遇见 YOLO26: 下一代视觉 AI。
Ultralytics
Back to customer stories
医疗保健与生命科学医疗与诊断成像

Stride 使用 Ultralytics YOLO 提供 1 分钟的马匹步态分析

Stride 使用 Ultralytics YOLO 提供 1 分钟的马匹步态分析 logo

了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计,在不到 1 分钟内完成全面的步态分析。

Stride 使用 Ultralytics YOLO 提供 1 分钟的马匹步态分析

Problem

主观跛行评估在不同从业者之间存在差异。现有的客观工具通常需要硬件、云端上传或耗时的处理过程。

Solution

Stride 使用 Ultralytics YOLO 将简单的智能手机视频转换为快速的、设备端马匹运动分析,无需互联网连接或特殊硬件。

随着 AI 继续支持兽医评估和临床决策,对能够在现实野外条件下运行的客观、易用工具的需求正在增长。

Quentin Pleyers 博士开发了 Stride,这是一款 iOS 应用程序,它利用计算机视觉提供客观的马匹步态分析,帮助兽医和马匹专业人士直接通过视频记录评估运动不对称性。通过集成 Ultralytics YOLO 模型,Stride 使得在不到一分钟的时间内,在任何地方收集马匹客观运动数据成为可能,而无需依赖云连接或专用硬件。

Link to this section将科学与技术结合,为马匹专业人士提供支持#

Quentin Pleyers 博士是一位常驻瑞典南部的马兽医,专注于运动医学、生物力学和客观运动分析。他将自己的临床背景与对软件工程的长期热情相结合,构建了 Stride,以解决他在日常工作中遇到的问题。

Stride 由 Quentin Pleyers 博士独立开发。该项目现在得益于与多个机构和合作伙伴的学术及临床合作,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。这些合作专注于验证研究、临床研究和未来应用,而应用程序本身则由 Quentin Pleyers 博士创建和开发。

Link to this section野外客观跛行评估的挑战#

跛行是马兽医面临的最常见且最棘手的问题之一。传统上,跛行评估依赖于兽医训练有素的眼睛,结果在不同从业者之间会有所差异,尤其在细微或多肢跛行的情况下,评估难度更大。

客观工具确实存在,包括测力板和 IMU 传感器,但它们通常需要专用硬件、受控环境和耗时的数据处理。许多基于计算机视觉的系统需要将大型 4K 视频文件上传到远程服务器,在带宽通常有限的野外,这个过程可能需要 10 到 15 分钟。

缺失的部分是一个能够快速提供客观运动数据的工具,而且是在许多兽医和马匹专业人士已经随身携带的设备上:智能手机。

Link to this section基于 Ultralytics YOLO 在 iOS 上实现的快速设备端姿态检测#

为了实现这一目标,Quentin Pleyers 博士构建了 Stride,利用为姿态估计训练的 Ultralytics YOLO26 模型,将其导出为 Core ML 并原生部署在 iOS 上。该应用程序记录马匹小跑的视频,逐帧提取关键解剖标志,并分析头部、肩隆和骨盆等点的垂直位移,以量化运动不对称性。

图 1. 展示马匹小跑的 Stride 应用程序截图。

至关重要的是,整个流程,从视频采集到姿态检测再到信号处理,都在设备上本地运行。在 iPhone 17 Pro 上,Stride 在大约一分钟内即可完成完整的步态分析,使用 Ultralytics YOLO26 中等模型,每帧推理时间约为 10 毫秒。

Stride 是使用数千张手动标注的马匹图像进行训练的,这些图像涵盖了广泛的品种、毛色、光照条件和背景。训练过程通过 Ultralytics Platform 进行了简化,Quentin Pleyers 博士利用该平台开发、迭代并完善了今天驱动该应用程序的模型。

Link to this section为何选择 Ultralytics YOLO 模型?#

对于 Quentin Pleyers 博士来说,Ultralytics YOLO 提供了将创意从原型转化为产品所需的性能、灵活性和易用性的完美平衡。

图 2. Stride 结合 Ultralytics YOLO 的性能指标。

在探索了多个计算机视觉框架后,Quentin Pleyers 博士发现 Ultralytics YOLO 模型既提供了生物力学分析所需的准确性,又具备在移动设备上流畅运行所需的轻量级效率。能够轻松导出为 Core ML 并原生部署在 iOS 上,是使 Stride 成为一款完全离线、适用于野外工具的关键因素。

