Ultralytics YOLO27:
获取 YOLO 许可
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,并在 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
约 1 分钟
在 iPhone 上完成完整的步态分析
约 10 ms
在设备端逐帧推理,无需互联网或专用硬件

Stride 借助 Ultralytics YOLO,将简单的智能手机视频快速转化为设备端马匹运动分析,无需联网或专用硬件。

随着 AI 持续支持兽医评估和临床决策,对能在真实场地条件下运行的客观、易用工具的需求也在不断增长。

Quentin Pleyers 医生开发了 iOS 应用 Stride,利用计算机视觉对马匹进行客观步态分析,帮助兽医和马术专业人士直接根据视频录像评估运动不对称情况。通过集成 Ultralytics YOLO 模型,Stride 可以在一分钟内随时随地采集马匹的客观运动数据,无需依赖云连接或专用硬件。

将科学与技术结合,为马术专业人士提供支持#

Quentin Pleyers 医生是一名马兽医,常驻瑞典南部,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,该项目与列日大学、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开展了学术和临床合作。这些合作聚焦于验证研究、临床研究和未来应用,而这款应用本身由 Quentin Pleyers 医生创建并开发。

在实地进行客观跛行评估的挑战#

跛行是马兽医最常见、也最难处理的问题之一。传统上,跛行评估依赖兽医经过训练的观察力,评估结果会因从业者而异;遇到轻微跛行或多肢跛行病例时,评估尤其困难。

目前已有客观评估工具,包括压力板和 IMU 传感器,但这些工具往往需要专用硬件、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;在带宽通常有限的实地环境中,这一过程可能需要 10 到 15 分钟。

当时缺少的是一种能够快速提供客观运动数据的工具,而且它要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。

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

为实现这一目标,Quentin Pleyers 医生开发了 Stride,采用经过姿态估计训练的 Ultralytics YOLO26 模型,将模型导出为 Core ML 格式,并原生部署在 iOS 上。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、鬐甲和骨盆等部位的垂直位移,以量化运动不对称情况。

图 1. Stride 应用截图,展示一匹正在小跑的马。

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

Stride 使用数千张经过人工标注的马匹图像进行训练,这些图像涵盖多种品种、毛色、光照条件和背景。训练流程通过 Ultralytics Platform 得到简化,Quentin Pleyers 医生借助该平台开发、迭代和改进了如今为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 提供了恰到好处的性能、灵活性和易用性,帮助他将想法从原型变为生产级应用。

图 2. Stride 与 Ultralytics YOLO 的性能指标。

在尝试多种计算机视觉框架后,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,又足够轻量高效,可在移动设备上流畅运行。模型能够轻松导出为 Core ML 格式并原生部署在 iOS 上,这对打造完全离线、适用于实地工作的 Stride 至关重要。

为马匹提供更客观、更一致的兽医护理#

Stride 并非旨在取代兽医的临床判断,这一点很重要。该应用不会诊断跛行,而是客观测量马匹垂直运动的不对称性,为兽医和马术专业人士提供一项可靠的数据,辅助他们进行整体评估。

图 3. Stride iPhone 应用的截图,展示了一匹正在快步行走的马。

这种方法正帮助 Stride 在马兽医群体中逐渐获得认可,尤其受到新一代兽医的欢迎,他们乐于将数字工具融入工作流程。Stride 可在熟悉的设备上实时提供客观数据,有助于减少评估差异,并支持兽医做出更有把握、以证据为依据的临床决策。

马匹步态分析的未来#

Quentin Pleyers 博士目前正将 Stride 拓展至 Android,目标是让全球兽医、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 希望帮助用户尽早发现运动不对称,从而支持更早干预、更好的后续跟进,并尽可能达到最高的马匹福利标准。Stride 将继续与学术界和临床合作伙伴协作,进一步验证其在实践中的作用,并探索客观运动分析在马医学中的新应用。

Stride 将数十年的临床专业知识与尖端计算机视觉相结合,开启了技术支持专业兽医敏锐观察力、而非取而代之的新篇章。

想打造自己的视觉 AI 解决方案吗?访问我们的 GitHub 代码仓库,探索 Ultralytics YOLO 模型,了解 YOLO 如何推动包括 医疗保健领域的 AI 在内的各行业创新,并查看我们的许可选项,开始着手实践。

ABAbirami Vina

Our solution to your industry

体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

借助 Ultralytics YOLO,将无人机和航空影像转化为实时洞察,应用于农业、水产养殖、环境监测、自然保护和地理空间分析。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 应用于航空监测。借助计算机视觉解决方案,赋能无人机、航空航天工作流、环境保护和地理空间行业。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情
体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

借助 Ultralytics YOLO,将无人机和航空影像转化为实时洞察,应用于农业、水产养殖、环境监测、自然保护和地理空间分析。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 应用于航空监测。借助计算机视觉解决方案,赋能无人机、航空航天工作流、环境保护和地理空间行业。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情
体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

借助 Ultralytics YOLO,将无人机和航空影像转化为实时洞察,应用于农业、水产养殖、环境监测、自然保护和地理空间分析。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 应用于航空监测。借助计算机视觉解决方案,赋能无人机、航空航天工作流、环境保护和地理空间行业。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

常见问题

  • Ultralytics YOLO 代码仓库默认采用 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,旨在促进开放协作,并要求任何使用 AGPL-3.0 组件的软件也必须开源。这有助于确保透明度并推动创新,但可能不适用于商业场景。

    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,并且希望不受 AGPL-3.0 开源要求的约束,那么 企业许可证 是理想选择。

    企业许可证的优势包括:

    • 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 要求的项目开源规定。
    • 专有软件开发:完全自由地开发和分发包含 Ultralytics YOLO 代码和模型的商业应用。

    为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 企业许可证。我们的团队会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,仍可使用早期 YOLO 模型系列。

    如果你是从头开始,请先选择 YOLO26,然后对尺寸更小或更大的版本进行基准测试,找到最适合部署环境的速度和准确率平衡点。

  • Ultralytics YOLO 模型是一系列计算机视觉模型,可用于目标检测、分割、分类、姿态估计和有向目标检测等任务。YOLO26 是最新的稳定版本,建议大多数新项目使用。对于已有工作流或兼容性要求的团队,仍可使用早期 YOLO 版本。

  • Ultralytics YOLO 模型是用于分析图像和视频等视觉数据的计算机视觉架构。这些模型可以针对目标检测、分类、姿态估计、跟踪、实例分割和有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。

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来