Ultralytics YOLO27:
2026年5月6日

Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析

了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计,在 1 分钟内完成完整的步态分析。

Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析
Industry
医疗保健与生命科学
~1 分钟
在 iPhone 上完成完整步态分析
~10 ms
设备端逐帧推理,无需互联网或特殊硬件

Stride 将一段简单的智能手机视频转化为快速的设备端马匹运动分析,无需互联网连接或专用硬件,并使用 Ultralytics YOLO。

随着 AI 持续支持兽医评估和临床决策,对能够在真实野外条件下运行的客观、易用工具的需求正在不断增长。

Quentin Pleyers 医生开发了 Stride,这是一款 iOS 应用,利用计算机视觉为马匹提供客观的步态分析,帮助兽医和马术专业人士直接通过视频记录评估运动不对称。通过集成 Ultralytics YOLO 模型,Stride 能够在任何地点、不到一分钟内收集马匹的客观运动数据,无需依赖云连接或专用硬件。

融合科学与技术,为马术专业人士提供支持#

Quentin Pleyers 医生是一名驻于瑞典南部的马科兽医,专注于运动医学、生物力学和客观运动分析。他将临床背景与长期以来对软件工程的热情相结合,开发了 Stride,以解决自己在日常工作中遇到的问题。

Stride 由 Quentin Pleyers 医生独立开发。目前,该项目受益于与多家机构和合作伙伴开展的学术及临床合作,包括列日大学、欧洲马匹研究中心、田纳西大学,以及意大利和爱沙尼亚的合作伙伴。这些合作主要围绕验证研究、临床研究和未来应用展开,而该应用本身由 Quentin Pleyers 医生创建并开发。

在野外进行客观跛行评估的挑战#

跛行是马科兽医面临的最常见、也最棘手的问题之一。传统上,跛行评估依赖兽医经过训练的观察力,不同执业者之间的结果可能存在差异;对于轻微跛行或多肢跛行病例,评估尤其困难。

目前已有客观工具,包括压力板和 IMU 传感器,但它们通常需要专用硬件、受控环境以及耗时的数据处理。许多基于计算机视觉的系统要求将大型 4K 视频文件上传到远程服务器,而在野外网络带宽通常受限的情况下,这一过程可能需要 10 到 15 分钟。

缺少的是一种能够快速提供客观运动数据的工具,而且它可以运行在许多兽医和马术专业人士已经随身携带的设备上:智能手机。

借助 Ultralytics YOLO 在 iOS 上实现快速设备端姿态检测#

为了实现这一目标,Quentin Pleyers 医生构建了 Stride,采用经过姿态估计训练的 Ultralytics YOLO26 模型,将其导出为 Core ML,并原生部署到 iOS 上。该应用会录制马匹小跑的视频,逐帧提取关键解剖标志点,并分析头部、鬐甲和骨盆等点的垂直位移,从而量化运动不对称。

图 1。Stride 应用中展示马匹小跑的截图。

关键在于,从视频采集、姿态检测到信号处理的整个流程都在设备本地运行。在 iPhone 17 Pro 上,Stride 可在约一分钟内完成一次完整的步态分析;使用 Ultralytics YOLO26 medium 模型时,每帧推理时间约为 10 毫秒。

Stride 使用数千张人工标注的马匹图像进行训练,这些图像涵盖了广泛的品种、毛色、光照条件和背景。训练过程借助 Ultralytics Platform 得到了简化,Quentin Pleyers 医生利用它开发、迭代并优化了如今为该应用提供支持的模型。

为什么选择 Ultralytics YOLO 模型?#

对于 Quentin Pleyers 医生而言,Ultralytics YOLO 在性能、灵活性和易用性之间实现了恰到好处的平衡,满足了将创意从原型带入生产环境的需求。

图 2。Stride 使用 Ultralytics YOLO 时的性能指标。

在探索多个计算机视觉框架后,Quentin Pleyers 医生发现,Ultralytics YOLO 模型既能提供生物力学分析所需的精度,又具备在移动设备上流畅运行所需的轻量化效率。能够轻松导出到 Core ML 并原生部署到 iOS,是 Stride 成为完全离线、适用于野外环境的工具的关键因素。

