20 de novembro de 2024
Junte-se a nós para vermos mais de perto como utilizar o Ultralytics YOLO11 para o seguimento de objectos em aplicações em tempo real, como vigilância, agricultura e fabrico.
Digamos que pretende monitorizar e track o movimento de componentes numa linha de montagem de uma fábrica para garantir o controlo de qualidade e melhorar a eficiência do fluxo de trabalho. Normalmente, isso envolveria inspeções manuais ou o uso de sensores básicos para track itens, o que pode ser demorado e propenso a erros. No entanto, a visão por computador e o seguimento de objectos podem ser utilizados para automatizar e melhorar este processo.
O seguimento de objectos é uma tarefa de visão por computador que ajuda a detect, identificar e track objectos num vídeo. Ele pode ser usado para uma grande variedade de aplicações, desde o monitoramento de animais em fazendas até a segurança e a vigilância em lojas de varejo. Os objectos que estão a ser seguidos num vídeo são normalmente visualizados utilizando caixas delimitadoras para ajudar o utilizador a ver exatamente onde estão localizados e detectados dentro do fotograma do vídeo.
Lançado durante o evento híbrido anual daUltralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 é um modelo de visão por computador que pode lidar com uma grande variedade de tarefas de IA de visão, incluindo o seguimento de objectos. Neste artigo, vamos explorar como funciona o seguimento de objectos e discutir aplicações do mundo real. Também veremos como pode experimentar o seguimento de objectos utilizando o YOLO11. Vamos lá começar!
O seguimento de objectos é uma técnica essencial da visão por computador. Permite que os objectos num vídeo sejam identificados e seguidos ao longo do tempo. O rastreamento de objetos pode parecer muito semelhante a outra tarefa de visão computacional - a deteção de objetos. A principal diferença entre as duas está na forma como lidam com os quadros de vídeo. A deteção de objectos analisa cada fotograma individualmente, identificando e classificando objectos sem considerar fotogramas anteriores ou futuros. O seguimento de objectos, por outro lado, liga os pontos entre fotogramas, seguindo os mesmos objectos ao longo do tempo e track os seus movimentos.
Aqui está uma explicação mais detalhada de como o rastreamento de objetos funciona:
Ultralytics suporta o seguimento de objectos em tempo real, tirando partido de algoritmos de seguimento avançados como o BoT-SORT e o ByteTrack. Também funciona na perfeição com modelosYOLO11 de segmentação e estimativa de pose, tornando-o numa ferramenta flexível para uma vasta gama de tarefas de seguimento.
As capacidades versáteis do modeloUltralytics YOLO11 abrem uma vasta gama de aplicações possíveis em muitos sectores. Vejamos mais detalhadamente alguns casos de utilização YOLO11 para o seguimento de objectos.
O rastreamento de objetos é crucial para ajudar os carros autônomos a operar de forma segura e eficiente. Esses veículos precisam entender constantemente o que está ao seu redor para tomar decisões em tempo real, como parar, virar ou mudar de faixa. A detecção de objetos permite que o carro identifique elementos-chave em seu ambiente, como pedestres, ciclistas, outros veículos e sinais de trânsito. No entanto, detectar esses objetos em um único momento não é suficiente para uma navegação segura.
É aí que entra o rastreamento de objetos. Ele permite que o carro siga esses objetos ao longo do tempo, rastreando seus movimentos em vários frames. Por exemplo, ajuda os veículos autônomos a prever para onde um pedestre está indo, monitorar a velocidade e a direção de veículos próximos ou reconhecer que um semáforo não mudou. Ao combinar detecção e rastreamento, os carros autônomos podem antecipar o movimento de objetos ao seu redor, responder proativamente e dirigir de forma segura e suave.
O rastreamento de animais em uma fazenda, como o gado, é vital para um gerenciamento eficaz, mas pode ser uma tarefa tediosa e demorada. Os métodos tradicionais, como o uso de sensores ou tags, geralmente têm desvantagens. Esses dispositivos podem estressar os animais quando fixados e são propensos a cair ou serem danificados, o que interrompe o rastreamento.
A visão por computador oferece uma melhor solução para os agricultores monitorizarem e track os animais sem necessidade de etiquetas físicas. O seguimento de objectos pode dar aos agricultores informações valiosas sobre o comportamento e a saúde dos animais. Por exemplo, pode ajudar a detect condições como claudicação que afectam a forma como um animal caminha. Ao utilizar o seguimento de objectos, os agricultores podem detetar alterações subtis no movimento e resolver problemas de saúde numa fase precoce.
