رؤية YOLO 2026:

التحليلات باستخدام Ultralytics YOLO26#

التحليلات باستخدام Ultralytics YOLO26 تحول نتائج object detection والتتبع إلى رسوم بيانية في الوقت الفعلي، بحيث يمكنك مراقبة كيفية تغير عدادات الكائنات عبر إطار فيديو تلو الآخر. يغطي هذا الدليل أربعة أنواع من data visualization — الرسوم البيانية الخطية، والرسوم البيانية الشريطية، والرسوم البيانية الدائرية، ورسوم المساحة — ويوضح كيفية التبديل بينها باستخدام أمثلة مشتركة لـ Python وCLI.



Watch: How to generate Analytical Graphs using Ultralytics | Line Graphs, Bar Plots, Area and Pie Charts

نماذج مرئية#

رسم بياني خطيرسم بياني شريطيمخطط دائري
YOLO analytics line graph for object trackingYOLO analytics bar plot for detection countsYOLO analytics pie chart for class distribution

لماذا نقوم بتصور بيانات الكشف؟#

  • الرسوم البيانية الخطية مثالية لتتبع التغيرات عبر فترات قصيرة وطويلة، وللمقارنة بين التغيرات في مجموعات متعددة خلال نفس الفترة.
  • المخططات الشريطية مناسبة لمقارنة الكميات عبر فئات مختلفة وإظهار العلاقات بين فئة ما وقيمتها الرقمية.
  • المخططات الدائرية فعالة لتوضيح النسب بين الفئات وإظهار أجزاء من الكل.
  • مخططات المساحة تملأ الرسم البياني الخطي بحيث يسهل قراءة أعداد الكائنات لكل فئة بمرور الوقت بلمحة سريعة.

توليد رسوم بيانية للتحليلات#

مرر الفيديو الخاص بك إلى حل Analytics وحدد رسماً بيانياً باستخدام analytics_type. يقوم الحل بتشغيل الاكتشاف والتتبع على كل إطار ويعرض رسماً بيانياً بدقة 1280×720 (افتراضياً) يمكنك كتابته مباشرة إلى فيديو مخرج. التبديل بين "line" و "bar" و "pie" و "area" باستخدام وسيطة واحدة.

التحليلات باستخدام Ultralytics YOLO
yolo solutions analytics show=True

# Pass the source
yolo solutions analytics source="path/to/video.mp4"

# Generate the pie chart
yolo solutions analytics analytics_type="pie" show=True

# Generate the bar plots
yolo solutions analytics analytics_type="bar" show=True

# Generate the area plots
yolo solutions analytics analytics_type="area" show=True

وسائط Analytics#

فيما يلي جدول يوضح وسائط Analytics:

الوسيطالنوعالافتراضيالوصف
modelstrNoneالمسار إلى ملف نموذج Ultralytics YOLO.
analytics_typestr'line'نوع الرسم البياني، أي line، أو bar، أو area، أو pie.
line_widthint2سمك الخط للمربعات والنقاط الرئيسية والعدادات التي ترسمها الحلول.
verboseboolTrueيمكّن سجل الحلول لكل إطار لشكل الإدخال، وعدد الفئات، وسرعة المعالجة. استدعاء التتبع بحد ذاته صامت دائماً.

يمكنك أيضاً الاستفادة من وسيطات track المختلفة في حل Analytics.

الوسيطالنوعالافتراضيالوصف
trackerstr'botsort.yaml'يحدد خوارزمية التتبع المراد استخدامها. الخيارات المضمنة: botsort.yaml، وbytetrack.yaml، وocsort.yaml، وdeepocsort.yaml، وfasttrack.yaml، وtracktrack.yaml.
conffloat0.25يضبط عتبة الثقة للاكتشافات؛ تسمح القيم المنخفضة بتتبع المزيد من الكائنات ولكنها قد تتضمن إيجابيات كاذبة.
ioufloat0.7يحدد عتبة Intersection over Union (IoU) لتصفية عمليات الكشف المتداخلة.
classeslistNoneيقوم بتصفية النتائج حسب الفهرس الفئة. على سبيل المثال، يقوم classes=[0, 2, 3] بتتبع الفئات المحددة فقط.
devicestrNoneيحدد الجهاز للاستدلال (مثل cpu أو cuda:0 أو 0). يسمح للمستخدمين بالاختيار بين وحدة المعالجة المركزية (CPU)، أو وحدة معالجة رسومية (GPU) محددة، أو أجهزة الحوسبة الأخرى لتنفيذ النموذج.

بالإضافة إلى ذلك، يتم دعم وسائط التصور التالية:

الوسيطالنوعالافتراضيالوصف
showboolFalseإذا كان True، يعرض الصور أو الفيديوهات المشروحة في نافذة. مفيد للحصول على ملاحظات مرئية فورية أثناء التطوير أو الاختبار.