支持更加客观、一致的马科兽医护理#

Stride 的设计目的不是取代兽医的临床判断,这一点十分重要。该应用不会诊断跛行,而是提供马匹垂直运动不对称的客观测量,为兽医和马术专业人士提供一个更加可靠的数据点,以支持他们的整体评估。

图 3。Stride iPhone 应用中展示马匹小跑的截图。

这种方法正在帮助 Stride 在马科兽医群体中获得关注,尤其受到新一代兽医的欢迎,他们更习惯将数字工具整合到工作流程中。Stride 在熟悉的设备上实时提供客观数据,有助于减少评估差异,并支持更有把握、以证据为基础的临床决策。

马匹步态分析的未来#

Quentin Pleyers 医生目前正在将 Stride 扩展到 Android,目标是让全球的兽医、马术专业人士、训练师、治疗师、蹄铁匠和马主都能使用客观的马匹运动分析。Stride 旨在帮助用户尽早发现运动不对称,从而支持更早干预、更好的后续跟踪,并实现尽可能高水平的马匹福利。继续与学术及临床合作伙伴开展合作,将进一步验证 Stride 在实践中的作用,并探索客观运动分析在马科医学中的新应用。

Stride 将数十年的临床专业知识与尖端计算机视觉相结合,代表着技术支持专业兽医的训练有素观察力、而非取而代之的全新篇章。

想要构建属于自己的视觉 AI 解决方案?访问我们的 GitHub repository,探索 Ultralytics YOLO 模型,了解 YOLO 如何推动 AI in healthcare 等行业的创新,并查看我们的许可选项开始使用。

Our solution to your industry

用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多
用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多
用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多

常见问题

  • Ultralytics YOLO 代码仓库默认依据 AGPL-3.0 许可证发布。这项经 OSI 批准的许可证面向学生、研究人员和爱好者,促进开放协作,并要求任何使用 AGPL-3.0 组件的软件也必须开源。虽然这能确保透明度并促进创新,但可能不适用于商业用例。

    如果你的项目涉及将 Ultralytics 软件和 AI 模型嵌入商业产品或服务,并且希望避开 AGPL-3.0 的开源要求,那么 Enterprise License 是理想选择。

    Enterprise License 的优势包括:

    • 商业灵活性: 修改 Ultralytics YOLO 源代码和模型,并将其嵌入专有产品,无需遵守 AGPL-3.0 要求项目开源的规定。
    • 专有开发: 充分自由地开发和分发包含 Ultralytics YOLO 代码和模型的商业应用。

    如需确保顺利集成并避免 AGPL-3.0 的限制,请使用所提供的表单申请 Ultralytics Enterprise License。我们的团队将协助你根据具体需求定制许可证。

  • 你选择的模型取决于项目需求,包括性能、准确率、部署目标和硬件限制。对于大多数新项目,建议从 Ultralytics YOLO26 开始,因为它在速度、准确率、可导出性和多任务支持方面带来了最新改进。

    对于已有工作流或兼容性要求的团队,早期 YOLO 模型系列仍然可用。

    如果你是从零开始,请先选择 YOLO26,然后对更小或更大的变体进行基准测试,以便为部署环境找到速度和准确率之间的合适平衡。

  • Ultralytics YOLO 模型是用于目标检测、分割、分类、姿态估计和定向目标检测等任务的计算机视觉模型系列。YOLO26 是最新的稳定版本,建议用于大多数新项目。对于已有工作流或兼容性要求的团队,早期 YOLO 版本仍然可用。

  • Ultralytics YOLO 模型是用于分析图像和视频视觉数据的计算机视觉架构。这些模型可针对目标检测、分类、姿态估计、跟踪、实例分割和定向目标检测等任务进行训练。

    最新的 Ultralytics YOLO 模型系列是 YOLO26,同时也为现有工作流提供早期 YOLO 版本。

让我们共同构建 AI 的未来!

开启你的机器学习未来之旅