Link to this section支持更客观、一致的马匹兽医护理#

Stride 的设计初衷并非取代兽医的临床判断,这一点很重要。该应用程序不诊断跛行;它提供马匹垂直运动不对称性的客观测量,为兽医和马匹专业人士提供了一个更可靠的数据点,以支持他们的整体评估。

图 3. 展示马匹小跑的 Stride iPhone 应用程序截图。

这种方法正在帮助 Stride 在马兽医社区中获得关注,特别是在那些乐于将数字工具整合到工作流程中的年轻一代兽医中。通过在熟悉的设备上实时提供客观数据,Stride 有助于减少评估中的变异性,并支持更自信、基于证据的临床决策。

Link to this section马匹步态分析的未来#

Quentin Pleyers 博士现在正在将 Stride 扩展到 Android 平台,目标是让全球的兽医、马匹专业人士、训练师、理疗师、装蹄师和马主都能使用客观的马匹运动分析。通过帮助用户尽早发现运动不对称性,Stride 旨在支持更早的干预、更好的跟踪和尽可能高的马匹福利标准。与学术和临床合作伙伴的持续合作将进一步验证 Stride 在实践中的作用,并探索客观运动分析在马医学中的新应用。

通过将数十年的临床专业知识与尖端的计算机视觉相结合,Stride 代表了技术如何支持而非取代熟练兽医专业眼光的新篇章。

有兴趣构建你自己的 Vision AI 解决方案吗?访问我们的 GitHub 仓库 以探索 Ultralytics YOLO 模型,了解 YOLO 如何推动 AI 在医疗保健领域 等行业的创新,并查看 我们的许可选项 以开始使用。

Our solution to your industry

Real-time AI that works with your team

机器人技术中的 AI

使用 Ultralytics YOLO 模型为智能机器赋能。机器人技术中的视觉 AI 可推动自主导航、感知、物体跟踪和实时控制。

了解更多
Real-time AI that works with your team

物流中的 AI

使用 Ultralytics YOLO 模型简化物流。视觉 AI 可实现包裹检查、分拣、车辆跟踪和实时仓库安全监控。

了解更多
Real-time AI that works with your team

零售业 AI

使用 Ultralytics YOLO 模型重塑零售业。视觉 AI 推动库存跟踪、货架监控、队列管理和更智能的客户洞察。

了解更多
Real-time AI that works with your team

医疗保健中的 AI

利用 Ultralytics YOLO 模型构建医疗保健解决方案。医疗保健中的视觉 AI 可助力更快速的医学影像分析、更智能的诊断和患者监测。

了解更多
Real-time AI that works with your team

制造业中的 AI

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 推动质量控制、缺陷检测、PPE 合规性和装配线自动化。

了解更多
Real-time AI that works with your operation

汽车中的 AI

将计算机视觉应用于汽车行业,并配合 Ultralytics YOLO 模型。汽车视觉 AI 可提升道路安全、辅助驾驶和车辆自动化,打造更智能的道路。

了解更多
Real-time AI tailored to your operation

农业中的 AI

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。赋能作物监测、牲畜追踪和精准农业,实现更高、更智能的产量。

了解更多
Real-time AI that works with your team

机器人技术中的 AI

使用 Ultralytics YOLO 模型为智能机器赋能。机器人技术中的视觉 AI 可推动自主导航、感知、物体跟踪和实时控制。

了解更多
Real-time AI that works with your team

物流中的 AI

使用 Ultralytics YOLO 模型简化物流。视觉 AI 可实现包裹检查、分拣、车辆跟踪和实时仓库安全监控。

了解更多
Real-time AI that works with your team

零售业 AI

使用 Ultralytics YOLO 模型重塑零售业。视觉 AI 推动库存跟踪、货架监控、队列管理和更智能的客户洞察。

了解更多
Real-time AI that works with your team

医疗保健中的 AI

利用 Ultralytics YOLO 模型构建医疗保健解决方案。医疗保健中的视觉 AI 可助力更快速的医学影像分析、更智能的诊断和患者监测。

了解更多
Real-time AI that works with your team

制造业中的 AI

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 推动质量控制、缺陷检测、PPE 合规性和装配线自动化。

