"Tüm Çerezleri Kabul Et" seçeneğine tıklayarak, sitede gezinmeyi geliştirmek, site kullanımını analiz etmek ve pazarlama çabalarımıza yardımcı olmak için cihazınızda çerezlerin saklanmasını kabul edersiniz. Daha fazla bilgi
Çerez Ayarları
"Tüm Çerezleri Kabul Et" seçeneğine tıklayarak, sitede gezinmeyi geliştirmek, site kullanımını analiz etmek ve pazarlama çabalarımıza yardımcı olmak için cihazınızda çerezlerin saklanmasını kabul edersiniz. Daha fazla bilgi
Ultralytics YOLO11 'in gözetim, tarım ve üretim gibi gerçek zamanlı uygulamalarda nesne takibi için nasıl kullanılacağına daha yakından bakarken bize katılın.
Diyelim ki kalite kontrolü sağlamak ve iş akışı verimliliğini artırmak için bir üretim tesisinde montaj hattındaki bileşenlerin hareketini izlemek ve track istiyorsunuz. Tipik olarak, bu işlem manuel denetimleri veya öğeleri track için zaman alıcı ve hatalara açık olabilen temel sensörlerin kullanılmasını içerir. Ancak, bu süreci otomatikleştirmek ve geliştirmek için bilgisayarla görme ve nesne izleme kullanılabilir.
Şekil 1. Bir perakende mağazasında nesne takibi için YOLO11 kullanımına bir örnek.
YOLO11 ile yapay zeka destekli nesne takibi
Nesne izleme, önemli bir bilgisayarla görme tekniğidir. Bir videodaki nesnelerin zaman içinde tanımlanmasını ve izlenmesini mümkün kılar. Nesne izleme, başka bir bilgisayarla görme görevi olan nesne algılamaya çok benzer görünebilir. İkisi arasındaki temel fark, video karelerini nasıl ele aldıklarında yatar. Nesne algılama, her kareye ayrı ayrı bakar, önceki veya sonraki kareleri dikkate almadan nesneleri tanımlar ve sınıflandırır. Öte yandan nesne izleme, kareler arasındaki noktaları birleştirir, aynı nesneleri zaman içinde takip eder ve hareketlerini track .
Nesne takibinin nasıl çalıştığına dair daha ayrıntılı bir açıklama:
Nesne algılama: Süreç, bir videonun tek bir karesindeki nesneleri tespit ederek başlar. YOLO11 birden fazla nesneyi ve konumlarını doğru bir şekilde tanımlamak için kullanılabilir.
Benzersiz kimlikler atayın: Tespit edilen her nesneye, onu diğerlerinden ayırmak ve track kolaylaştırmak için benzersiz bir kimlik verilir.
Hareketleri İzle (Kareler Arası): Bir izleme algoritması, nesneleri sonraki kareler boyunca takip eder, konumlarını güncellerken benzersiz kimlikleriyle olan ilişkilerini korur.
Engellemeleri Yönet: Bir nesne geçici olarak görüş alanından kaybolursa (örneğin, başka bir nesne tarafından engellenirse), sistem nesne yeniden göründüğünde takibin devam etmesini sağlar.
Nesne Bilgilerini Güncelle: Nesneler hareket ettikçe, konumları ve özellikleri (hız veya yön gibi) zaman içindeki değişiklikleri yansıtacak şekilde sürekli olarak güncellenir.
Ultralytics , BoT-SORT ve ByteTrack gibi gelişmiş izleme algoritmalarından yararlanarak gerçek zamanlı nesne izlemeyi destekler. Ayrıca segmentasyon ve poz tahminiYOLO11 modelleri ile sorunsuz bir şekilde çalışarak çok çeşitli izleme görevleri için esnek bir araç haline getirir.
YOLO11 nesne izleme uygulamaları
Ultralytics YOLO11 modelinin çok yönlü yetenekleri, birçok sektörde çok çeşitli olası uygulamaların önünü açar. Bazı YOLO11 nesne izleme kullanım örneklerine daha yakından bakalım.
