عد الكائنات المستندة إلى المنطقة باستخدام Ultralytics YOLO11

قد يبدو عدّ الكائنات بسيطًا، ولكنه قد يصبح تحديًا حقيقيًا في الأماكن المزدحمة مثل الطرق والمتاجر والمستودعات. لسنوات، كان عدّ الكائنات يتم يدويًا بشكل أساسي. كانت تُقضى ساعات في عدّ المركبات، وتتبع عدد الزائرين الذين يدخلون المتاجر ويخرجون منها، أو مراقبة الحركة لأغراض أمنية. ومع ذلك، فإن هذا النهج يستغرق وقتًا طويلاً وعرضة للأخطاء ولا يمكن توسيعه بسهولة.

وهنا يأتي دور الذكاء الاصطناعي (AI)، وتحديداً الرؤية الحاسوبية. الرؤية الحاسوبية هو مجال فرعي من الذكاء الاصطناعي يتعامل مع معالجة البيانات المرئية، على غرار البشر. أحد تطبيقاته الرئيسية هو عدّ الأجسام، والذي يساعد على detect track الأجسام في منطقة معينة تلقائيًا.  

عادةً ما يقتصر عدّ الكائنات على مجرد تجميع عدد من العناصر؛ فهو لا يُظهر مكان هذه الكائنات. العد القائم على المنطقة أو استخدام مناطق العد يحل هذه المشكلة من خلال التركيز على مناطق محددة داخل الصورة. وهو يوفر رؤى أكثر تفصيلاً ويساعد على track الحركة بطريقة أكثر جدوى.

Ultralytics YOLO11 هو نموذج رؤية حاسوبية يدعم العديد من مهام الرؤية الحاسوبية، مثل اكتشاف الأجسام وتتبعها، ويمكن استخدامه لعدّ الأجسام داخل المنطقة. في هذه المقالة، سنستكشف كيف يمكن استخدام Ultralytics YOLO11 في عد الكائنات داخل منطقة ما، وتطبيقاته في العالم الحقيقي، وفوائده الرئيسية. لنبدأ!

نظرة عامة على عدّ الكائنات في المناطق

يمكن أن يخبرنا اكتشاف الكائنات وعدّها في صورة ما الكثير، خاصة في أماكن مثل المطارات أو مراكز التسوق، حيث يمكن أن يتجمع الأشخاص في مناطق متعددة في إطار واحد. رؤى مثل مكان وجود هذه الكائنات بالضبط وعدد الأشخاص الذين يمرون عبر مناطق معينة هي أكثر أهمية. 

يمكن استخدام نماذج الرؤية الحاسوبية مثل YOLO11 بسهولة في تطبيقات الرؤية الحاسوبية هذه. من خلال تعيين مناطق لمواقع رئيسية، مثل بوابات الصعود إلى الطائرة أو صالات الانتظار، يمكن استخدام YOLO11 لعدّ الأجسام الموجودة في تلك المساحة المحددة فقط. يمكن أيضًا استخدام المناطق المتحركة للعثور على عدد الكائنات في مناطق مختلفة في الوقت الفعلي.

‍

يمكن أن يجعل Ultralytics YOLO11 هذه العملية بسيطة وفعالة. يمكن أن يساعد في اكتشاف الأجسام وتتبع حركتها وإحصائها 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 أيضاً تتبع الأجسام المتعددة داخل كل منطقة محددة، مما يساعد الأنظمة على عد وتصنيف الأجسام المختلفة في وقت واحد. 

استخدام Ultralytics YOLO11 لحساب عدد الكائنات في المناطق

توفر Ultralytics حلولاً سهلة الاستخدام تعرض حالات الاستخدام المتطورة لنماذج YOLO . وتشمل هذه الحلول حلولاً واقعية مثل عدّ الأجسام، وعدّ الأجسام في المناطق المتحركة، والتعتيم، وتقدير السرعة. 

يعد إعداد حل Ultralytics وتشغيله لحساب الكائنات المستندة إلى المنطقة أمرًا مباشرًا وبسيطًا. يتيح ذلك للمستخدمين التركيز على الرؤى بدلاً من التكوينات المعقدة. 

خلف الكواليس، يستخدم حل عد الكائنات المستند إلى المنطقة YOLO11 detect الكائنات في كل إطار من الفيديو. ثم يتم تمرير هذه الاكتشافات من خلال خوارزمية تتبع (مثل BoT-SORT أو ByteTrack) لتعيين معرّفات متسقة لكل كائن عبر الإطارات. 

