Nesne takibi için Ultralytics YOLO11 nasıl kullanılır?

Kalite kontrolünü sağlamak ve iş akışı verimliliğini artırmak için bir üretim tesisindeki montaj hattı bileşenlerinin hareketini izlemek ve takip etmek istediğini varsayalım. Bu işlem genellikle manuel denetim veya öğeleri takip etmek için temel sensörlerin kullanılmasını gerektirir; bu da zaman alabilir ve hatalara yol açabilir. Ancak bu süreci otomatikleştirmek ve iyileştirmek için bilgisayarlı görü ve nesne takibinden yararlanılabilir.

Nesne takibi, videodaki nesneleri tespit etmeye, tanımlamaya ve takip etmeye yardımcı olan bir bilgisayarlı görü görevidir. Çiftliklerde hayvanları izlemeden perakende mağazalardaki güvenlik ve gözetlemeye kadar çok çeşitli uygulamalarda kullanılabilir. Videoda takip edilen nesneler genellikle kullanıcının video karesindeki konumlarını ve tespit edildikleri yerleri tam olarak görebilmesi için sınırlayıcı kutularla gösterilir.

Ultralytics’in yıllık hibrit etkinliği YOLO Vision 2024’te (YV24) tanıtılan Ultralytics YOLO11, nesne takibi de dahil olmak üzere çok çeşitli görsel yapay zekâ görevlerini yerine getirebilen bir bilgisayarlı görü modelidir. (YOLO11’in yerini daha sonra Ultralytics YOLO26 aldı.) Bu makalede nesne takibinin nasıl çalıştığını inceleyecek ve gerçek dünya uygulamalarını ele alacağız. Ayrıca YOLO11 kullanarak nesne takibini nasıl deneyebileceğine de bakacağız. Haydi başlayalım!

Şekil 1. Bir perakende mağazasında nesne takibi için Ultralytics YOLO11 kullanımına örnek.

Ultralytics YOLO11 ile yapay zekâ destekli nesne takibi#

Nesne takibi, temel bir bilgisayarlı görü tekniğidir. Videodaki nesnelerin tanımlanıp zaman içinde takip edilmesini mümkün kılar. Nesne takibi, başka bir bilgisayarlı görü görevi olan nesne tespitine çok benzer görünebilir. İki görev arasındaki temel fark, video karelerini ele alış biçimleridir. Nesne tespiti her kareyi ayrı ayrı inceler; önceki veya sonraki kareleri dikkate almadan nesneleri tanımlar ve sınıflandırır. Nesne takibi ise kareler arasındaki bağlantıları kurarak aynı nesneleri zaman içinde izler ve hareketlerini takip eder.

Nesne takibinin nasıl çalıştığına daha ayrıntılı bakalım:

• Nesne tespiti: Süreç, videonun tek bir karesindeki nesnelerin tespit edilmesiyle başlar. YOLO11, birden fazla nesneyi ve bunların konumlarını doğru şekilde belirlemek için kullanılabilir.
• Benzersiz kimlikler ata: Algılanan her nesneye, diğerlerinden ayırt etmek ve takibi kolaylaştırmak için benzersiz bir kimlik verilir.
• Kareler arasındaki hareketi takip etme: Bir takip algoritması, nesneleri sonraki karelerde izler ve benzersiz kimlikleriyle ilişkilerini korurken konumlarını günceller.
• Örtülmeleri ele alma: Bir nesne görüş alanından geçici olarak kaybolursa (ör. başka bir nesne tarafından engellenirse), takip algoritması nesne yeniden göründüğünde aynı kimlikle takibe devam etmeyi amaçlar.
• Nesne bilgilerini güncelle: Nesneler hareket ettikçe konumları ve hız ya da yön gibi özellikleri, zaman içindeki değişiklikleri yansıtacak şekilde sürekli güncellenir.

Ultralytics, BoT-SORT ve ByteTrack gibi takip algoritmalarıyla gerçek zamanlı nesne takibini destekler. Ayrıca bölümleme ve poz tahmini YOLO11 modelleriyle de çalışarak çok çeşitli takip görevlerinde kullanılabilen esnek bir araç sunar.

Ultralytics YOLO11 nesne takibinin uygulama alanları#

Ultralytics YOLO11 modelinin çok yönlü yetenekleri, birçok sektördeki geniş bir olası uygulama yelpazesinin önünü açıyor. YOLO11 ile nesne takibinin bazı kullanım örneklerine daha yakından bakalım.

