Chạy ứng dụng AI tương tác với Streamlit và Ultralytics YOLO11

Các mô hình thị giác máy tính là các công cụ AI mạnh mẽ giúp máy móc có thể diễn giải và phân tích dữ liệu hình ảnh, thực hiện các tác vụ như phát hiện vật thể, phân loại hình ảnh và phân đoạn thực thể với độ chính xác cao. Tuy nhiên, đôi khi chúng đòi hỏi chuyên môn kỹ thuật bổ sung, chẳng hạn như kỹ năng phát triển web hoặc ứng dụng di động, để triển khai và giúp chúng tiếp cận được đối tượng người dùng rộng rãi hơn.

Lấy Ultralytics YOLO11 làm ví dụ. Đây là một mô hình hỗ trợ nhiều tác vụ và hữu ích trong hàng loạt ứng dụng. Tuy nhiên, nếu thiếu kiến thức về front-end, việc xây dựng và triển khai một giao diện thân thiện với người dùng để tương tác liền mạch có thể gây chút khó khăn cho một số kỹ sư AI.

Streamlit là một framework mã nguồn mở nhằm mục đích 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 YOLO11, nó cho phép người dùng tải lên hình ảnh, xử lý video và trực quan hóa kết quả theo thời gian thực một cách tối giản nhất.

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

Trong bài viết này, chúng ta sẽ cùng 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.

Link to this sectionStreamlit 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 các ứng dụng dựa trên AI mà không cần phải đối mặt với những phức tạp của việc phát triển front-end.

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

Hình 1. Các tính năng chính của Streamlit. Ảnh của tác giả.

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

Ngoài ra, vì có dung lượng nhẹ và dễ sử dụng, Streamlit chạy hiệu quả trên cả máy cục bộ và các nền tảng đám mây. Điều này biến nó thành lựa chọn tuyệt vời để triển khai ứng dụng AI, chia sẻ mô hình với người khác và cung cấp trải nghiệm người dùng trực quan, có tính tương tác cao.

Link to this sectionUltralytics YOLO11: Một mô hình Vision AI linh hoạt#

Trước khi đi sâu vào cách chạy dự đoán trực tiếp (live inference) với Ultralytics YOLO11 trong ứng dụng Streamlit, hãy cùng xem xét kỹ hơn điều gì tạo nên sự đáng tin cậy của YOLO11.

Ultralytics YOLO11 là mô hình được thiết kế cho các tác vụ thị giác máy tính theo thời gian thực như phát hiện vật thể, phân đoạn thực thể và ước tính tư thế (pose estimation). Nó mang lại hiệu suất tốc độ cao với độ chính xác ấn tượng.

Hình 2. Ví dụ về việc sử dụng YOLO11 để phát hiện vật thể.

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

Gói Python Ultralytics cung cấp hàng loạt tính năng, cho phép người dùng tinh chỉnh mô hình và điều chỉnh các thiết lập phát hiện. Nó cũng giúp tối ưu hóa hiệu suất trên nhiều thiết bị khác nhau để triển khai mượt mà hơn.

Ngoài tính linh hoạt, gói Python Ultralytics còn hỗ trợ các tích hợp trên nhiều nền tảng, bao gồm thiết bị biên (edge devices), môi trường đám mây và các hệ thống hỗ trợ NVIDIA GPU. Dù được triển khai trên thiết bị nhúng nhỏ hay máy chủ đám mây quy mô lớn, YOLO11 đều thích ứng một cách dễ dàng, giúp Vision AI tiên tiến trở nên dễ tiếp cận hơn bao giờ hết.

Link to this sectionLợi ích khi sử dụng Streamlit với Ultralytics YOLO11#

Bạn có thể đang tự hỏi, làm sao để biết Streamlit có phải là tùy chọn triển khai phù hợp với mình hay không? Nếu bạn đang tìm kiếm một cách đơn giản, hiệu quả về code để chạy YOLO11 mà không cần xử lý việc phát triển front-end, thì Streamlit là một lựa chọn tốt - đặc biệt là cho việc tạo mẫu (prototyping), các dự án bằng chứng khái niệm (PoC), hoặc triển khai nhắm đến số lượng người dùng nhỏ hơn.

Nó hợp lý hóa quy trình làm việc với YOLO11 bằng cách loại bỏ sự phức tạp không cần thiết và cung cấp một giao diện trực quan cho việc tương tác thời gian thực. Dưới đây là một số ưu điểm chính khác:

• Điều khiển AI có thể tùy chỉnh: Bạn có thể thêm các thanh trượt (slider), menu thả xuống và nút bấm vào giao diện, cho phép người dùng tinh chỉnh các thiết lập phát hiện và lọc các vật thể cụ thể một cách dễ dàng.

