Suivi de balles de golf en utilisant les modèles Ultralytics YOLO

Le golf touche plus de personnes que jamais. En 2024, on estime que 138 million people aux États-Unis ont pratiqué le sport d'une manière ou d'une autre, et 47,2 millions ont réellement joué au golf, que ce soit sur un parcours ou par le biais d'options hors parcours comme les zones de driving et les simulateurs.

À mesure que la participation et l'intérêt augmentent, les golfeurs attendent de plus en plus de meilleurs outils pour l'entraînement, le feedback et le suivi des performances. C'est parce que le golf est souvent plus divertissant lorsqu'il existe des analyses de jeu claires.

Fig 1. Des millions de personnes jouent au golf dans le monde entier.

Imaginons que tu tapes un drive, un long coup depuis le tee, et que tu veuilles savoir exactement comment la balle a volé, où elle a atterri et si elle a courbé vers la gauche ou la droite. C'est là que le suivi de balle et l'analyse de pointe peuvent faire la différence.

Au cœur de ces systèmes de suivi de balle se trouve la computer vision, une branche de l'artificial intelligence (AI) qui traite les données visuelles. Les systèmes de computer vision utilisent des caméras haute vitesse et des modèles de deep learning, tels qu'Ultralytics YOLO11 et le futur Ultralytics YOLO26, pour détecter et suivre le mouvement de la balle en temps réel.

Une fois que la balle est détectée et suivie image par image, ses positions peuvent être utilisées pour cartographier le vol, prédire l'atterrissage et estimer des détails comme la vitesse, l'angle de lancement et l'effet. Le résultat est un feedback instantané pour un meilleur entraînement, un meilleur coaching et une meilleure visualisation.

Dans cet article, nous explorerons comment la vision par ordinateur et les modèles Ultralytics YOLO peuvent être utilisés pour le suivi de balles de golf. Commençons !

Types de technologies de suivi de balles de golf#

Avant de plonger dans la vision par ordinateur pour le suivi de balles de golf, jetons rapidement un coup d'œil à quelques autres façons dont les balles de golf sont suivies.

Une méthode consiste à utiliser des balles de golf intelligentes. Les balles de golf intelligentes sont des dispositifs matériels équipés de capteurs internes, de connectivité Bluetooth, de puces RFID et même de systèmes de localisation basés sur le GPS.

Ces fonctionnalités permettent un suivi précis et une surveillance des performances. Mais elles comportent aussi des compromis, notamment une autonomie de batterie limitée, des défis de durabilité et des inquiétudes quant à savoir si les balles de golf intelligentes ressemblent aux balles de golf standard.

Au-delà des balles intelligentes, les systèmes de suivi externes deviennent également populaires. Par exemple, les moniteurs de lancement basés sur radar et les configurations de caméras optiques haute vitesse peuvent capturer des données détaillées sur le vol de la balle, la trajectoire et l'effet avec une grande précision, fournissant des informations clés aux golfeurs de tous niveaux.

Fig 2. Un exemple de suivi d'une balle de golf. (Source)

Intégrer l'IA de vision dans l'analyse du golf#

La computer vision est un autre excellent exemple de suivi externe. En particulier, des modèles comme YOLO11 et le futur YOLO26 prennent en charge les computer vision tasks telles que la détection d'objets, l'estimation de pose, la segmentation d'instances et le suivi d'objets. Ensemble, ces fonctionnalités facilitent le repérage de la balle, son suivi image par image, le tracé automatique des coups et la génération d'informations de performance utiles à partir de séquences vidéo standard.

De telles informations peuvent également se connecter à des écosystèmes plus larges, notamment des applications mobiles, des objets connectés Garmin (comme les montres GPS qui suivent les parties et les coups) et des plateformes de simulateurs de golf. Cela permet aux golfeurs d'enregistrer facilement des données, de revoir leurs performances au fil du temps et d'accéder à des informations sur plusieurs appareils.