Otonom araç takibi için Ultralytics YOLO11#

Nesne takibi, otonom araçların güvenli ve verimli çalışmasına yardımcı olmak için kritik öneme sahiptir. Bu araçların durma, dönme veya şerit değiştirme gibi gerçek zamanlı kararlar alabilmesi için çevrelerini sürekli anlaması gerekir. Nesne tespiti, aracın çevresindeki yayalar, bisikletliler, diğer araçlar ve trafik işaretleri gibi temel unsurları tanımasını sağlar. Ancak güvenli seyir için bu nesneleri tek bir anda tespit etmek yeterli değildir.

Nesne takibinin devreye girdiği nokta burasıdır. Araçların bu nesneleri zaman içinde takip etmesini ve hareketlerini birden fazla kare boyunca izlemesini sağlar. Örneğin, bir yayanın nereye yöneldiğini tahmin etmeye, yakındaki araçların hızını ve yönünü izlemeye veya trafik ışığının değişmediğini fark etmeye yardımcı olur. Tespit ve takibi birleştiren otonom araçlar, çevrelerindeki nesnelerin hareketlerini öngörebilir, proaktif şekilde tepki verebilir ve güvenli, sorunsuz biçimde ilerleyebilir.

Şekil 2. Ultralytics YOLO11 araçları algılamak ve takip etmek için kullanılabilir.

Hayvanları izlemek için Ultralytics YOLO11 nesne takibinin kullanımı#

Çiftlikte sığırlar gibi hayvanları takip etmek, etkili yönetim için hayati önem taşır; ancak bu iş sıkıcı ve zaman alıcı olabilir. Sensör veya etiket kullanmak gibi geleneksel yöntemlerin çoğu zaman dezavantajları vardır. Bu cihazlar hayvanlara takıldıklarında stres yaratabilir, ayrıca düşmeye veya hasar görmeye yatkın olduklarından takibi aksatabilir.

Bilgisayarlı görü, çiftçilerin hayvanları fiziksel etiketlere gerek kalmadan izlemesi ve takip etmesi için daha iyi bir çözüm sunar. Nesne takibi, hayvanların davranışları ve sağlık durumları hakkında çiftçilere değerli bilgiler sağlayabilir. Örneğin, hayvanın yürüyüş biçimini etkileyen topallık gibi durumların tespit edilmesine yardımcı olabilir. Çiftçiler, nesne takibini kullanarak hareketlerdeki küçük değişiklikleri fark edebilir ve sağlık sorunlarına erken müdahale edebilir.

Bilgisayarlı görü, sağlık takibinin yanı sıra sosyal etkileşimler, beslenme alışkanlıkları ve hareket örüntüleri gibi diğer davranışları anlamalarına da yardımcı olabilir. Bu bilgiler sürü yönetimini iyileştirebilir, yemleme programlarını optimize edebilir ve hayvanların genel refahını destekleyebilir. Bilgisayarlı görü tabanlı takip, iş gücü ihtiyacını ve hayvanların stresini azaltarak modern çiftçilik için pratik ve verimli bir araç sunar.

Şekil 3. Çiftçileri ve bir ineği takip etmek için Ultralytics YOLO11 kullanımı.

Ultralytics YOLO11 kullanarak imalatta nesne takibi#

Nesne takibinin üretim sektöründe birçok kullanım alanı vardır. Örneğin, nesne tespit ve takip sistemleri üretim hatlarını izleyebilir. Ürünler veya ham maddeler, konveyör bantta ilerlerken kolayca takip edilip sayılabilir. Bu sistemler, ek görevleri yerine getirmek için diğer bilgisayarlı görü sistemleriyle de entegre edilebilir. Örneğin, kusurlu bir ürün kusur tespit sistemiyle belirlenebilir ve gerektiği gibi ele alındığından emin olmak için nesne takibiyle izlenebilir.

Üretimde nesne takibinin bir diğer önemli uygulaması güvenlikle ilgilidir. Nesne takip sistemleri, potansiyel olarak tehlikeli üretim ortamlarında çalışanları tespit edip izlemek için kullanılabilir. Tehlikeli bölgeler bilgisayarlı görü sistemleriyle işaretlenip sürekli izlenebilir ve takip edilen çalışanlar bu alanlara yaklaştığında yöneticilere bildirim gönderilebilir. Bu tür güvenlik sistemleri ekipmanları tespit edip takip ederek hırsızlık olasılığını da azaltabilir.