Otonom araç takibi için YOLO11
Nesne takibi, otonom araçların güvenli ve verimli bir şekilde çalışmasına yardımcı olmak için çok önemlidir. Bu araçların durmak, dönmek veya şerit değiştirmek gibi gerçek zamanlı kararlar almak için çevrelerini sürekli olarak anlamaları gerekir. Nesne algılama, aracın çevresindeki yayalar, bisikletliler, diğer araçlar ve trafik işaretleri gibi temel unsurları tanımlamasını sağlar. Ancak, bu nesneleri tek bir anda algılamak, güvenli bir sürüş için yeterli değildir.
İşte burada nesne takibi devreye giriyor. Aracın bu nesneleri zaman içinde takip etmesini, hareketlerini birden fazla karede izlemesini sağlar. Örneğin, otonom araçların bir yayanın nereye gittiğini tahmin etmesine, yakındaki araçların hızını ve yönünü izlemesine veya bir trafik ışığının değişmediğini anlamasına yardımcı olur. Algılama ve takibi bir araya getiren otonom sürüşlü araçlar, çevrelerindeki nesnelerin hareketini tahmin edebilir, proaktif bir şekilde tepki verebilir ve güvenli ve sorunsuz bir şekilde sürüş yapabilir.
Şekil 2. YOLO11 arabaları detect etmek ve track için kullanılabilir.
Hayvanları izlemek için YOLO11 nesne takibini kullanma
Çiftlikte sığır gibi hayvanları izlemek, etkili yönetim için hayati öneme sahiptir, ancak sıkıcı ve zaman alıcı bir görev olabilir. Sensörler veya etiketler gibi geleneksel yöntemlerin genellikle dezavantajları vardır. Bu cihazlar takıldığında hayvanları strese sokabilir ve düşmeye veya hasar görmeye eğilimli olduklarından takibi aksatır.
Bilgisayarla görme, çiftçilerin fiziksel etiketlere ihtiyaç duymadan hayvanları izlemesi ve track etmesi için daha iyi bir çözüm sunar. Nesne takibi, çiftçilere hayvanların davranışları ve sağlıkları hakkında değerli bilgiler verebilir. Örneğin, bir hayvanın yürüme şeklini etkileyen topallık gibi durumların detect yardımcı olabilir. Nesne takibini kullanarak, çiftçiler hareketlerdeki ince değişiklikleri tespit edebilir ve sağlık sorunlarını erkenden ele alabilir.
Bilgisayarlı görü, sağlık takibinin ötesinde, çiftçilerin sosyal etkileşimler, yeme alışkanlıkları ve hareket kalıpları gibi diğer davranışları anlamalarına da yardımcı olabilir. Bu bilgiler, sürü yönetimini iyileştirebilir, besleme programlarını optimize edebilir ve hayvanların genel refahını destekleyebilir. Manuel iş gücünü azaltarak ve hayvanlar için stresi en aza indirerek, bilgisayarlı görü tabanlı izleme, modern çiftçilik için pratik ve verimli bir araçtır.
Şekil 3. Çiftçileri ve bir ineği track için YOLO11 kullanımı.
YOLO11 kullanarak üretimde nesne takibi
Nesne takibinin üretim sektöründe birçok kullanım alanı vardır. Örneğin, nesne algılama ve izleme sistemleri üretim hatlarını izleyebilir. Ürünler veya hammaddeler, bir taşıma bandında hareket ederken kolayca izlenebilir ve sayılabilir. Bu sistemler, ek görevler gerçekleştirmek için diğer bilgisayarlı görü sistemleriyle de entegre edilebilir. Örneğin, bir kusur tespit sistemi kullanılarak bir kusuru olan bir öğe tanımlanabilir ve uygun şekilde ele alındığından emin olmak için nesne takibi kullanılarak izlenebilir.