• Tích hợp với các công cụ AI khác: Streamlit hỗ trợ tích hợp với NumPy, OpenCV, Matplotlib và các thư viện machine learning khác, giúp nâng cao năng lực cho quy trình làm việc AI.

• Trực quan hóa dữ liệu tương tác: Hỗ trợ tích hợp sẵn cho các biểu đồ giúp người dùng trực quan hóa kết quả phát hiện vật thể, phân đoạn hoặc thông tin theo dõi một cách dễ dàng.

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

Link to this sectionHướng dẫn từng bước triển khai YOLO11 trong ứng dụng web Streamlit#

Bây giờ chúng ta đã khám phá những lợi ích của việc sử dụng Streamlit với YOLO11, hãy cùng đi qua cách thực hiện các tác vụ thị giác máy tính theo thời gian thực trên trình duyệt bằng cách sử dụng Streamlit với YOLO11.

Link to this sectionCài đặt gói Python Ultralytics#

Bước đầu tiên là cài đặt gói Python Ultralytics. Việc này có thể được thực hiện bằng lệnh sau:

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

Link to this sectionKhởi chạy ứng dụng Streamlit với YOLO11#

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

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

Không cần cấu hình bổ sung nào. Giao diện ứng dụng Streamlit bao gồm một phần tải lên cho hình ảnh và video, một menu thả xuống để chọn biến thể mô hình YOLO11 mà bạn quan tâm và các thanh trượt để điều chỉnh độ tin cậy khi phát hiện. Mọi thứ đều được sắp xếp gọn gàng, giúp người dùng chạy các dự đoán một cách dễ dàng mà không cần viết thêm code.

Link to this sectionChạy các dự đoán bằng YOLO11 trên ứng dụng Streamlit#

Bây giờ ứng dụng Streamlit đang chạy trên trình duyệt web của bạn, hãy cùng khám phá cách sử dụng nó để chạy các dự đoán với YOLO11.

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

• Tải lên một file video: Chọn "video" từ menu thả xuống cấu hình người dùng, điều này báo cho ứng dụng biết cần xử lý một file đã ghi trước thay vì nguồn cấp dữ liệu từ webcam.
• Chọn mô hình YOLO11: Chọn "YOLO11l" từ menu thả xuống của mô hình để phát hiện vật thể bằng mô hình YOLO11 lớn.
• Bắt đầu quy trình phát hiện: Nhấp "Start", cho phép YOLO11 phân tích video theo từng khung hình và phát hiện vật thể theo thời gian thực.
• Xem video đã xử lý: Quan sát video xuất hiện trên màn hình với các cập nhật trực tiếp, hiển thị các vật thể được phát hiện cùng với các khung bao (bounding box).
• Tương tác với kết quả trong Streamlit: Sử dụng giao diện để điều chỉnh các thiết lập hoặc phân tích các phát hiện, tất cả mà không cần thiết lập thêm hay lập trình.

Hình 3. Giao diện ứng dụng Ultralytics YOLO Streamlit.

Link to this sectionCác trường hợp sử dụng với Streamlit và YOLO11#

Chúng ta đã xem qua cách Streamlit rất tuyệt vời để tạo các bản mẫu, công cụ nghiên cứu và các ứng dụng quy mô từ nhỏ đến trung bình. Nó cung cấp một cách đơn giản để triển khai các mô hình AI mà không cần phát triển front-end phức tạp.

Tuy nhiên, việc chạy YOLO11 với Streamlit không phải lúc nào cũng là giải pháp "mì ăn liền" - trừ khi bạn sử dụng ứng dụng Ultralytics YOLO Streamlit mà chúng ta đã thiết lập trong các bước trên. Trong hầu hết các trường hợp, cần có công việc phát triển để tùy chỉnh ứng dụng cho phù hợp với các nhu cầu cụ thể. Mặc dù Streamlit giúp đơn giản hóa việc triển khai, bạn vẫn sẽ cần cấu hình các thành phần cần thiết để đảm bảo YOLO11 chạy mượt mà.

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

Link to this sectionĐếm vật thể để kiểm kê kho bằng YOLO11#

Việc theo dõi hàng tồn kho trong các cửa hàng bán lẻ, kho lưu trữ hoặc các khu vực văn phòng có thể tốn thời gian và dễ xảy ra sai sót. Sử dụng YOLO11 với Streamlit, các doanh nghiệp có thể tự động hóa việc đếm vật thể một cách nhanh chóng và hiệu quả, khiến nó trở thành một lựa chọn tuyệt vời cho các bằng chứng khái niệm (PoC) trước khi cam kết triển khai ở quy mô lớn.