Şekil 4. Çalışanları algılamak için YOLO11 nesne algılamasının kullanımına örnek.

Ultralytics YOLO11 ile nesne takibi ve gözetim#

Gerçek zamanlı nesne takibi, güvenlik ve gözetim sistemlerinde yaygın olarak kullanılır. Bu sistemlerle kamusal alanlar, ulaşım merkezleri ve alışveriş merkezleri gibi büyük perakende ortamları izlenebilir. Kalabalık ve geniş alanlarda bu teknoloji, şüpheli kişileri veya kalabalığın davranışlarını takip ederek sürekli izleme sağlayabilir. Örneğin pandemi sırasında nesne takip sistemleri, kalabalık alanları izlemek ve insanların sosyal mesafeyi koruduğundan emin olmak için kullanıldı.

Nesne takibi trafik gözetiminde de kullanılabilir. Araçların davranışlarını takip edip analiz etmeyi mümkün kılar ve kazaları veya suçları önlemeye yardımcı olmak için olağandışı ya da şüpheli hareketleri gerçek zamanlı olarak belirler. Buna iyi bir örnek hız tahmini sistemleridir. Bu sistemler bir aracı tespit edip takip ederek hızını belirleyebilir.

Şekil 5. Nesne takibiyle hız tahmini yapılabilir.

Ultralytics YOLO11 ile nesne takibini dene#

Nesne takibinin bazı uygulamalarını incelediğimize göre, Ultralytics YOLO11 modelini ve takip modunu kullanarak bu özelliği nasıl deneyebileceğini ele alalım.

Başlamak için pip, conda veya Docker kullanarak Ultralytics Python paketini yükle. Yükleme sırasında sorun yaşarsan Yaygın Sorunlar Kılavuzumuz yararlı sorun giderme ipuçları sunar.

Paketi başarıyla yükledikten sonra aşağıdaki kodu çalıştır. Kod, Ultralytics YOLO11 modelinin nasıl yükleneceğini ve bir video dosyasındaki nesneleri takip etmek için nasıl kullanılacağını gösterir. Kodda kullanılan model “yolo11n.pt” şeklindedir. ‘n’, YOLO11 modelinin en küçük çeşidi olan Nano’yu ifade eder. Ayrıca küçük, orta, büyük ve ekstra büyük gibi diğer model çeşitleri de arasından seçim yapabilirsin.

Şekil 6. Ultralytics YOLO11 modeliyle nesne takibini gösteren bir kod parçacığı.

Önceden eğitilmiş bir model yerine özel eğitilmiş bir model kullanmayı da seçebilirsin. Özel eğitim, önceden eğitilmiş bir modelin belirli uygulamana uyacak şekilde ince ayarının yapılmasını içerir.

Daha önce belirtildiği gibi nesne takibi şu YOLO11 modellerinde desteklenir: nesne tespiti, poz tahmini ve örnek bölümleme. Takip içeren belirli bir uygulaman varsa bu modellerden herhangi birini uygulamana göre özel olarak eğitebilirsin. Bir modeli Ultralytics Python paketiyle veya kod gerektirmeyen Ultralytics HUB platformuyla (artık Ultralytics Platform) özel olarak eğitebilirsin.

Önemli çıkarımlar#

Ultralytics YOLO11, videolardaki nesneleri takip etmek için harika bir araçtır ve otonom araçlar, çiftçilik, üretim ve güvenlik gibi birçok farklı alanda kullanılabilir. Nesneleri gerçek zamanlı olarak tespit edip izleyerek işletmelerin ve sektörlerin çalışanlarını ve ekipmanlarını takip etmesine yardımcı olur. Kullanımı kolaydır ve belirli ihtiyaçlara göre özelleştirilebilir; bu da bilgisayarlı görüden yararlanmak isteyen herkes için iyi bir seçenek olmasını sağlar.

Daha fazla bilgi edinmek için GitHub depomuzu ziyaret et ve topluluğumuza katıl. Çözümler sayfalarımızda otonom araçlardaki ve tarımdaki yapay zekâ uygulamalarını keşfet.