Ultralytics Agentsを使って、コードを書かずにYOLOの検出結果をアラートに変える方法

Ultralytics Platformの一部であるUltralytics Agentsでビジュアルワークフローを作成すると、コードを書かずにUltralytics YOLOの検出結果をアラートに変換できます。画像をYOLOモデルに接続し、モデルの検出内容を確認するGateを追加して、結果をSlackメッセージ、Webhook、またはデータセットに分岐させます。このガイドでは、Capture and Alertテンプレートを使ってワークフローを手順に沿って作成し、2つ目のモデルの連結、保存、新しい画像での再実行、Pythonとしてのエクスポートまで行います。

作成するもの#

完成したワークフローでは、YOLO26モデルで画像を確認し、人が検出された場合に限り、同じ条件から次の3つの処理を実行します。

• Slackメッセージを送信し、検出結果を含めて接続済みのチャンネルに通知します。
• JSON Webhookを送信し、チケット管理ツールや社内サービスなど、指定したJSON本文を受け付けるように設定された公開HTTPSエンドポイントにPOSTします。
• 画像をデータセットに保存し、後でラベル付けしてモデルを再トレーニングできるようにします。

Agentsでは、キャンバス上のブロックとして画像、モデル、条件、アクションを接続できます。Ultralytics Platformにサインインしているすべてのユーザーが、個人用およびチーム用ワークスペースで利用できます（Agentsのドキュメント）。ワークフローは、選択した画像、動画、またはデータセットでRunをクリックすると実行されます。カメラを常時監視するサービスではありません。Agentsの概要と開発の背景については、Ultralytics Agentsの紹介をご覧ください。

このガイドでは、Image → YOLO → Gateを使い、GateからSlack、Webhook、保存先のDatasetに分岐させます。ブロックの詳細とその他のワークフローパターンについては、Agentsのドキュメントをご覧ください。

手順1：Capture and Alertテンプレートを読み込む#

PlatformのサイドバーでAgentsを開き、Add blockをクリックしてTemplatesに切り替え、Capture and Alertを選択します。テンプレートを読み込むと現在のキャンバス上のブロックが置き換わるため、Platformで確認を求められます。

Capture and Alertでは、人の検出条件がデータセットへの画像保存とSlackにすでに接続されています。以下でこれらの保存先を設定し、Webhookへの分岐を追加します。ほかのテンプレートであるYOLO → VLM MonitorとCollect Uncertain Detectionsは、シーンの説明やレビュー用データセットの作成を始めるための編集可能なベースです。

手順2：入力画像を選択する#

Input imageブロックを選択し、アップロードするか、アップロード済みデータセットから選択して、人が写っている画像を1枚指定します。最初の共有トライアルでは、4メガピクセル以下の画像を使用してください。アップロードしたファイルはワークフローを実行するまでブラウザー内に保持され、ページを更新すると消去されます。複数の画像を処理するには、ImageブロックをDatasetブロックに置き換え、ソースデータセットと分割を選択して入力上限を設定し、DatasetブロックをYOLOブロックに接続します。

手順3：YOLOモデルと信頼度を選択する#

Detect peopleブロックを選択します。このテンプレートではYOLO26 nano（yolo26n）を使用しており、共有トライアルで実行されるモデルです。別の公式YOLOモデルや、カスタムの欠陥検出器やPPE検出器など、ワークスペースでトレーニングしたモデルを使うには、このブロックのModelでモデルを選択し、手順7でワークフロー実行用の専用デプロイメントを選びます。Minimum detection confidenceの設定では、条件が実行される前に信頼度の低い検出結果が除外されます。信頼度が低めの検出にもワークフローを反応させるには、この値を下げてください。

手順4：Gateブロックで条件を設定する#

Gateブロックは、後続の処理を実行するかどうかを決定します。Capture and AlertでPerson detectedブロックを選択し、設定を確認します。

• Mode： Condition
• Detection model： Detect people
• Measure： Detection count
• Class name： person
• Condition： Greater than or equal
• Compare with： 1

クラス名はモデルのクラスに合わせて変更するか、すべてのクラスを対象にするには*を使用します。検出数の代わりに検出信頼度を測定することもできます。その場合は、評価したい検出結果が残るようにYOLOブロックの最小信頼度を十分低く設定してください。信頼度条件は、少なくとも1つの検出結果が一致すると成立します。そのため、スコアが0.3と0.9の画像は0.25～0.5の範囲条件を満たしますが、検出結果がない画像では信頼度条件が成立しません。条件が一致しない場合、その画像について接続されたアクションは実行されません。

手順5：SlackとWebhookを設定する#

Slack。 Settings > IntegrationsでSlackを一度接続します（チームワークスペースでは、ワークスペースの管理者またはオーナーが設定します）。次に、Notify Slackブロックのメッセージを編集します。テンプレートのPerson detected: {output}のように、上流の結果を含めるには{output}を使用します。これらのワークフローメッセージは、Platformのトレーニングおよびデプロイメント通知とは別です（Slack連携のドキュメント）。