بمجرد اكتشاف الكائنات وتتبعها، يتحقق النظام مما إذا كانت تتقاطع مع أي من المناطق المحددة مسبقًا (المضلعات أو المستطيلات أو الخطوط). إذا فعلت ذلك، فسيتم عدّها بناءً على دخولها أو حركتها عبر تلك المناطق. 

فيما يلي بعض الميزات الرئيسية الأخرى لحل Ultralytics لحساب الكائنات القائمة على المنطقة:

• معالجة سريعة: يتيح الحل إمكانية عدّ الكائنات في الوقت الحقيقي باستخدام YOLO11 مما يضمن تحليلاً سريعاً وفعالاً لتدفقات الفيديو.

• مناطق قابلة للتخصيص: يمكن للمستخدمين تحديد مناطق معينة في إطار الفيديو باستخدام المضلعات أو المستطيلات أو الخطوط، مما يسمح بالتحكم الدقيق في مكان حدوث العدّ.

• عدّ الأجسام المتعددة: يمكن للنظام detect أنواع متعددة من الأجسام وعدها في وقت واحد داخل نفس المنطقة المحددة.

• سهولة التكامل: يتم التكامل مع الأنظمة الحالية بسلاسة باستخدام واجهة برمجة تطبيقات Ultralytics Python أو واجهة سطر الأوامر، مما يتطلب الحد الأدنى من جهد التكوين.

التدريب العملي على عد الأجسام في المناطق

للبدء في استخدام حل Ultralytics للعد القائم على المناطق، يمكنك إلقاء نظرة على وثائق Ultralytics الرسمية، والتي توضح خطوة بخطوة كيفية استخدام YOLO11 لعد الكائنات في المناطق. 

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

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

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

• تحقق من وجود تحديثات وإصدارات جديدة وحافظ على تحديث حزمة Ultralytics Python .

تطبيقات واقعية لعد الأجسام في المناطق

الآن بعد أن أصبح لدينا فهم أفضل لكيفية استخدام Ultralytics YOLO11 لحساب الكائنات القائمة على المنطقة، دعنا نستكشف بعض التطبيقات الواقعية التي يمكن استخدامه فيها.

تتبع تدفق العملاء لتحليلات البيع بالتجزئة

يمكن لعد الكائنات المستند إلى المنطقة الإجابة بسهولة عن الأسئلة المتعلقة بالمكان الذي يقضي فيه العملاء معظم وقتهم في المتجر. يمكن أن يساعد YOLO11 تجار التجزئة على track أنماط الحركة في المواقع الرئيسية، مثل نقاط الخروج، وعدادات الدفع، وأقسام المنتجات ذات الأهمية العالية. بدلاً من مجرد قياس إجمالي حركة الزبائن بشكل عام، يوفر هذا النهج القائم على المنطقة رؤى حول عدد العملاء الذين يزورون مناطق محددة. 

يساعد استخدام حل Ultralytics تجار التجزئة من خلال التخلص من الحاجة إلى الترميز اليدوي أو عمليات الإعداد المعقدة. يمكن لبائعي التجزئة وضع علامات بسهولة على أقسام مختلفة من المتجر track حركة العملاء وحركة الأقدام باستخدام المضلعات أو الخطوط المستطيلة.

يمكن لـ YOLO11 بعد ذلك detect الأشياء track حركتها وتحديث الأعداد في الوقت الفعلي عند دخول الأشخاص إلى تلك المنطقة أو مغادرتها. وهذا يساعد تجار التجزئة على فهم تدفق العملاء، وقياس مدى تفاعلهم، واتخاذ قرارات قائمة على البيانات.

‍

إدارة حركة المرور في ساحات تحصيل الرسوم

المدن دائمًا ما تعج بحركة المرور، حيث تندمج السيارات في الطرق السريعة، وتتوقف عند إشارات المرور، وتصطف عند التقاطعات المزدحمة. تعد إدارة حركة المرور جزءًا مهمًا من الحفاظ على سلامة الطرق وسير الأمور بسلاسة. ر

يمكن أن يدعم عد الكائنات المستند إلى المنطقة باستخدام YOLO11 هذا الأمر من خلال تقسيم الطرق إلى أقسام، مثل التقاطعات أو ممرات الرسوم. يمكن لفرق إدارة حركة المرور مراقبة تعداد المركبات في كل منطقة في الوقت الفعلي. تتيح هذه البيانات المباشرة استجابات أسرع، وتخطيطاً أفضل لحركة المرور، وتدفقاً إجمالياً أكثر سلاسة.

