Nesne takibi için Ultralytics YOLO11 nasıl kullanılır

Diyelim ki bir üretim tesisindeki montaj hattında bileşenlerin hareketini izlemek ve takip etmek, kalite kontrolü sağlamak ve iş akışı verimliliğini artırmak istiyorsun. Normalde bu, manuel denetimler yapmayı veya öğeleri takip etmek için temel sensörler kullanmayı gerektirir ki bu da hem zaman alıcı olabilir hem de hatalara açıktır. Ancak, computer vision ve object tracking teknolojileri kullanılarak bu süreç otomatikleştirilebilir ve iyileştirilebilir.

Object tracking is a computer vision task that helps detect, identify, and track objects in a video. It can be used for a wide variety of applications, from animal monitoring on farms to security and surveillance in retail stores. The objects being tracked in a video are usually visualized using bounding boxes to help the user see exactly where they are located and detected within the video frame.

Launched during Ultralytics’ annual hybrid event, YOLO Vision 2024 (YV24), Ultralytics YOLO11 is a computer vision model that can handle a wide variety of vision AI tasks, including object tracking. In this article, we’ll explore how object tracking works and discuss real-world applications. We’ll also take a look at how you can try out object tracking using YOLO11. Let’s get started!

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

Link to this sectionYOLO11 ile yapay zeka destekli nesne takibi#

Nesne takibi temel bir bilgisayarlı görü tekniğidir. Videodaki nesnelerin zaman içinde tanımlanmasını ve takip edilmesini mümkün kılar. Nesne takibi, başka bir bilgisayarlı görü görevi olan nesne algılamaya çok benzer görünebilir. İkisi arasındaki temel fark, video karelerini nasıl işlediklerinde yatar. Nesne algılama, önceki veya sonraki kareleri dikkate almadan her kareyi tek tek inceler, nesneleri tanımlar ve sınıflandırır. Nesne takibi ise kareler arasındaki bağlantıyı kurar, aynı nesneleri zaman içinde takip eder ve hareketlerini kaydeder.

Nesne takibinin nasıl çalıştığına dair daha detaylı bir inceleme şöyledir:

• Nesne algılama: Süreç, bir videonun tek bir karesindeki nesnelerin algılanmasıyla başlar. YOLO11, birden fazla nesneyi ve konumlarını doğru bir şekilde tanımlamak için kullanılabilir.
• Benzersiz kimlikler atama: Algılanan her nesneye, diğerlerinden ayırmak ve takibini kolaylaştırmak için benzersiz bir kimlik verilir.
• Hareketi kareler arasında takip etme: Bir takip algoritması, nesneleri sonraki kareler boyunca izler, konumlarını güncellerken benzersiz kimlikleriyle olan ilişkilerini korur.
• Kapanmaları (occlusion) yönetme: Bir nesne geçici olarak görüş alanından çıkarsa (örneğin başka bir nesne tarafından engellenirse), sistem nesne tekrar göründüğünde takibin kaldığı yerden devam etmesini sağlar.
• Nesne bilgilerini güncelleme: Nesneler hareket ettikçe, konumları ve öznitelikleri (hız veya yön gibi) zaman içindeki değişiklikleri yansıtacak şekilde sürekli olarak güncellenir.

Ultralytics, BoT-SORT ve ByteTrack gibi gelişmiş takip algoritmalarından yararlanarak gerçek zamanlı nesne takibini destekler. Ayrıca segmentasyon ve poz tahmini YOLO11 modelleriyle sorunsuz bir şekilde çalışır, bu da onu çok çeşitli takip görevleri için esnek bir araç haline getirir.

Link to this sectionYOLO11 nesne takibinin uygulamaları#

Ultralytics YOLO11 modelinin çok yönlü yetenekleri, birçok sektörde çok çeşitli uygulama olanakları sunar. Bazı YOLO11 nesne takibi kullanım örneklerine daha yakından bakalım.