了解更多
Real-time AI that works with your operation

汽车中的 AI

将计算机视觉应用于汽车行业,并配合 Ultralytics YOLO 模型。汽车视觉 AI 可提升道路安全、辅助驾驶和车辆自动化,打造更智能的道路。

了解更多
Real-time AI tailored to your operation

农业中的 AI

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。赋能作物监测、牲畜追踪和精准农业,实现更高、更智能的产量。

了解更多
Real-time AI that works with your team

机器人技术中的 AI

使用 Ultralytics YOLO 模型为智能机器赋能。机器人技术中的视觉 AI 可推动自主导航、感知、物体跟踪和实时控制。

了解更多
Real-time AI that works with your team

物流中的 AI

使用 Ultralytics YOLO 模型简化物流。视觉 AI 可实现包裹检查、分拣、车辆跟踪和实时仓库安全监控。

了解更多
Real-time AI that works with your team

零售业 AI

使用 Ultralytics YOLO 模型重塑零售业。视觉 AI 推动库存跟踪、货架监控、队列管理和更智能的客户洞察。

了解更多
Real-time AI that works with your team

医疗保健中的 AI

利用 Ultralytics YOLO 模型构建医疗保健解决方案。医疗保健中的视觉 AI 可助力更快速的医学影像分析、更智能的诊断和患者监测。

了解更多
Real-time AI that works with your team

制造业中的 AI

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 推动质量控制、缺陷检测、PPE 合规性和装配线自动化。

了解更多
Real-time AI that works with your operation

汽车中的 AI

将计算机视觉应用于汽车行业,并配合 Ultralytics YOLO 模型。汽车视觉 AI 可提升道路安全、辅助驾驶和车辆自动化,打造更智能的道路。

了解更多
Real-time AI tailored to your operation

农业中的 AI

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。赋能作物监测、牲畜追踪和精准农业,实现更高、更智能的产量。

了解更多

常见问题解答

  • Ultralytics YOLO 存储库默认在 AGPL-3.0 许可证下分发。这种经 OSI 批准的许可证专为学生、研究人员和爱好者设计,旨在促进开放式协作,并要求任何使用 AGPL-3.0 组件的软件也必须开源。虽然这确保了透明度并促进了创新,但它可能不符合商业用例的需求。

    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,并且你希望绕过 AGPL-3.0 的开源要求,那么 企业许可证 (Enterprise License) 是理想选择。

    企业许可证的优势包括:

    • 商业灵活性: 修改并将 Ultralytics YOLO 源代码和模型嵌入到专有产品中,无需遵守 AGPL-3.0 要求将项目开源。
    • 专有开发: 获得充分的自由来开发和分发包含 Ultralytics YOLO 代码和模型的商业应用程序。

    为确保无缝集成并避免 AGPL-3.0 的约束,请使用提供的表格申请 Ultralytics 企业许可证。我们的团队将协助你根据特定需求量身定制许可证。

  • 你选择的模型取决于你的项目需求,包括性能、精度、部署目标和硬件限制。对于大多数新项目,推荐从 Ultralytics YOLO26 开始,因为它在速度、精度、可导出性和多任务支持方面提供了最新的改进。

    早期 YOLO 模型系列仍可供具有现有工作流或兼容性要求的团队使用。

    如果你是全新开始,请先选择 YOLO26,然后通过基准测试较小或较大的变体,找到适合你部署环境的速度与精度平衡点。

  • Ultralytics YOLO 模型是一个用于目标检测、分割、分类、姿态估计和旋转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,推荐用于大多数新项目。早期 YOLO 版本仍可供具有现有工作流或兼容性要求的团队使用。

  • Ultralytics YOLO 模型是为分析图像和视频中的视觉数据而开发的计算机视觉架构。这些模型可以针对包括目标检测、分类、姿态估计、追踪、实例分割和旋转目标检测在内的多种任务进行训练。

    最新的 Ultralytics YOLO 模型系列是 YOLO26,同时也提供早期 YOLO 版本以适配现有工作流。

让我们一起构建 AI 的未来!

开启你的机器学习未来之旅