Une autre raison pour laquelle ces méthodes sont populaires est qu'elles fonctionnent avec les balles auxquelles les golfeurs font déjà confiance. De nombreux systèmes sont compatibles avec des marques de golf haut de gamme comme Titleist Pro V1, Callaway, TaylorMade et Srixon, et ils fonctionnent bien avec des balles en uréthane haute performance standard. Ainsi, les joueurs peuvent bénéficier d'un suivi avancé sans changer d'équipement.

Comment utiliser les modèles Ultralytics YOLO pour le suivi de balles de golf#

Les Ultralytics YOLO models sont disponibles en tant que modèles de computer vision pré-entraînés, formés sur des datasets populaires comme COCO, afin de pouvoir détecter divers objets du quotidien, tels que des personnes, des voitures, des vélos et des animaux, dès leur installation. Cela en fait un bon point de départ pour un large éventail d'applications du monde réel.

Cependant, ils peuvent également être entraînés sur mesure avec tes propres données, ce qui est particulièrement important pour le suivi de balles de golf, où la cible est petite, rapide et facile à manquer. Si tu souhaites entraîner un modèle Ultralytics YOLO pour détecter et suivre des balles de golf, la première étape consiste à collecter ou à trouver un jeu de données pertinent.

Cela implique généralement des vidéos ou des images de coups de golf où la balle est étiquetée dans chaque image. Le modèle peut ensuite être affiné pour apprendre à détecter la balle de manière fiable dans différentes conditions d'éclairage, arrière-plans et angles de caméra.

Le processus d'entraînement est simplifié par l'Ultralytics Python package, qui fournit des outils simples pour le chargement de données, l'entraînement de modèles, la validation et le déploiement. Une fois entraîné, le modèle peut détecter les balles de golf image par image dans de nouvelles vidéos.

Il est important de garder à l'esprit que le modèle YOLO lui-même ne fait pas de track objects au fil du temps. Le suivi est plutôt activé par l'Ultralytics Python package, qui associe les détections de YOLO à des algorithmes de suivi multi-objets tels que BoT-SORT et ByteTrack.

Ces trackers utilisent la prédiction de mouvement, souvent basée sur des filtres de Kalman (un modèle mathématique qui prédit la position suivante d'un objet en utilisant les mouvements passés et des mesures bruitées), pour estimer où la balle devrait apparaître ensuite et maintenir une identification cohérente à travers les images. Avec cette configuration, le système peut suivre la balle alors qu'elle se déplace, chevauche brièvement d'autres objets, quitte le cadre et réapparaît plus tard.

Transformer les détections en trajectoires stables#

Tu te demandes peut-être comment la détection et le suivi d'une balle de golf aident à obtenir des analyses plus précises. Pour faire simple, c'est comme relier les points.

Chaque détection est un point, et le suivi les relie en une trajectoire fluide qui montre comment la balle s'est déplacée dans les airs. Une fois que tu as cette ball trajectory, tu peux estimer les détails clés du coup comme la vitesse, l'angle de lancement, la forme du coup et l'endroit où la balle est susceptible d'atterrir.

Par exemple, dans une étude récente sur le suivi 3D guidé par la physique de petits objets se déplaçant rapidement, des chercheurs ont associé un détecteur Ultralytics YOLOv8 à un tracking model basé sur la physique. Ultralytics YOLOv8 a été utilisé pour la détection d'objets afin de localiser la balle dans chaque image, tandis que le modèle de mouvement a prédit où elle apparaîtrait ensuite. Cela a aidé le système à rester sur la bonne voie malgré le flou de mouvement, les brèves occlusions et les détections manquées.

Fig 3. Un système qui utilise des modèles YOLO et le suivi 3D pour suivre de petits objets. (Source)

Un avantage clé de ces systèmes est que ce qui nécessitait autrefois du matériel professionnel est désormais accessible aux golfeurs amateurs, avec des coups visualisés en temps réel sur des smartphones, des accessoires connectés et des écrans de simulateurs pour un feedback instantané. Ces informations s'appliquent à chaque coup, du drive au putt, aidant les golfeurs à repérer des modèles, comparer leurs clubs et progresser plus rapidement.

