Chạy ứng dụng AI tương tác với Streamlit và Ultralytics YOLO11

Các model thị giác máy tính là những công cụ AI mạnh mẽ, cho phép máy móc diễn giải và phân tích dữ liệu hình ảnh, thực hiện các tác vụ như phát hiện đối tượng, phân loại hình ảnh và phân đoạn instance với độ chính xác cao. Tuy nhiên, đôi khi việc triển khai và giúp chúng tiếp cận nhiều người dùng hơn đòi hỏi thêm chuyên môn kỹ thuật, chẳng hạn như phát triển web hoặc kỹ năng xây dựng ứng dụng di động.

Hãy lấy Ultralytics YOLO11 làm ví dụ. Đây là một model hỗ trợ nhiều tác vụ và hữu ích trong nhiều ứng dụng khác nhau. Tuy nhiên, nếu thiếu một số kiến thức kỹ thuật về front-end, việc xây dựng và triển khai một giao diện thân thiện để tương tác liền mạch có thể khá khó khăn đối với một số kỹ sư AI.

Streamlit là một framework mã nguồn mở nhằm đơn giản hóa quy trình này. Đây là công cụ dựa trên Python để xây dựng các ứng dụng tương tác mà không cần phát triển front-end phức tạp. Khi kết hợp với Ultralytics YOLO11, công cụ này cho phép người dùng tải lên hình ảnh, xử lý video và trực quan hóa kết quả theo thời gian thực với rất ít công sức.

Ultralytics tiến thêm một bước với giải pháp Live Inference, giúp việc tích hợp Streamlit trở nên dễ dàng hơn nữa. Chỉ với một lệnh, người dùng có thể khởi chạy ứng dụng Streamlit cho YOLO11 được dựng sẵn, loại bỏ nhu cầu thiết lập và viết code thủ công.

Trong bài viết này, chúng ta sẽ tìm hiểu cách thiết lập và chạy YOLO11 bằng giải pháp Live Inference của Ultralytics với Streamlit, giúp việc triển khai AI theo thời gian thực trở nên nhanh chóng và dễ tiếp cận hơn.

Streamlit là gì?#

Streamlit là một framework Python giúp đơn giản hóa việc tạo các ứng dụng web tương tác. Các nhà phát triển AI có thể xây dựng ứng dụng tích hợp AI mà không phải xử lý những phức tạp của phát triển front-end.

Framework này được thiết kế để hoạt động liền mạch với các model AI và machine learning. Chỉ với vài dòng Python, nhà phát triển có thể tạo một giao diện cho phép người dùng tải lên hình ảnh, xử lý video và tương tác với các model AI.

Hình 1. Các tính năng chính của Streamlit. Hình ảnh do tác giả thực hiện.

Một trong những tính năng chính của Streamlit là kết xuất động. Khi người dùng thay đổi, ứng dụng sẽ tự động cập nhật mà không cần tải lại trang thủ công.

Ngoài ra, nhờ có trọng lượng nhẹ và dễ sử dụng, Streamlit hoạt động hiệu quả trên cả máy local và các nền tảng cloud. Điều này khiến Streamlit trở thành lựa chọn phù hợp để triển khai ứng dụng AI, chia sẻ model với người khác và cung cấp trải nghiệm người dùng trực quan, tương tác.

Ultralytics YOLO11: Model AI thị giác đa năng#

Trước khi tìm hiểu cách chạy inference trực tiếp với Ultralytics YOLO11 trong ứng dụng Streamlit, hãy cùng xem xét kỹ hơn điều gì khiến YOLO11 trở nên đáng tin cậy.

Ultralytics YOLO11 là một model được thiết kế cho các tác vụ thị giác máy tính theo thời gian thực như phát hiện đối tượng, phân đoạn instance và ước tính tư thế. Model mang lại hiệu năng tốc độ cao cùng độ chính xác ấn tượng.

Hình 2. Ví dụ sử dụng YOLO11 để phát hiện đối tượng.

Một trong những ưu điểm lớn nhất của YOLO11 là tính dễ sử dụng. Không cần thiết lập phức tạp; nhà phát triển có thể cài đặt package Python của Ultralytics và bắt đầu thực hiện dự đoán chỉ với vài dòng code.