Link to this sectionOtonom araç takibi için YOLO11#

Nesne takibi, kendi kendine giden araçların güvenli ve verimli bir şekilde çalışmasına yardımcı olmak için çok önemlidir. Bu araçlar, durma, dönme veya şerit değiştirme gibi gerçek zamanlı kararlar alabilmek için çevrelerini sürekli olarak anlamalıdır. Nesne algılama, aracın yayalar, bisikletliler, diğer araçlar ve trafik işaretleri gibi ortamındaki temel unsurları tanımlamasını sağlar. Ancak, bu nesneleri tek bir anda algılamak güvenli bir navigasyon için yeterli değildir.

İşte nesne takibi tam da burada devreye girer. Aracın bu nesneleri zaman içinde takip etmesine, hareketlerini birden fazla kare boyunca izlemesine olanak tanır. Örneğin, otonom araçların bir yayanın nereye yöneldiğini tahmin etmesine, yakındaki araçların hızını ve yönünü izlemesine veya bir trafik ışığının değişmediğini fark etmesine yardımcı olur. Algılama ve takibi birleştiren otonom araçlar, çevrelerindeki nesnelerin hareketlerini tahmin edebilir, proaktif bir şekilde yanıt verebilir ve güvenli ve sorunsuz bir şekilde ilerleyebilir.

Şekil 2. YOLO11, arabaları algılamak ve takip etmek için kullanılabilir.

Link to this sectionHayvanları izlemek için YOLO11 nesne takibi kullanımı#

Çiftlikteki sığır gibi hayvanları takip etmek etkili yönetim için hayati önem taşır, ancak bu zahmetli ve zaman alıcı bir görev olabilir. Sensör veya etiket kullanmak gibi geleneksel yöntemlerin genellikle dezavantajları vardır. Bu cihazlar takıldığında hayvanları strese sokabilir, düşmeye veya hasar görmeye eğilimlidir, bu da takibi kesintiye uğratır.

Computer vision, fiziksel etiketlere ihtiyaç duymadan hayvanları izlemek ve takip etmek için çiftçilere daha iyi bir çözüm sunar. Object tracking, çiftçilere hayvanların davranışı ve sağlığı hakkında değerli bilgiler sağlayabilir. Örneğin, bir hayvanın yürüyüş şeklini etkileyen topallık gibi durumların tespit edilmesine yardımcı olabilir. Object tracking kullanarak çiftçiler, hareketteki ince değişimleri fark edebilir ve sağlık sorunlarına erken müdahale edebilir.

Sağlık takibinin ötesinde, bilgisayarlı görü ayrıca çiftçilerin sosyal etkileşimler, yeme alışkanlıkları ve hareket modelleri gibi diğer davranışları anlamalarına da yardımcı olabilir. Bu içgörüler sürü yönetimini iyileştirebilir, besleme programlarını optimize edebilir ve hayvanların genel refahını artırabilir. Manuel iş gücünü azaltarak ve hayvanların stresini en aza indirerek, bilgisayarlı görü tabanlı takip, modern çiftçilik için pratik ve verimli bir araçtır.

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

Link to this sectionYOLO11 ile üretimde nesne takibi#

Object tracking has many use cases in the manufacturing sector. For example, object detection and tracking systems can monitor production lines. Products or raw materials can be easily tracked and counted as they move on a conveyor belt. These systems can also be integrated with other computer vision systems to perform additional tasks. For instance, an item with a defect can be identified using a defect detection system and tracked using object tracking to ensure it’s properly taken care of.

Üretimde nesne takibinin bir diğer önemli uygulaması güvenlikle ilgilidir. Nesne takip sistemleri, potansiyel olarak tehlikeli üretim ortamlarında çalışanları tespit etmek ve izlemek için kullanılabilir. Tehlikeli bölgeler bilgisayarlı görü sistemleri kullanılarak işaretlenebilir ve sürekli izlenebilir; çalışanlar (takip edildikleri için) bu tür alanlara yaklaştığında süpervizörler bilgilendirilebilir. Bu tür güvenlik sistemleri ayrıca ekipmanları tespit etmek ve takip etmek için kullanılarak hırsızlık olasılığını önleyebilir.

