Nesne takibi için Ultralytics YOLO11 nasıl kullanılır?

Bir üretim tesisindeki üretim hattında bileşenlerin hareketini izlemek ve takip ederek kalite kontrolünü sağlamak ve iş akışı verimliliğini artırmak istediğini varsayalım. Genellikle bu işlem, manuel denetimleri veya öğeleri takip etmek için temel sensörlerin kullanılmasını gerektirir; bu da zaman alıcı olabilir ve hatalara açık olabilir. Ancak bilgisayarlı görü ve nesne takibi bu süreci otomatikleştirmek ve geliştirmek için kullanılabilir.

Nesne takibi, bir videodaki nesneleri algılamaya, tanımlamaya ve takip etmeye yardımcı olan bir bilgisayarlı görü görevidir. Çiftliklerde hayvanların izlenmesinden perakende mağazalarında güvenlik ve gözetlemeye kadar çok çeşitli uygulamalarda kullanılabilir. Bir videoda takip edilen nesneler, kullanıcının video karesi içinde tam olarak nerede bulunduklarını ve algılandıklarını görebilmesine yardımcı olmak için genellikle sınırlayıcı kutular kullanılarak görselleştirilir.

Ultralytics’in yıllık hibrit etkinliği YOLO Vision 2024 (YV24) sırasında tanıtılan Ultralytics YOLO11, nesne takibi de dahil olmak üzere çok çeşitli görü yapay zekâsı görevlerini gerçekleştirebilen bir bilgisayarlı görü modelidir. Bu makalede nesne takibinin nasıl çalıştığını inceleyecek ve gerçek dünya uygulamalarını ele alacağız. Ayrıca YOLO11 kullanarak nesne takibini nasıl deneyebileceğine göz atacağız. Hadi başlayalım!

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

Ultralytics YOLO11 ile yapay zekâ 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 ele alma biçimleridir. Nesne algılama, önceki veya sonraki kareleri dikkate almadan her kareyi ayrı ayrı inceler ve nesneleri tanımlayıp sınıflandırır. Öte yandan nesne takibi, kareler arasındaki bağlantıyı kurar; aynı nesneleri zaman içinde izler ve hareketlerini takip eder.

Nesne takibinin nasıl çalıştığına daha ayrıntılı olarak bakalım:

• Nesne algılama: Süreç, bir videonun tek bir karesindeki nesnelerin algılanmasıyla başlar. YOLO11, birden fazla nesneyi ve bunların konumlarını doğru şekilde tanımlamak için kullanılabilir.
• Benzersiz kimlikler atama: Her algılanan nesneye, onu diğerlerinden ayırt etmek ve takip etmeyi kolaylaştırmak için benzersiz bir kimlik atanır.
• Hareketi takip etme kareler boyunca: Bir takip algoritması, nesneleri sonraki kareler boyunca izler; benzersiz kimlikleriyle olan ilişkilerini korurken konumlarını günceller.
• Örtülmeleri ele alma: Bir nesne geçici olarak görüntüden kaybolursa (ör. başka bir nesne tarafından engellenirse), sistem nesne yeniden göründüğünde takibin devam etmesini sağlar.
• Nesne bilgilerini güncelleme: Nesneler hareket ettikçe konumları ve özellikleri (hız veya yön gibi), zaman içindeki değişiklikleri yansıtacak şekilde sürekli güncellenir.

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

Ultralytics YOLO11 nesne takibinin uygulamaları#

Ultralytics YOLO11 modelinin çok yönlü yetenekleri, birçok sektörde geniş bir uygulama yelpazesinin önünü açar. Bazı YOLO11 nesne takibi kullanım örneklerine daha yakından bakalım.

Otonom araç takibi için Ultralytics YOLO11#

Nesne takibi, otonom sürüş araçlarının güvenli ve verimli şekilde çalışmasına yardımcı olmak için kritik öneme sahiptir. Bu araçların durma, dönme veya şerit değiştirme gibi gerçek zamanlı kararlar verebilmesi için çevrelerini sürekli olarak anlaması gerekir. Nesne algılama, aracın yayalar, bisikletliler, diğer araçlar ve trafik işaretleri gibi çevresindeki önemli unsurları tanımlamasını sağlar. Ancak bu nesneleri tek bir anda algılamak güvenli navigasyon için yeterli değildir.

