عد الأشياء القائم على المنطقة باستخدام Ultralytics YOLO11

قد يبدو عد الكائنات بسيطاً، ولكن في الأماكن المزدحمة مثل الطرق أو المتاجر أو المستودعات، يمكن أن يتحول بسرعة إلى تحدٍ حقيقي للغاية. لسنوات عديدة، تم إجراء عد الكائنات يدوياً بشكل أساسي. وقد أُضيفت ساعات طويلة في عد المركبات، أو تتبع حركة المشاة داخل المتاجر وخارجها، أو مراقبة الحركة لأغراض أمنية. ومع ذلك، فإن هذا النهج يستغرق وقتاً طويلاً، وعرضة للأخطاء، ولا يتسسق بشكل جيد.

وهنا يأتي دور الذكاء الاصطناعي، وتحديداً الرؤية الحاسوبية. الرؤية الحاسوبية هي فرع فرعي من الذكاء الاصطناعي يتعامل مع معالجة البيانات المرئية، على غرار البشر. ويعد عد الكائنات أحد تطبيقاتها الرئيسية، مما يساعد في اكتشاف الكائنات وتتبعها تلقائياً 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 حاسوبية يدعم مختلف مهام الرؤية الحاسوبية، مثل كشف الكائنات وتتبعها، والتي يمكن استخدامها لعد الكائنات القائم على المناطق. في هذه المقالة، سنستكشف كيف يمكن استخدام Ultralytics YOLO11 لعد الكائنات داخل منطقة ما، وتطبيقاته في العالم الحقيقي، وفوائزه الرئيسية. لنبدأ!

نظرة 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 الرؤية الحاسوبية مثل Ultralytics YOLO11 بسهولة لمثل هذه applications للرؤية الحاسوبية. من خلال تعيين مناطق في مواقع رئيسية، مثل بوابات الصعود أو صالات الانتظار، يمكن استخدام YOLO11 لعد الكائنات الموجودة في هذا الحيز المعين فقط. يمكن أيضاً استخدام المناطق المتحركة لمعرفة عدد الكائنات 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.

استخدام Ultralytics YOLO11 لعد الأشياء في المناطق#

توفر Ultralytics حلولاً سهلة الاستخدام تعرض حالات الاستخدام المتطورة لنماذج YOLO. وتشمل هذه الحلول الواقعية عد الكائنات، وعدد الكائنات في المناطق القابلة للتحريك، وتعتيم الصور، وتقدير السرعة.

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

وخلف الكواليس، يستدم حل عد الكائنات القائم على المنطقة نموذج Ultralytics YOLO11 لاكتشاف الكائنات في كل إطار من الفيديو. يتم بعد ذلك تمرير عمليات الاكتشاف هذه عبر خوارزمية تتبع (مثل BoT-SORT أو ByteTrack) لتخصيص 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 الكائنات في الوقت الفعلي باستخدام Ultralytics YOLO11، مما يضمن تحليلًا سريعًا وفعالًا 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.

تجربة عملية لعد الأشياء في المناطق#

للبدء في استخدام حل Ultralytics للعد القائم على المناطق، يمكنك إلقاء نظرة على توثيق Ultralytics الرسمي، والذي يوضح خطوة بخطوة كيفية استخدام YOLO11 لـ عد الكائنات في المناطق.

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

• تأكد من تثبيت حزمة Python الخاصة بـ Ultralytics بشكل صحيح. تحقق من دليل استكشاف الأخطاء وإصلاحها في التوثيق الرسمي.

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

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

تطبيقات 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.

تتبع تدفق العملاء لتحليلات التجزئة#

يمكن أن يجيب عد الكائنات القائم على المنطقة بسهولة عن الأسئلة المتعلقة بالمكان الذي يقضي فيه العملاء معظم وقتهم داخل المتجر. يمكن أن يساعد Ultralytics YOLO11 تجار التجزئة في تتبع أنماط الحركة في المواقع الرئيسية، مثل نقاط الخروج، ومنصات الدفع، وأقسام المنتجات ذات الاهتمام العالي. وبدلاً من مجرد قياس حركة المرور الإجمالية للعملاء، يوفر هذا النهج القائم على المنطقة رؤى حول عدد العملاء الذين يزورون مناطق محددة.