من حالات الاستخدام المثيرة للاهتمام لهذا الأمر ساحات تحصيل الرسوم التي يمكن أن تصبح مزدحمة بسرعة إذا لم تتم مراقبتها بشكل صحيح. مع حل Ultralytics للعدّ القائم على المنطقة، يمكن تتبع كل حارة من حارات رسوم المرور بشكل منفصل. I

بدلاً من مراقبة كل حركة المرور في وقت واحد، يركز النظام فقط على السيارات التي تمر عبر حارات محددة. عند دخول السيارات أو مغادرتها، يمكن YOLO11 عدها على الفور، مما يساعد المشغلين على track الحارات المزدحمة.

‍

عدّ الحيوانات في المزارع والملاجئ

يمكن أن يكون عدّ الحيوانات أمرًا صعبًا، خاصةً عندما تتحرك في قطعان عبر مساحات ضيقة. يمكن أن يؤدي عدد قليل من الإحصائيات المفقودة هنا وهناك إلى مشاكل في التغذية أو الفحوصات الصحية أو سجلات المزرعة. بالنسبة للمزارعين، يعد الحفاظ على أرقام دقيقة دون إبطاء الأمور أمرًا ضروريًا.

يجعل Ultralytics YOLO11 هذه العملية أكثر سلاسة. يمكن للمزارعين استخدامه لإنشاء مناطق تتبع مخصصة، سواء كانت بوابة عريضة أو مساراً ضيقاً أو سياجاً منحنياً. داخل هذه المناطق، يكتشف النموذج الحيوانات في الوقت الحقيقي، ويحددها بمربعات محدودة، ويتتبع حركتها. على سبيل المثال، يمكنه إحصاء قطعان كبيرة من الأغنام أو الماعز بسرعة وبدقة أثناء تحركها عبر ممر مسيّج دون أي جهد يدوي. 

مراقبة الحشود من أجل السلامة العامة

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

على وجه التحديد، يتيح العد القائم على المنطقة باستخدام YOLO11 إمكانية مراقبة الحركة عبر مناطق محددة مثل بوابات الدخول أو الأرصفة أو مناطق الانتظار بدلاً من تتبع كل شخص في مرمى البصر. يسمح ذلك لفرق الأمن بالتركيز على أنماط الحركة، وتحديد نقاط الازدحام بسرعة، واتخاذ قرارات تشغيلية أفضل بدءاً من تغيير الجداول الزمنية إلى نشر الموظفين.

‍

النقاط الرئيسية

يجعل عد الكائنات القائم على المنطقة مع Ultralytics YOLO11 تتبع الكائنات في مناطق محددة أكثر كفاءة ودقة. سواءً في مجال البيع بالتجزئة أو إدارة حركة المرور أو السلامة العامة، يساعد هذا النهج القائم على الذكاء الاصطناعي في الرؤية الشركات ومخططي المدن على اتخاذ قرارات أفضل مدعومة بالبيانات. يقلل العد الآلي من الجهد اليدوي ويحسن الكفاءة الكلية.

في المستقبل، من المحتمل أن يجعل الذكاء الاصطناعي والرؤية الحاسوبية عد الكائنات أكثر ذكاءً. يمكننا أن نتوقع دقة أفضل، وتعلمًا تكيفيًا للتعامل مع البيئات المختلفة، وعمليات تكامل مع أنظمة الأتمتة وإنترنت الأشياء (IoT). هذا النوع من الأتمتة الذكية يشكل مستقبل كيفية إدارة المساحات والأشخاص والحركة.

تعرف على المزيد حول الذكاء الاصطناعي في مستودع GitHub الخاص بنا وكن جزءًا من مجتمعنا المتنامي. استكشف التطورات في الذكاء الاصطناعي في مركبات السيارات و الرؤية الحاسوبية في الزراعة. تحقق من خيارات الترخيص الخاصة بنا وأضفِ الحياة على مشاريع الذكاء الاصطناعي البصري الخاصة بك.