يوضح مكان وجود تلك الأشياء. يحل العد القائم على المناطق أو استخدام مناطق العد هذه المشكلة من خلال التركيز على مساحات محددة داخل الصورة. فهو يوفر رؤى أكثر تفصيلاً ويساعد في تتبع الحركة بطريقة أكثر فاعلية.

Ultralytics YOLO11 هو نموذج رؤية حاسوب يدعم مهام رؤية حاسوب متنوعة، مثل اكتشاف الأشياء وتتبعها، والتي يمكن استخدامها لعد الأشياء القائم على المناطق. في هذه المقالة، سوف نستكشف كيف يمكن استخدام Ultralytics YOLO11 لعد الأشياء داخل منطقة ما، وتطبيقاته في العالم الحقيقي، وفوائده الرئيسية. لنبدأ!

Link to this sectionنظرة عامة على عد الأشياء في المناطق#

لا يمكن لاكتشاف الأشياء وعدها في الصورة أن يخبرنا إلا بالقليل، خاصة في أماكن مثل المطارات أو مراكز التسوق، حيث يمكن أن يتزاحم الناس في مناطق متعددة في إطار واحد. وتصبح الرؤى المتعلقة بمكان وجود تلك الأشياء بالضبط وعدد الأشخاص الذين يمرون عبر مناطق معينة أكثر أهمية.

يمكن استخدام نماذج رؤية الحاسوب مثل YOLO11 بسهولة لمثل تطبيقات رؤية الحاسوب هذه. من خلال تخصيص مناطق لمواقع رئيسية، مثل بوابات الصعود أو صالات الانتظار، يمكن استخدام YOLO11 لعد الأشياء الموجودة فقط في تلك المساحة المحددة. يمكن أيضًا استخدام المناطق القابلة للتحريك لمعرفة عدد الأشياء في مناطق مختلفة في الوقت الفعلي.

الشكل 1. مثال على استخدام YOLO لعد اللاعبين القائم على المناطق في الرياضة.

يمكن لـ Ultralytics YOLO11 جعل هذه العملية بسيطة وفعالة. فهو يساعد في اكتشاف الأشياء، وتتبع حركتها، وعدها بناءً على المناطق التي تدخلها أو تخرج منها. ما يجعل YOLO11 مؤثرًا بشكل خاص هو قدرته على تقديم نتائج في الوقت الفعلي دون المساس بالدقة. كما أنه يدعم التتبع متعدد الأشياء داخل كل منطقة محددة، مما يساعد الأنظمة على عد وتصنيف أشياء مختلفة دفعة واحدة.

Link to this sectionاستخدام Ultralytics YOLO11 لعد الأشياء في المناطق#

توفر Ultralytics حلولاً سهلة الاستخدام تعرض حالات استخدام متطورة لنماذج YOLO. وتشمل هذه حلولاً واقعية مثل عد الأشياء، وعد الأشياء في المناطق القابلة للتحريك، والتمويه، وتقدير السرعة.

إعداد وتشغيل حل Ultralytics لعد الأشياء القائم على المناطق أمر مباشر وبسيط. وهذا يسمح للمستخدمين بالتركيز على النتائج بدلاً من التكوينات المعقدة.

خلف الكواليس، يستخدم حل عد الأشياء القائم على المناطق نموذج YOLO11 لاكتشاف الأشياء في كل إطار من الفيديو. ثم يتم تمرير هذه الاكتشافات عبر خوارزمية تتبع (مثل BoT-SORT أو ByteTrack) لتعيين معرفات متسقة لكل كائن عبر الإطارات.

بمجرد اكتشاف الأشياء وتتبعها، يتحقق النظام مما إذا كانت تتقاطع مع أي من المناطق المحددة مسبقًا (مضلعات أو مستطيلات أو خطوط). إذا تقاطعت، يتم عدها بناءً على دخولها أو حركتها عبر تلك المناطق.

فيما يلي بعض الميزات الرئيسية الأخرى لحل Ultralytics لعد الأشياء القائم على المناطق:

• معالجة سريعة: يتيح الحل عد الأشياء في الوقت الفعلي باستخدام YOLO11، مما يضمن تحليلاً سريعاً وفعالاً لتدفقات الفيديو.

• مناطق قابلة للتخصيص: يمكن للمستخدمين تحديد مناطق محددة في إطار الفيديو باستخدام مضلعات أو مستطيلات أو خطوط، مما يتيح تحكماً دقيقاً في مكان حدوث العد.