يساعد استخدام حل Ultralytics تجار التجزئة من خلال القضاء على الحاجة إلى البرمجة اليدوية أو عمليات الإعداد المعقدة. يمكن لتجار التجزئة تحديد أقسام مختلفة من المتجر بسهولة لتتبع حركة العملاء وحركة المشاة باستخدام المضلعات أو الخطوط المستطيلة.

يستطيع نموذج Ultralytics YOLO11 بعد ذلك اكتشاف الكائنات وتتبع حركة مرورها وتحديث الأعداد في الوقت الفعلي مع دخول الأشخاص إلى تلك المنطقة أو مغادرتها. يساعد هذا تجار التجزئة على فهم تدفق العملاء، وقياس مستوى التفاعل، واتخاذ قرارات مبنية على البيانات.

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

إدارة 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 أن يدعم عد الكائنات القائم على المناطق باستخدام Ultralytics YOLO11 هذا الأمر من خلال تقسيم الطرق إلى أقسام، مثل التقاطعات أو مسارات تحصيل الرسوم. ويمكن فرق إدارة المرور مراقبة أعداد المركبات في كل منطقة في الوقت الفعلي. تتيح هذه البيانات الحية الاستجابة بشكل أسرع، وتخطيط حركة مرور أفضل، وضمان تدفق أكثر سلاسة بشكل عام.

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 حركة المرور بأكملها دفعة واحدة، يركز النظام فقط على المركبات التي تمر عبر مسارات محددة. ومع دخول السيارات أو مغادرتها، يمكن لـ Ultralytics YOLO11 حسابها بشكل فوري، مما يساعد المشغلين على تتبع المسارات التي تشهد ازدحاماً متزايداً.

الشكل 3. العد القائم على المناطق المدعوم بواسطة YOLO11 في محطة رسوم المرور.

عد الحيوانات في المزارع والملاجئ#

يمكن أن يكون عد الحيوانات أمراً صعباً، خاصة عندما تتحرك في قطيع عبر مساحات ضيقة. يمكن أن يؤدي تفويت عدد قليل هنا وهناك إلى مشاكل في التغذية أو الفحوصات الصحية أو سجلات المزرعة. بالنسبة للمزارعين، يعد الحفاظ على أرقام دقيقة دون إبطاء الأمور أمراً بالغ الأهمية.

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.

مراقبة الحشود للسلامة العامة#

يمكن أن تتحول الأماكن العامة المزدحمة من فارغة إلى مكتظة في غضون دقائق. في المترو أو المطارات أو الحفلات الموسيقية، يمكن أن يؤدي وجود عدد كبير جداً من الأشخاص في مكان واحد إلى إبطاء الحركة وخلق مخاوف أمنية. تمنح مراقبة حركة المشاة في الوقت الفعلي السلطات طريقة لاكتشاف تجمعات الحشود مبكراً والتصرف قبل أن تص الأمور خارج نطاق السيطرة.

على وجه التحديد، يتيح العد القائم على المناطق باستخدام Ultralytics YOLO11 مراقبة الحركة عبر مناطق محددة مثل بوابات الدخول، أو الأرصفة، أو مناطق الانتظار بدلاً من تتبع كل فرد في مجال الرؤية. يتيح ذلك لفرق الأمن التركيز على أنماط الحركة، وتحديد نقاط الازدحام بسرعة، واتخاذ قرارات تشغيلية أفضل تتراوح من تغيير الجداول الزمنية إلى نشر طاقم العمل.

الشكل 4. عد الأشخاص باستخدام Ultralytics YOLO11 داخل المناطق لتحسين إدارة حشود المترو.

أبرز 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 جزءاً من مجتمعنا المتنامي. استكشف التطورات في الذكاء الاصطناعي في مركبات السيارات والرؤية الحاسوبية في الزراعة. تحقق من خيارات الترخيص الخاصة بنا واجعل مشاريع الرؤية الذكية الخاصة بك حقيقة واقعة.