Với thiết lập này, người dùng có thể tải lên một hình ảnh hoặc sử dụng nguồn cấp dữ liệu camera trực tiếp, và YOLO11 có thể giúp phát hiện và đếm vật thể ngay lập tức. Số lượng theo thời gian thực có thể được hiển thị trong giao diện Streamlit, cung cấp cách dễ dàng để giám sát mức tồn kho mà không cần nỗ lực thủ công.

Ví dụ, một chủ cửa hàng có thể quét một kệ hàng và nhìn thấy ngay lập tức số lượng chai, hộp hoặc hàng hóa đóng gói hiện có mà không cần phải đếm thủ công. Bằng cách tận dụng YOLO11 và Streamlit, doanh nghiệp có thể giảm bớt công việc thủ công, cải thiện độ chính xác và khám phá tự động hóa với mức đầu tư tối thiểu.

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

Link to this sectionTăng cường an ninh với YOLO11 và Streamlit#

Giữ an toàn cho các khu vực hạn chế trong văn phòng, nhà kho hoặc các địa điểm tổ chức sự kiện có thể rất khó khăn, đặc biệt là với việc giám sát thủ công. Sử dụng YOLO11 với Streamlit, doanh nghiệp có thể thiết lập một hệ thống an ninh dựa trên AI đơn giản để phát hiện truy cập trái phép theo thời gian thực.

Một nguồn cấp dữ liệu camera có thể được kết nối với giao diện Streamlit, nơi YOLO11 được sử dụng để nhận diện và theo dõi người đi vào các vùng hạn chế. Nếu phát hiện người không được phép, hệ thống có thể kích hoạt cảnh báo hoặc ghi lại sự kiện để xem xét sau.

Ví dụ, một quản lý nhà kho có thể giám sát việc truy cập vào các khu vực lưu trữ có an ninh cao, hoặc một văn phòng có thể theo dõi sự di chuyển trong các phần khu vực hạn chế mà không cần giám sát liên tục.

Đây có thể là một dự án mở mang tầm mắt cho các doanh nghiệp muốn khám phá việc giám sát an ninh dựa trên Vision AI trước khi cam kết với một hệ thống lớn hơn và tự động hóa hoàn toàn. Bằng cách tích hợp YOLO11 với Streamlit, doanh nghiệp có thể nâng cao an ninh, giảm thiểu giám sát thủ công và phản ứng với việc truy cập trái phép hiệu quả hơn.

Link to this sectionCác mẹo giám sát ứng dụng AI tương tác với Streamlit#

Sử dụng các công cụ như Streamlit để triển khai các mô hình 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 đảm bảo hệ thống chạy hiệu quả và mang lại kết quả chính xác theo thời gian.

Dưới đây là một số yếu tố chính cần xem xét sau khi triển khai:

• Giám sát thường xuyên: Theo dõi độ chính xác phát hiện, tốc độ dự đoán và việc sử dụng tài nguyên. Điều chỉnh các thông số mô hình hoặc nâng cấp phần cứng nếu hiệu suất suy giảm.
• Quản lý nhiều người dùng và khả năng mở rộng: Khi nhu cầu người dùng tăng lên, việc tối ưu hóa cơ sở hạ tầng là chìa khóa để duy trì hiệu suất. Các nền tảng đám mây và các giải pháp triển khai có thể mở rộng giúp đảm bảo hoạt động mượt mà.
• Giữ cho mô hình luôn được cập nhật: Việc giữ cho mô hình và các thư viện luôn được cập nhật giúp nâng cao độ chính xác, bảo mật và quyền truy cập vào các tính năng mới.

Link to this sectionCác điểm chính cần lưu ý#

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

Giao diện cũng bao gồm khả năng tùy chỉnh tích hợp, cho phép người dùng chuyển đổi các mô hình, điều chỉnh độ chính xác phát hiện và lọc các vật thể một cách dễ dàng. 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 YOLO11 với sự dễ dàng trong việc triển khai của Streamlit, các doanh nghiệp và nhà phát triển có thể nhanh chóng tạo mẫu, kiểm thử và tinh chỉnh các ứng dụng dựa trên AI.

Trở thành một phần của cộng đồng của chúng tôi và khám phá kho lưu trữ GitHub của chúng tôi để có thêm những hiểu biết về AI. Hãy xem các trang giải pháp của chúng tôi để tìm hiểu thêm về những đổi mới như AI trong sản xuất và thị giác máy tính trong y tế. Kiểm tra các tùy chọn cấp phép của chúng tôi và bắt đầu ngay hôm nay!