Package Python của Ultralytics cung cấp nhiều tính năng, cho phép người dùng fine-tune model và điều chỉnh các thiết lập phát hiện. Package này cũng giúp tối ưu hiệu năng trên nhiều thiết bị khác nhau để triển khai mượt mà hơn.

Ngoài tính linh hoạt, package Python của Ultralytics còn hỗ trợ tích hợp trên nhiều nền tảng, bao gồm thiết bị edge, môi trường cloud và các hệ thống sử dụng GPU NVIDIA. Dù được triển khai trên một thiết bị nhúng nhỏ hay server cloud quy mô lớn, YOLO11 đều dễ dàng thích ứng, giúp AI thị giác tiên tiến trở nên dễ tiếp cận hơn bao giờ hết.

Lợi ích khi sử dụng Streamlit với Ultralytics YOLO11#

Bạn có thể thắc mắc: làm thế nào để biết Streamlit là lựa chọn triển khai phù hợp? Nếu bạn đang tìm một cách đơn giản, tiết kiệm code để chạy Ultralytics YOLO11 mà không phải xử lý phát triển front-end, Streamlit là một lựa chọn tốt — đặc biệt cho việc tạo prototype, các dự án proof-of-concept (PoC) hoặc những hệ thống triển khai hướng đến số lượng người dùng nhỏ.

Streamlit tinh giản quy trình làm việc với Ultralytics YOLO11 bằng cách loại bỏ sự phức tạp không cần thiết và cung cấp giao diện trực quan để tương tác theo thời gian thực. Dưới đây là một số ưu điểm chính khác:

• Các tùy chọn điều khiển AI có thể tùy chỉnh: Bạn có thể thêm thanh trượt, menu thả xuống và nút vào giao diện, cho phép người dùng tinh chỉnh các thiết lập phát hiện và dễ dàng lọc những đối tượng cụ thể.

• Tích hợp với các công cụ AI khác: Streamlit hỗ trợ tích hợp với NumPy, OpenCV, Matplotlib và các thư viện machine learning khác, nâng cao khả năng của workflow AI.

• Trực quan hóa dữ liệu tương tác: Tính năng hỗ trợ tích hợp cho biểu đồ cho phép người dùng dễ dàng trực quan hóa kết quả phát hiện đối tượng, phân đoạn hoặc thông tin chuyên sâu từ việc tracking.

• Thân thiện với cộng tác: Các ứng dụng Streamlit có thể dễ dàng được chia sẻ với thành viên nhóm, stakeholder hoặc khách hàng thông qua một liên kết đơn giản, cho phép nhận phản hồi và lặp lại ngay lập tức.

Hướng dẫn từng bước triển khai Ultralytics YOLO11 trong ứng dụng web Streamlit#

Sau khi tìm hiểu lợi ích của việc sử dụng Streamlit với Ultralytics YOLO11, hãy cùng tìm hiểu cách chạy các tác vụ thị giác máy tính theo thời gian thực trong trình duyệt bằng Streamlit với YOLO11.

Cài đặt package Python của Ultralytics#

Bước đầu tiên là cài đặt package Python của Ultralytics. Bạn có thể thực hiện việc này bằng lệnh sau:

Sau khi cài đặt, YOLO11 đã sẵn sàng để sử dụng mà không cần thiết lập phức tạp. Nếu gặp vấn đề trong quá trình cài đặt các package cần thiết, bạn có thể tham khảo Hướng dẫn các vấn đề thường gặp để tìm mẹo khắc phục và giải pháp.

Khởi chạy ứng dụng Streamlit với Ultralytics YOLO11#

Thông thường, bạn sẽ cần phát triển một script Python sử dụng các component của Streamlit để chạy YOLO11. Tuy nhiên, Ultralytics cung cấp một cách đơn giản để chạy YOLO11 với Streamlit.

Chạy script Python sau sẽ ngay lập tức khởi chạy ứng dụng Streamlit trong trình duyệt web mặc định của bạn:

Không cần cấu hình bổ sung. Giao diện ứng dụng Streamlit bao gồm khu vực tải lên hình ảnh và video, menu thả xuống để chọn biến thể model Ultralytics YOLO11 mà bạn quan tâm và các thanh trượt để điều chỉnh độ tin cậy phát hiện. Mọi thứ được sắp xếp gọn gàng, giúp người dùng dễ dàng chạy inference mà không cần viết thêm code.