Nesne takibi burada devreye girer. Araç, bu nesneleri zaman içinde izleyebilir ve birden fazla kare boyunca hareketlerini takip edebilir. Örneğin otonom araçların bir yayanın nereye gittiğini tahmin etmesine, yakındaki araçların hızını ve yönünü izlemesine veya trafik ışığının değişmediğini fark etmesine yardımcı olur. Algılama ve takibi birleştiren otonom araçlar, çevrelerindeki nesnelerin hareketini öngörebilir, proaktif şekilde tepki verebilir ve güvenli ve akıcı bir sürüş gerçekleştirebilir.

Şekil 2. Ultralytics YOLO11, otomobilleri algılamak ve takip etmek için kullanılabilir.

Hayvanları izlemek için Ultralytics YOLO11 nesne takibini kullanma#

Bir çiftlikte sığır gibi hayvanları takip etmek etkili yönetim için hayati önem taşır, ancak zahmetli ve zaman alıcı bir görev olabilir. Sensör veya etiket kullanmak gibi geleneksel yöntemlerin genellikle dezavantajları vardır. Bu cihazlar hayvanlara takıldığında onları strese sokabilir; ayrıca düşmeye veya hasar görmeye yatkın oldukları için takibi aksatabilir.

Bilgisayarlı görü, fiziksel etiketlere ihtiyaç duymadan hayvanları izlemek ve takip etmek için çiftçilere daha iyi bir çözüm sunar. Nesne takibi, çiftçilere hayvanların davranışları ve sağlıkları hakkında değerli bilgiler sağlayabilir. Örneğin, bir hayvanın yürüme biçimini etkileyen topallık gibi durumların algılanmasına yardımcı olabilir. Çiftçiler, nesne takibini kullanarak hareketlerdeki ince değişiklikleri fark edebilir ve sağlık sorunlarına erken müdahale edebilir.

Bilgisayarlı görü, sağlık takibinin yanı sıra çiftçilerin sosyal etkileşimler, beslenme alışkanlıkları ve hareket düzenleri gibi diğer davranışları anlamasına da yardımcı olabilir. Bu bilgiler sürü yönetimini iyileştirebilir, yemleme programlarını optimize edebilir ve hayvanların genel refahını destekleyebilir. El emeğini azaltan ve hayvanların stresini en aza indiren bilgisayarlı görü tabanlı takip, modern tarım için pratik ve verimli bir araçtır.

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

Ultralytics YOLO11 kullanarak üretimde nesne takibi#

Nesne takibinin üretim sektöründe birçok kullanım alanı vardır. Örneğin, nesne algılama ve takip sistemleri üretim hatlarını izleyebilir. Ürünler veya ham maddeler, taşıma bandında ilerlerken kolayca takip edilebilir ve sayılabilir. Bu sistemler, ek görevleri gerçekleştirmek için diğer bilgisayarlı görü sistemleriyle de entegre edilebilir. Örneğin kusurlu bir ürün, kusur algılama sistemi kullanılarak tanımlanabilir ve uygun şekilde işleme alınmasını sağlamak için nesne takibiyle takip edilebilir.

Üretimde nesne takibinin bir diğer önemli uygulaması güvenlikle ilgilidir. Nesne takip sistemleri, potansiyel olarak tehlikeli üretim ortamlarındaki çalışanları algılamak ve takip etmek için kullanılabilir. Tehlikeli bölgeler bilgisayarlı görü sistemleri kullanılarak işaretlenebilir ve sürekli izlenebilir; takip edilen çalışanlar bu alanlara yaklaştığında amirlere bildirim gönderilebilir. Bu tür güvenlik sistemleri, ekipmanları algılamak ve takip etmek, böylece hırsızlık riskini önlemek için de kullanılabilir.