Avantages et inconvénients de l'utilisation des trackers de balles de golf par vision par ordinateur#

Maintenant que nous comprenons mieux comment la vision par ordinateur permet le suivi de balles de golf, voici un examen plus approfondi de certains de ses avantages :

• Feedback en temps réel : Ces systèmes fournissent des données instantanées sur le vol de la balle, la trajectoire et le lieu d'atterrissage, permettant aux golfeurs d'ajuster immédiatement leur swing et leur stratégie de jeu.
• Moins de balles perdues : En suivant la balle en continu, les golfeurs passent moins de temps à chercher les balles perdues, ce qui améliore le rythme de jeu global sur le parcours, le practice ou le fairway.
• Compatibilité universelle : Étant donné que les systèmes d'IA de vision suivent la balle à l'aide de caméras plutôt que de capteurs internes, ils fonctionnent généralement avec des balles de golf standard, y compris les modèles haut de gamme comme Titleist Pro V1, Callaway, TaylorMade et Srixon.

Même avec ces avantages, le suivi de balles de golf basé sur la vision par ordinateur présente quelques limites à garder à l'esprit. Voici quelques facteurs à considérer :

• Dépendance à une visibilité claire : Ces systèmes nécessitent des vues de caméra dégagées et un éclairage stable ; les ombres, les reflets ou les obstructions peuvent réduire la précision de la détection.
• Défis avec les coups longs ou rapides : Les drives extrêmement longs ou les vitesses de balle très élevées peuvent parfois sortir du cadre de la caméra, rendant le suivi moins fiable.
• Restrictions réglementaires : Certains systèmes de suivi par vision par ordinateur peuvent être restreints selon les règles de compétition de l'USGA et du PGA Tour, limitant leur utilisation dans les tournois officiels.

L'avenir du suivi intelligent de balles de golf#

Le suivi de balles de golf progresse rapidement, porté par de meilleurs modèles, de meilleurs capteurs et un traitement sur appareil plus rapide. Les nouvelles architectures, telles que le prochain Ultralytics YOLO26, s'appuient sur les modèles précédents avec des améliorations de précision et une inférence plus efficace, ce qui peut rendre la détection en temps réel plus pratique sur les appareils de périphérie utilisés dans les practices, les simulateurs et les installations d'entraînement.

Parallèlement, les systèmes de suivi deviennent plus complets en combinant la vision par ordinateur avec des moniteurs de lancement basés sur radar, associant le vol de la balle basé sur caméra à des données plus riches sur le club et l'impact. À mesure que ces outils se répandent dans les practices et les applications mobiles, davantage de golfeurs peuvent accéder à un feedback instantané sans changer la balle avec laquelle ils jouent.

Fig 4. Un aperçu d'un modèle de vol de balle de golf par deep learning utilisant des données de moniteur de lancement. (Source)

Il est probable que les informations basées sur l'IA continueront à soutenir davantage d'aspects du golf, de l'entraînement et du coaching à la prise de décision sur le parcours. À mesure que les systèmes de suivi et de traçage de trajectoire deviennent plus intelligents, les golfeurs peuvent s'attendre à plus d'analyses automatisées, plus de recommandations personnalisées et des outils d'entraînement améliorés avec des superpositions de réalité augmentée (RA).

Points clés#

Les modèles Ultralytics YOLO et la vision par ordinateur changent la façon dont les balles de golf sont suivies. Ils peuvent produire des trajectoires précises et fournir un feedback en temps réel avec des informations de performance utiles. À mesure que ces outils se connectent aux systèmes radar et aux téléphones portables, l'analyse avancée des coups devient plus facile à utiliser pour davantage de golfeurs.

Curieux à propos de l'IA ? Découvre notre community active et explore des innovations telles que l'AI in manufacturing et la Vision AI in retail. Visite notre GitHub repository et commence avec la computer vision dès aujourd'hui en consultant nos licensing options.