Webhook。 Add blockをクリックし、BlocksタブからWebhookを選択して、既存のSlackおよびデータセットへの接続はそのままに、Person detectedの出力を接続します。指定したJSON本文を受け付けるように設定された公開HTTPS宛先URLを入力します（例：{"text": "{output}"}）。Platformは結果ごとに1件のPOSTをContent-Type: application/jsonとともに送信します。本文の上限は10,000文字で、リダイレクトは追跡されず、接続は5秒後にタイムアウトします。2xx以外のレスポンスが返ると、ブロックは失敗します。Webhookブロックは終端ブロックであるため、結果をワークフローの後続に渡しません。

1つのGate出力を複数のブロックに同時に接続できるため、Slack、Webhook、データセットのすべてが同じ評価済み条件を使用します。ブロックが失敗すると、赤い枠で表示されます。

手順6：再トレーニング用に一致した画像を保存する#

Captured imagesブロックを選択し、編集可能な既存のデータセットを選びます。必要に応じて、まずデータセット作成ガイドを使ってデータセットを作成してください。接続済みのクラウドストレージデータセットとオンプレミスのデータセットは保存先として使用できず、通常のデータセットストレージ上限が適用されます。一致した画像はラベルなしでデータセットのトレーニング分割に追加され、すでにデータセットに存在する画像はスキップされます。アノテーションエディターでデータセットを開いて、収集した画像を確認してラベル付けし、次回のPlatformトレーニング実行で使用します。

手順7：実行、保存、新しい画像での再実行#

Runボタンの横で、次回の実行先を選択します。

ワークフローには最大20個のブロックを追加できます。SlackおよびWebhookのアクションは、モデルまたはプロバイダーの呼び出し回数に含まれます。分岐によって、画像ごとの呼び出し回数が増える場合があります。実行中はブロックに進行状況が表示され、Stopをクリックするとキャンセルできます。

入力と保存先を設定したら、Runをクリックします。ブロックの結果を確認し、接続したSlackチャンネル、Webhookの受信先、保存先データセットを確認します。アクションが実行されない場合は、YOLOが人を検出したか、Gate条件が一致したかを確認してください。条件が一致しないと、接続されたアクションは実行されません。

Save workflowをクリックしてワークフローに名前を付けると、後でOpen workflowから再度開けます。新しいデータで再実行するには、保存済みのワークフローを開き、新しい画像または別のデータセットを選択して、もう一度Runをクリックします。保存しても実行はスケジュールされません。

手順8：2つ目のモデルを連結する#

「人がいるか」だけでなく「何が起きているか」も確認するには、LLMブロックを追加してGateに接続し、LLMを新しいOutputブロックに接続します。YOLO → VLM Monitorテンプレートと同じパターンです。GateはYOLOの検出結果を評価し、視覚言語モデルは条件を満たした画像だけを説明します。LLMブロックで視覚言語モデルを選んでプロンプトを入力し、Settings > API Keysで対応するプロバイダーキーを追加します（チームワークスペースでは、ワークスペースのオーナーがキーを追加します）。言語モデルの利用料金はプロバイダーから請求されます。すでにデプロイしたモデルで推論ステップを実行するには、既存の準備完了済みPlatformデプロイメントを呼び出すDeploymentブロックを使用します。

手順9：ワークフローをPythonとしてエクスポートする、またはAPIで管理する#

Pythonをクリックすると、生成されたワークフローコードが表示されます。ローカルで実行するには、ultralyticsとultralytics-platformのパッケージをインストールし、プロバイダーキーを環境変数に設定して、入力ソースを選択します。ワークフローをコードで管理するチームは、Python SDKでclient.agents（ultralytics-platform>=0.1.74）として公開されているAgents APIを使って、エージェントの一覧表示、保存、削除を行えます。Platformで実行を開始するには、キャンバスで保存済みのワークフローを開き、Runをクリックします。

別の方法が適している場合#

Agentsは、オンデマンドで実行する画像、動画クリップ、データセットのイベント駆動型チェックに適しています。用途によっては、次の方法が適しています。

• Pythonで実装する。 ライブカメラ映像を継続的に処理する場合は、Ultralytics Pythonパッケージを使ってコードでパイプラインを構築します。セキュリティアラームシステムのガイドでは、Ultralytics YOLO26を使ったコードベースのアラートプロジェクトを紹介しています。
• マルチストリーム動画パイプライン。 NVIDIAによると、DeepStreamはストリーミング分析ツールキットであり、GStreamerベースのフレームワークを使ってNVIDIA GPU上にマルチストリーム、マルチモデル推論パイプラインを構築できます。
• 汎用自動化ツール。 Node-REDは、コンピュータビジョン以外も含む幅広い自動化を構築するチーム向けに、ブラウザベースのフローエディターを備えたフローベースのプログラミングツールとして紹介されています。