• عد متعدد الأشياء: يمكن للنظام اكتشاف وعد أنواع متعددة من الأشياء في وقت واحد داخل نفس المنطقة المحددة.

• تكامل سهل: التكامل مع الأنظمة الحالية سلس باستخدام Ultralytics Python API أو واجهة سطر الأوامر، مما يتطلب الحد الأدنى من جهد التكوين.

Link to this sectionتجربة عملية لعد الأشياء في المناطق#

للبدء في حل Ultralytics للعد القائم على المناطق، يمكنك إلقاء نظرة على وثائق Ultralytics الرسمية، التي توضح خطوة بخطوة كيفية استخدام YOLO11 لـ عد الأشياء في المناطق.

إذا واجهت أي مشكلات أثناء إعداد الحل، فإليك بعض النصائح التي يجب وضعها في الاعتبار:

• تأكد من تثبيت حزمة Ultralytics Python بشكل صحيح. تحقق من دليل استكشاف الأخطاء وإصلاحها في الوثائق الرسمية.

• تحقق من إعدادات المنطقة وتأكد من إعداد المناطق المحددة بشكل صحيح في الواجهة.

• تحقق من التحديثات والإصدارات الجديدة وحافظ على تحديث حزمة Ultralytics Python.

Link to this sectionتطبيقات واقعية لعد الأشياء في المناطق#

الآن بعد أن أصبح لدينا فهم أفضل لكيفية استخدام Ultralytics YOLO11 لعد الأشياء القائم على المناطق، دعنا نستكشف بعض التطبيقات الواقعية التي يمكن استخدامه فيها.

Link to this sectionتتبع تدفق العملاء لتحليلات التجزئة#

يمكن للعد القائم على المناطق الإجابة بسهولة على الأسئلة المتعلقة بالمكان الذي يقضي فيه العملاء معظم وقتهم في المتجر. يمكن أن يساعد YOLO11 تجار التجزئة في تتبع أنماط الحركة في المواقع الرئيسية، مثل نقاط الخروج، وعدادات الدفع، وأقسام المنتجات ذات الاهتمام العالي. بدلاً من مجرد قياس إجمالي حركة المشاة، يوفر هذا النهج القائم على المناطق رؤى حول عدد العملاء الذين يزورون مناطق معينة.

يساعد استخدام حل Ultralytics تجار التجزئة من خلال التخلص من الحاجة إلى الترميز اليدوي أو عمليات الإعداد المعقدة. يمكن لتجار التجزئة بسهولة تمييز أقسام مختلفة من المتجر لتتبع حركة العملاء وحركة المشاة باستخدام المضلعات أو الخطوط المستطيلة.

يمكن لـ YOLO11 بعد ذلك اكتشاف الأشياء، وتتبع حركتها، وتحديث الأعداد في الوقت الفعلي أثناء دخول الأشخاص إلى تلك المنطقة أو مغادرتها. يساعد هذا تجار التجزئة على فهم تدفق العملاء، وقياس التفاعل، واتخاذ قرارات تعتمد على البيانات.

الشكل 2. استخدام YOLO لعد الأشخاص خارج متجر باستخدام الاكتشاف القائم على المناطق.

Link to this sectionإدارة المرور في ساحات تحصيل الرسوم#

تعج المدن دائمًا بحركة المرور، حيث تندمج السيارات في الطرق السريعة، وتتوقف عند إشارات المرور، وتصطف عند التقاطعات المزدحمة. تعد إدارة حركة المرور جزءًا حيويًا من الحفاظ على سلامة الطرق واستمرار الحركة بسلاسة.

يمكن لعد الأشياء القائم على المناطق باستخدام YOLO11 دعم ذلك من خلال تقسيم الطرق إلى أقسام، مثل التقاطعات أو ممرات تحصيل الرسوم. يمكن لفرق إدارة المرور مراقبة أعداد المركبات في كل منطقة في الوقت الفعلي. تتيح هذه البيانات المباشرة استجابات أسرع، وتخطيطًا أفضل للمرور، وتدفقًا عامًا أكثر سلاسة.

من حالات الاستخدام المثيرة للاهتمام لهذا هي ساحات تحصيل الرسوم التي يمكن أن تصبح مزدحمة بسرعة إذا لم يتم مراقبتها بشكل صحيح. مع حل Ultralytics للعد القائم على المناطق، يمكن تتبع كل ممر تحصيل رسوم بشكل منفصل.