Şekil 4. Çalışanları algılamak için YOLO11 nesne algılamanın kullanımına bir örnek.

Ultralytics YOLO11 ile nesne takibi ve gözetleme#

Gerçek zamanlı nesne takibi, güvenlik ve gözetleme sistemlerinde yaygın olarak kullanılır. Bu sistemler kamusal alanları, ulaşım merkezlerini ve alışveriş merkezleri gibi büyük perakende ortamlarını izlemek için kullanılabilir. Büyük ve kalabalık alanlarda bu teknoloji, şüpheli kişileri veya kalabalık davranışlarını takip ederek kesintisiz bir gözetleme çözümü sunabilir. Örneğin pandemi sırasında nesne takip sistemleri, kalabalık alanları izlemek ve insanların sosyal mesafeyi koruduğundan emin olmak için kullanıldı.

Nesne takibi trafik gözetlemede de kullanılabilir. Nesne takibi, araçların nasıl davrandığını izlemeyi ve analiz etmeyi, kazaları veya suçları önlemeye yardımcı olmak için olağandışı ya da şüpheli eylemleri gerçek zamanlı olarak tespit etmeyi mümkün kılar. Buna iyi bir örnek hız tahmini sistemleridir. Bu sistemler bir aracı algılayıp takip ederek hızını belirleyebilir.

Şekil 5. Hız tahmini, nesne takibi kullanılarak yapılabilir.

Ultralytics YOLO11 ile nesne takibini dene#

Artık nesne takibinin bazı uygulamalarını incelediğimize göre, Ultralytics YOLO11 modelini kullanarak bunu nasıl deneyebileceğini ele alalım.

Başlamak için Ultralytics Python paketini pip, conda veya Docker kullanarak yükle. Yükleme sırasında herhangi bir sorunla karşılaşırsan Yaygın Sorunlar Kılavuzu yararlı sorun giderme ipuçları sunar.

Paketi başarıyla yükledikten sonra aşağıdaki kodu çalıştır. Bu kod, Ultralytics YOLO11 modelinin nasıl yükleneceğini ve bir video dosyasındaki nesneleri takip etmek için nasıl kullanılacağını gösterir. Kodda kullanılan model “yolo11n.pt”tir. Buradaki ‘n’, YOLO11 modelinin en küçük çeşidi olan Nano’yu ifade eder. Ayrıca küçük, orta, büyük ve ekstra büyük olmak üzere seçebileceğin başka model çeşitleri de vardır.

Şekil 6. Ultralytics YOLO11 modeli kullanılarak 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 ayarlanmasını içerir.

Daha önce belirtildiği gibi nesne takibi şu YOLO11 modellerinde desteklenir: nesne algılama, poz tahmini ve örnek segmentasyonu. Takibi içeren belirli bir uygulaman varsa uygulamana bağlı olarak bu modellerden herhangi birini özel olarak eğitebilirsin. Bir modeli Ultralytics Python paketi veya kodsuz platform olan Ultralytics HUB ile özel olarak eğitebilirsin.

Önemli çıkarımlar#

Ultralytics YOLO11, videolardaki nesneleri takip etmek için harika bir araçtır ve otonom araçlar, tarım, üretim ve güvenlik gibi birçok farklı alanda kullanılabilir. Nesneleri gerçek zamanlı olarak algılayıp takip edebilir; işletmelerin ve sektörlerin çalışanlarını ve ekipmanlarını izlemelerine yardımcı olur. Modelin kullanımı kolaydır ve belirli ihtiyaçlara göre özelleştirilebilir; bu da onu bilgisayarlı görü yeteneklerini sorunsuz şekilde kullanmak isteyen herkes için iyi bir seçenek haline getirir.

Daha fazla bilgi edinmek için GitHub depomuzu ziyaret et ve topluluğumuzla etkileşim kur. Çözümler sayfalarımızda otonom araçlar ve tarım alanlarındaki AI uygulamalarını keşfet. 🚀