Şekil 4. YOLO11 nesne algılamanın çalışanları tespit etmek için kullanılmasına bir örnek.

Link to this sectionYOLO11 ile nesne takibi ve gözetim#

Gerçek zamanlı object tracking, güvenlik ve gözetim sistemlerinde yaygın olarak kullanılmaktadır. Bu sistemler; kamusal alanları, ulaşım merkezlerini ve alışveriş merkezleri gibi büyük perakende ortamlarını izlemek için kullanılabilir. Büyük, kalabalık alanlarda bu teknoloji, şüpheli kişileri veya kalabalık davranışlarını takip ederek sorunsuz bir gözetim çözümü sağlar. Örneğin, pandemi sırasında object tracking sistemleri, kalabalık alanları takip etmek ve insanların sosyal mesafeyi koruduğundan emin olmak için kullanıldı.

Nesne takibi, trafik gözetiminde de kullanılabilir. Nesne takibi, araçların nasıl davrandığını izlemeyi ve analiz etmeyi mümkün kılarak, kazaları veya suçları önlemeye yardımcı olmak için olağandışı veya şüpheli eylemleri gerçek zamanlı olarak tespit eder. Buna iyi bir örnek hız tahmini sistemleridir. Bu sistemler, hızını belirlemek için bir aracı tespit edebilir ve takip edebilir.

Şekil 5. Hız tahmini nesne takibi kullanılarak yapılabilir.

Link to this sectionUltralytics YOLO11 ile nesne takibini dene#

Nesne takibi uygulamalarının bazılarını keşfettiğimize göre, Ultralytics YOLO11 modelini kullanarak bunu nasıl deneyebileceğini tartışalım.

Başlamak için, pip, conda veya Docker kullanarak Ultralytics Python paketini yükle. Kurulum sırasında herhangi bir zorlukla karşılaşırsan, Ortak Sorunlar Kılavuzumuz yardımcı sorun giderme ipuçları sunar.

Paketi başarıyla yüklediğinde, aşağıdaki kodu çalıştır. Bu kod, Ultralytics YOLO11 modelinin nasıl yükleneceğini ve bir video dosyasındaki nesneleri takip etmek için nasıl kullanılacağını özetler. Kodda kullanılan model "yolo11n.pt"dir. 'n' harfi Nano'yu temsil eder - YOLO11 modelinin en küçük varyantı. Ayrıca seçebileceğin küçük, orta, büyük ve ekstra büyük gibi başka model varyantları da mevcuttur.

Şekil 6. YOLO11 modelini kullanarak nesne takibini sergileyen bir kod parçacığı.

You can also choose to use a custom-trained model instead of a pre-trained model. Custom training involves fine-tuning a pre-trained model to fit your specific application.

Daha önce belirtildiği gibi, nesne takibi şu YOLO11 modelleri için desteklenir: nesne tespiti, poz tahmini ve örnek segmentasyonu. Takibi içeren özel bir uygulaman varsa, uygulamana bağlı olarak bu modellerin herhangi birini özel olarak eğitebilirsin. Ultralytics Python paketini veya kod gerektirmeyen platform, Ultralytics HUB kullanarak bir modeli özel olarak eğitebilirsin.

Link to this sectionÖne çıkanlar#

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 algılayabilir ve izleyebilir, böylece işletmelerin ve endüstrilerin çalışanlarını ve ekipmanlarını takip etmelerine yardımcı olur. Modelin kullanımı kolaydır ve belirli ihtiyaçlara göre özelleştirilebilir, bu da onu bilgisayarlı görü yeteneklerini sorunsuz bir şekilde benimsemek isteyen herkes için iyi bir seçenek haline getirir.

Daha fazla bilgi edinmek için GitHub depomuzu ziyaret et ve topluluğumuzla etkileşime geç. Çözüm sayfalarımızda otonom araçlar ve tarım alanındaki AI uygulamalarını keşfet. 🚀