Nesne takibinin üretimdeki bir diğer önemli uygulaması da güvenlikle ilgilidir. Nesne izleme sistemleri, potansiyel olarak tehlikeli üretim ortamlarındaki işçileri detect etmek ve track için kullanılabilir. Tehlikeli bölgeler bilgisayarlı görüş sistemleri kullanılarak işaretlenebilir ve sürekli olarak izlenebilir ve işçiler (takip edilen) bu alanlara yaklaştığında amirler bilgilendirilebilir. Bu tür güvenlik sistemleri ayrıca ekipmanı detect etmek ve track için de kullanılabilir ve hırsızlık olasılığını önler.
Şekil 4. İşçileri tespit etmek için kullanılan YOLO11 nesne detect bir örnek.
YOLO11 kullanarak nesne izleme ve gözetleme
Gerçek zamanlı nesne takibi, güvenlik ve gözetim sistemlerinde yaygın olarak kullanılmaktadır. Bu sistemler halka açık yerleri, ulaşım merkezlerini ve alışveriş merkezleri gibi büyük perakende ortamlarınıizlemek için kullanılabilir. Büyük, kalabalık alanlar bu teknolojiyi şüpheli bireyleri veya kalabalık davranışlarını track için kullanabilir ve kesintisiz bir gözetim çözümü sağlar. Örneğin, pandemi sırasında, kalabalık alanları track ve insanların sosyal mesafeyi koruduğundan emin olmak için nesne izleme sistemleri kullanıldı.
Nesne takibi aynı zamanda trafik gözetiminde de kullanılabilir. Nesne takibi, araçların nasıl davrandığını track ve analiz etmeyi, kazaları veya suçları önlemeye yardımcı olmak için olağandışı veya şüpheli eylemleri gerçek zamanlı olarak tespit etmeyi mümkün kılar. Hız tahmin sistemleri buna iyi bir örnektir. Hızını belirlemek için bir aracı detect ve track edebilirler.
Şekil 5. Hız tahmini, nesne takibi kullanılarak yapılabilir.
Ultralytics YOLO11 ile nesne izlemeyi deneyin
Nesne izleme uygulamalarından bazılarını Ultralytics YOLO11 modelini kullanarak bunu nasıl deneyebileceğinizi tartışalım.
Paketi başarıyla yükledikten sonra, aşağıdaki kodu çalıştırın. Ultralytics YOLO11 modelinin nasıl yükleneceğini ve bir video dosyasındaki nesneleri track için nasıl kullanılacağını özetlemektedir. Kodda kullanılan model "yolo11n.pt" dir. 'n', YOLO11 modelinin en küçük varyantı olan Nano'yu temsil eder. Küçük, orta, büyük ve ekstra büyük olmak üzere aralarından seçim yapabileceğiniz başka model çeşitleri de vardır.
Şekil 6. YOLO11 modelini kullanarak nesne takibini gösteren bir kod parçacığı.
Önceden eğitilmiş bir model yerine özel olarak eğitilmiş bir model de kullanmayı seçebilirsiniz. Özel eğitim, ince ayar yaparak önceden eğitilmiş bir modeli belirli uygulamanıza uyacak şekilde ayarlamayı içerir.
Daha önce de belirtildiği gibi, nesne izleme aşağıdaki YOLO11 modelleri için desteklenmektedir: nesne algılama, poz tahmini ve örnek segmentasyonu. İzlemeyi içeren belirli bir uygulamanız varsa, uygulamanıza bağlı olarak bu modellerden herhangi birini özel olarak eğitebilirsiniz. Ultralytics Python paketini veya kodsuz platform olan Ultralytics HUB'ı kullanarak bir modeli özel olarak eğitebilirsiniz.
Önemli çıkarımlar
Ultralytics YOLO11 , videolardaki nesneleri izlemek için harika bir araçtır ve sürücüsüz arabalar, tarım, üretim ve güvenlik gibi birçok farklı alanda kullanılabilir. Nesneleri gerçek zamanlı olarak detect ve takip edebilir, işletmelerin ve endüstrilerin çalışanlarını ve ekipmanlarını track etmelerine yardımcı olur. Modelin kullanımı kolaydır ve özel ihtiyaçlar için özelleştirilebilir, bu da onu bilgisayarla görme yeteneklerini sorunsuz bir şekilde benimsemek isteyen herkes için iyi bir seçenek haline getirir.