بدلاً من مراقبة كل حركة المرور دفعة واحدة، يركز النظام فقط على المركبات التي تمر عبر ممرات معينة. مع دخول السيارات أو مغادرتها، يمكن لـ YOLO11 عدها على الفور، مما يساعد المشغلين على مراقبة الممرات التي أصبحت مزدحمة.

الشكل 3. العد القائم على المناطق ممكن بواسطة YOLO11 في ساحة تحصيل الرسوم.

Link to this sectionعد الحيوانات في المزارع والملاجئ#

عد الحيوانات قد يكون صعباً، خاصة عندما تتحرك في قطعان عبر مساحات ضيقة. بضع أعداد مفقودة هنا وهناك يمكن أن تؤدي إلى مشاكل في التغذية، أو الفحوصات الصحية، أو سجلات المزارع. بالنسبة للمزارعين، يعد الحفاظ على أعداد دقيقة دون إبطاء العمل أمرًا ضروريًا.

يجعل Ultralytics YOLO11 هذه العملية أكثر سلاسة. يمكن للمزارعين استخدامه لإنشاء مناطق تتبع مخصصة، سواء كانت بوابة واسعة، أو مساراً ضيقاً، أو حظيرة منحنية. داخل هذه المناطق، يكتشف النموذج الحيوانات في الوقت الفعلي، ويضع علامة عليها بمربعات محيطة، ويتتبع حركتها. على سبيل المثال، يمكنه عد قطعان كبيرة من الأغنام أو الماعز بسرعة ودقة أثناء تحركها عبر ممر مسيج دون أي جهد يدوي.

Link to this sectionمراقبة الحشود للسلامة العامة#

يمكن أن تتحول الأماكن العامة المزدحمة من فارغة إلى مكتظة في غضون دقائق. في محطات المترو، أو المطارات، أو الحفلات الموسيقية، يمكن أن يؤدي وجود عدد كبير جدًا من الأشخاص في مكان واحد إلى إبطاء الحركة وخلق مخاوف تتعلق بالسلامة. تمنح مراقبة حركة المشاة في الوقت الفعلي السلطات طريقة لاكتشاف تجمعات الحشود مبكرًا والتصرف قبل خروج الأمور عن السيطرة.

على وجه التحديد، يجعل العد القائم على المناطق باستخدام YOLO11 من الممكن مراقبة الحركة عبر مناطق محددة مثل بوابات الدخول، أو الأرصفة، أو مناطق الانتظار بدلاً من تتبع كل شخص في المشهد. وهذا يسمح لفرق الأمن بالتركيز على أنماط الحركة، وتحديد نقاط الازدحام بسرعة، واتخاذ قرارات تشغيلية أفضل تتراوح من تغييرات الجدول الزمني إلى نشر الموظفين.

الشكل 4. عد الأشخاص باستخدام YOLO11 داخل المناطق لإدارة أفضل لحشود المترو.

Link to this sectionأبرز النقاط#

يجعل عد الأشياء القائم على المناطق باستخدام Ultralytics YOLO11 تتبع الأشياء في مناطق معينة أكثر كفاءة ودقة. سواء في التجزئة، أو إدارة المرور، أو السلامة العامة، يساعد هذا النهج القائم على رؤية الذكاء الاصطناعي الشركات ومخططي المدن على اتخاذ قرارات أفضل مدعومة بالبيانات. أتمتة العد تقلل من الجهد اليدوي وتحسن الكفاءة الإجمالية.

في المستقبل، من المرجح أن يجعل الذكاء الاصطناعي ورؤية الحاسوب عد الأشياء أكثر ذكاءً. يمكننا توقع دقة أفضل، وتعلم تكيفي للتعامل مع بيئات مختلفة، وتكامل مع أنظمة الأتمتة وإنترنت الأشياء (IoT). هذا النوع من الأتمتة الذكية يشكل مستقبل كيفية إدارتنا للمساحات والأشخاص والحركة.

تعرف على المزيد حول الذكاء الاصطناعي على مستودع GitHub الخاص بنا وكن جزءًا من مجتمعنا المتنامي. استكشف التطورات في الذكاء الاصطناعي في السيارات ورؤية الحاسوب في الزراعة. تحقق من خيارات الترخيص لدينا وقم بتحويل مشاريع رؤية الذكاء الاصطناعي الخاصة بك إلى واقع.