Chạy inference bằng Ultralytics YOLO11 trên ứng dụng Streamlit#

Giờ đây, khi ứng dụng Streamlit đang chạy trong trình duyệt web, hãy cùng khám phá cách sử dụng ứng dụng để chạy inference với Ultralytics YOLO11.

Ví dụ, giả sử chúng ta muốn phân tích một file video để phát hiện đối tượng. Dưới đây là các bước tải file lên, chọn model và xem kết quả theo thời gian thực:

• Tải file video lên: Chọn "video" từ menu thả xuống cấu hình người dùng. Thao tác này yêu cầu ứng dụng xử lý một file đã quay sẵn thay vì luồng từ webcam.
• Chọn model YOLO11: Chọn "YOLO11l" từ menu thả xuống model để phát hiện đối tượng bằng model YOLO11 cỡ lớn.
• Bắt đầu quá trình phát hiện: Nhấp vào "Start" để Ultralytics YOLO11 phân tích video theo từng frame và phát hiện đối tượng theo thời gian thực.
• Xem video đã xử lý: Theo dõi video xuất hiện trên màn hình với các cập nhật trực tiếp, hiển thị những đối tượng được phát hiện cùng các bounding box.
• Tương tác với kết quả trong Streamlit: Sử dụng giao diện để điều chỉnh thiết lập hoặc phân tích các đối tượng được phát hiện mà không cần thiết lập hay viết code bổ sung.

Hình 3. Giao diện ứng dụng Ultralytics YOLO Streamlit.

Các trường hợp sử dụng Streamlit và Ultralytics YOLO11#

Chúng ta đã xem xét cách Streamlit phù hợp để tạo prototype, công cụ nghiên cứu và các ứng dụng quy mô nhỏ đến vừa. Streamlit cung cấp một cách đơn giản để triển khai các model AI mà không cần phát triển front-end phức tạp.

Tuy nhiên, chạy YOLO11 với Streamlit không phải lúc nào cũng là giải pháp dùng ngay — trừ khi bạn sử dụng ứng dụng Ultralytics YOLO Streamlit đã được thiết lập trong các bước trên. Trong hầu hết trường hợp, cần thực hiện một số công việc phát triển để tùy chỉnh ứng dụng theo nhu cầu cụ thể. Mặc dù Streamlit đơn giản hóa việc triển khai, bạn vẫn cần cấu hình các component cần thiết để đảm bảo YOLO11 hoạt động ổn định.

Hãy cùng khám phá hai ví dụ thực tiễn về cách Ultralytics YOLO11 có thể được triển khai hiệu quả với Streamlit trong các tình huống thực tế.

Đếm đối tượng để kiểm kê hàng tồn kho bằng Ultralytics YOLO11#

Theo dõi hàng tồn kho trong cửa hàng bán lẻ, phòng lưu trữ hoặc khu vực chứa đồ dùng văn phòng có thể tốn nhiều thời gian và dễ xảy ra sai sót. Sử dụng Ultralytics YOLO11 với Streamlit, doanh nghiệp có thể tự động hóa việc đếm đối tượng một cách nhanh chóng và hiệu quả, rất phù hợp làm bằng chứng khái niệm (PoC) trước khi triển khai trên quy mô lớn.

Với thiết lập này, người dùng có thể tải lên một hình ảnh hoặc sử dụng luồng camera trực tiếp, còn Ultralytics YOLO11 có thể giúp phát hiện và đếm đối tượng ngay lập tức. Số lượng theo thời gian thực có thể được hiển thị trong giao diện Streamlit, cung cấp một cách dễ dàng để theo dõi mức tồn kho mà không cần thao tác thủ công.

Ví dụ, chủ cửa hàng có thể quét một kệ hàng và ngay lập tức biết có bao nhiêu chai, hộp hoặc hàng hóa đóng gói mà không phải tự đếm. Bằng cách tận dụng Ultralytics YOLO11 và Streamlit, doanh nghiệp có thể giảm công việc thủ công, cải thiện độ chính xác và thử nghiệm tự động hóa với mức đầu tư tối thiểu.

Hình 4. Phát hiện chai trong tủ lạnh bằng Ultralytics YOLO11.