Além do monitoramento da saúde, a visão computacional também pode ajudar os agricultores a entender outros comportamentos, como interações sociais, hábitos alimentares e padrões de movimento. Essas informações podem melhorar o gerenciamento do rebanho, otimizar os horários de alimentação e promover o bem-estar geral dos animais. Ao reduzir o trabalho manual e minimizar o estresse para os animais, o rastreamento baseado em visão computacional é uma ferramenta prática e eficiente para a agricultura moderna.
O rastreamento de objetos tem muitos casos de uso no setor industrial. Por exemplo, os sistemas de detecção e rastreamento de objetos podem monitorar linhas de produção. Produtos ou matérias-primas podem ser facilmente rastreados e contados à medida que se movem em uma esteira rolante. Esses sistemas também podem ser integrados com outros sistemas de visão computacional para executar tarefas adicionais. Por exemplo, um item com um defeito pode ser identificado usando um sistema de detecção de defeitos e rastreado usando o rastreamento de objetos para garantir que seja tratado adequadamente.
Outra aplicação importante do seguimento de objectos na indústria transformadora está relacionada com a segurança. Os sistemas de seguimento de objectos podem ser utilizados para detect e track trabalhadores em ambientes de fabrico potencialmente perigosos. As regiões perigosas podem ser marcadas e monitorizadas constantemente utilizando sistemas de visão por computador, e os supervisores podem ser notificados se os trabalhadores (que estão a ser seguidos) se aproximarem dessas áreas. Estes sistemas de segurança também podem ser utilizados para detect e seguir track equipamento, evitando a possibilidade de roubo.
O seguimento de objectos em tempo real é amplamente utilizado em sistemas de segurança e vigilância. Estes sistemas podem ser utilizados para monitorizar locais públicos, centros de transporte e grandes ambientes comerciais, como centros comerciais. Áreas grandes e com muita gente podem utilizar esta tecnologia para track indivíduos suspeitos ou comportamentos de multidões, fornecendo uma solução de vigilância sem falhas. Por exemplo, durante a pandemia, foram utilizados sistemas de seguimento de objectos para track áreas com muita gente e garantir que as pessoas mantinham o distanciamento social.
O seguimento de objectos também pode ser utilizado na vigilância do tráfego. O seguimento de objectos torna possível track e analisar o comportamento dos veículos, detectando acções invulgares ou suspeitas em tempo real para ajudar a prevenir acidentes ou crimes. Um bom exemplo são os sistemas de estimativa de velocidade. Estes podem detect e track um veículo para determinar a sua velocidade.
Agora que explorámos algumas das aplicações de localização de objectos, vamos discutir como pode experimentá-las utilizando o modeloUltralytics YOLO11 .
Para começar, instale o pacoteUltralytics Python usando pip, conda ou Docker. Se você enfrentar algum desafio durante a instalação, nosso Guia de Problemas Comuns oferece dicas úteis de solução de problemas.
Depois de ter instalado o pacote com êxito, execute o seguinte código. Este descreve como carregar o modelo Ultralytics YOLO11 e utilizá-lo para track objectos num ficheiro de vídeo. O modelo utilizado no código é "yolo11n.pt". O 'n' significa Nano - a variante mais pequena do modelo YOLO11 . Existem também outras variantes de modelo à escolha - pequeno, médio, grande e extra-grande.
Você também pode optar por usar um modelo treinado sob medida em vez de um modelo pré-treinado. O treinamento personalizado envolve o ajuste fino de um modelo pré-treinado para se adequar à sua aplicação específica.
Como mencionado anteriormente, o rastreio de objectos é suportado para os seguintes modelos YOLO11 : deteção de objectos, estimativa de pose e segmentação de instâncias. Se tiver uma aplicação específica que envolva o rastreio, pode treinar qualquer um destes modelos de acordo com a sua aplicação. Pode treinar um modelo personalizado utilizando o pacoteUltralytics Python ou a plataforma sem código, Ultralytics HUB.
Ultralytics YOLO11 é uma excelente ferramenta para seguir objectos em vídeos e pode ser utilizado em muitos campos diferentes, como carros autónomos, agricultura, fabrico e segurança. Pode detect e seguir objectos em tempo real, ajudando as empresas e as indústrias a acompanhar track seus trabalhadores e equipamentos. O modelo é fácil de utilizar e pode ser personalizado para necessidades específicas, o que o torna uma boa opção para qualquer pessoa interessada em adotar capacidades de visão computacional sem problemas.
Para saber mais, visite nosso repositório no GitHub e interaja com a nossa comunidade. Explore aplicações de IA em carros autônomos e na agricultura em nossas páginas de soluções. 🚀