Tăng cường an ninh với Ultralytics YOLO11 và Streamlit#

Việc bảo vệ các khu vực hạn chế trong văn phòng, nhà kho hoặc địa điểm tổ chức sự kiện có thể khó khăn, đặc biệt khi phải giám sát thủ công. Sử dụng Ultralytics YOLO11 với Streamlit, doanh nghiệp có thể thiết lập một hệ thống an ninh đơn giản tích hợp AI để phát hiện truy cập trái phép theo thời gian thực.

Có thể kết nối luồng camera với giao diện Streamlit, trong đó Ultralytics YOLO11 được sử dụng để nhận diện và tracking những người đi vào khu vực hạn chế. Nếu phát hiện người không được phép, hệ thống có thể kích hoạt cảnh báo hoặc ghi log sự kiện để xem xét.

Ví dụ, quản lý kho có thể giám sát quyền truy cập vào các khu vực lưu trữ bảo mật cao, hoặc văn phòng có thể theo dõi chuyển động trong những khu vực hạn chế mà không cần giám sát liên tục.

Đây có thể là một dự án giàu giá trị khám phá đối với các doanh nghiệp muốn thử nghiệm hoạt động giám sát an ninh dựa trên AI thị giác trước khi đầu tư vào một hệ thống tự động hóa hoàn chỉnh quy mô lớn hơn. Bằng cách tích hợp Ultralytics YOLO11 với Streamlit, doanh nghiệp có thể tăng cường an ninh, giảm thiểu việc giám sát thủ công và phản ứng hiệu quả hơn với các truy cập trái phép.

Mẹo giám sát ứng dụng AI tương tác với Streamlit#

Sử dụng các công cụ như Streamlit để triển khai model thị giác máy tính giúp tạo ra trải nghiệm tương tác và thân thiện với người dùng. Tuy nhiên, sau khi thiết lập giao diện trực tiếp, điều quan trọng là phải đảm bảo hệ thống hoạt động hiệu quả và liên tục cung cấp kết quả chính xác theo thời gian.

Dưới đây là một số yếu tố chính cần cân nhắc sau khi triển khai:

• Giám sát thường xuyên: Theo dõi độ chính xác phát hiện, tốc độ inference và mức sử dụng tài nguyên. Điều chỉnh các tham số model hoặc nâng cấp phần cứng nếu hiệu năng suy giảm.
• Quản lý nhiều người dùng và khả năng mở rộng: Khi nhu cầu của người dùng tăng lên, tối ưu hóa hạ tầng là yếu tố then chốt để duy trì hiệu năng. Các nền tảng cloud và giải pháp triển khai có khả năng mở rộng giúp đảm bảo hệ thống vận hành ổn định.
• Cập nhật model: Việc cập nhật model và các thư viện giúp nâng cao độ chính xác, tính bảo mật và khả năng tiếp cận các tính năng mới.

Những điểm chính#

Ultralytics đơn giản hóa việc triển khai YOLO11 bằng giao diện trực tiếp Streamlit sẵn sàng sử dụng, có thể chạy chỉ với một lệnh — không cần viết code. Điều này cho phép người dùng bắt đầu sử dụng tính năng phát hiện đối tượng theo thời gian thực ngay lập tức.

Giao diện cũng tích hợp sẵn các tùy chọn tùy chỉnh, cho phép người dùng chuyển đổi model, điều chỉnh độ chính xác phát hiện và dễ dàng lọc đối tượng. Mọi thứ được quản lý trong một giao diện đơn giản, thân thiện với người dùng, loại bỏ nhu cầu phát triển UI thủ công. Bằng cách kết hợp

các khả năng của Ultralytics YOLO11 với tính dễ triển khai của Streamlit, doanh nghiệp và nhà phát triển có thể nhanh chóng tạo prototype, kiểm thử và tinh chỉnh các ứng dụng dựa trên AI.

Hãy trở thành một phần của cộng đồng của chúng tôi và khám phá repository GitHub để tìm hiểu thêm về AI. Xem các trang giải pháp của chúng tôi để tìm hiểu thêm về những đổi mới như AI trong sản xuất và computer vision trong lĩnh vực chăm sóc sức khỏe. Tham khảo các tùy chọn cấp phép của chúng tôi và bắt đầu ngay hôm nay!