الخلاصة#

إن فهم متى وكيف يتم استخدام أنواع مختلفة من التصورات أمر بالغ الأهمية لتحليل البيانات بشكل فعال. تعتبر الرسوم البيانية الخطية، والأشرطة، والرسوم الدائرية أدوات أساسية يمكن أن تساعدك في سرد قصة بياناتك بشكل أكثر وضوحاً وفعالية. يوفر حل Ultralytics YOLO26 Analytics طريقة مبسطة لتوليد هذه التصورات من نتائج object detection والتتبع، مما يسهل استخلاص رؤى ذات مغزى من بياناتك المرئية.

الأسئلة الشائعة#

  • لإنشاء رسم بياني خطي باستخدام Ultralytics YOLO26 Analytics، اتبع الخطوات التالية:

    1. قم بتحميل نموذج YOLO26 وافتح ملف الفيديو الخاص بك.
    2. قم بتمهيد فئة Analytics باستخدام analytics_type="line".
    3. قم بالتكرار عبر إطارات الفيديو، واستدعاء الحل في كل إطار لتحديث الرسم البياني الخطي ببيانات مثل أعداد الكائنات.
    4. اكتب results.plot_im في فيديو مخرج لحفظ الرسم البياني.

    استخدم مثال Python أعلاه نقطة بداية — فهو يشغل بالفعل حلقة الإطار الكاملة، والرسوم البيانية الخطية هي analytics_type الافتراضية.

  • يوفر استخدام Ultralytics YOLO26 لإنشاء رسوم بيانية شريطية العديد من الفوائد:

    1. تصور البيانات في الوقت الفعلي: دمج نتائج object detection بسلاسة في الرسوم البيانية الشريطية للحصول على تحديثات ديناميكية.
    2. سهولة الاستخدام: تجعل واجهة برمجة التطبيقات (API) والوظائف البسيطة من السهل تنفيذ البيانات وتصورها.
    3. التخصيص: تخصيص العناوين، والتسميات، والألوان، والمزيد لتناسب متطلباتك المحددة.
    4. الكفاءة: معالجة كميات كبيرة من البيانات بكفاءة وتحديث المخططات في الوقت الفعلي أثناء معالجة الفيديو.

    لتوليد رسم بياني شريطي، قم بتعيين analytics_type="bar" في مثال Python أعلاه — بقية حلقة الإطار متطابقة. راجع قسم Visual Samples للحصول على معاينة.

  • يعد Ultralytics YOLO26 خياراً ممتازاً لإنشاء مخططات دائرية للأسباب التالية:

    1. التكامل مع اكتشاف الكائنات: دمج نتائج اكتشاف الكائنات مباشرة في المخططات الدائرية للحصول على رؤى فورية.
    2. واجهة برمجة تطبيقات سهلة الاستخدام: بسيطة الإعداد والاستخدام مع الحد الأدنى من الكود.
    3. قابلة للتخصيص: خيارات تخصيص متنوعة للألوان، والتسميات، والمزيد.
    4. تحديثات في الوقت الفعلي: معالجة البيانات وتصورها في الوقت الفعلي، وهو أمر مثالي لمشاريع تحليلات الفيديو.

    لتوليد مخطط دائري، قم بتعيين analytics_type="pie" في مثال Python أعلاه. لمزيد من المعلومات، راجع قسم Visual Samples في الدليل.

  • نعم. التتبع مدمج في حل Analytics: فهو يتتبع كائنات متعددة في الوقت الفعلي ويحدث الرسم البياني من بيانات الكائنات المتتبعة في كل إطار، بحيث تعكس الرسوم البيانية الخطية، والشريطية، والدائرية، ومخططات المساحة عدادات مباشرة. هذا هو بالضبط ما تقوم به حلقة الإطار في مثال Python أعلاه. للتعرف على وظائف التتبع الأساسية، راجع قسم Tracking.

  • يتميز Ultralytics YOLO26 عن حلول اكتشاف الكائنات الأخرى مثل OpenCV وTensorFlow لأسباب متعددة:

    1. أحدث Accuracy: يوفر YOLO26 دقة فائقة في مهام object detection و instance segmentation و semantic segmentation و classification.
    2. سهولة الاستخدام: تسمح واجهة برمجة التطبيقات سهلة الاستخدام بالتنفيذ والتكامل السريع دون الحاجة إلى برمجة مكثفة.
    3. الأداء في الوقت الفعلي: مُحسَّن للاستدلال عالي السرعة، ومناسب للتطبيقات في الوقت الفعلي.
    4. تبيقات متنوعة: يدعم تتبع الكائنات المتعددة، وتدريب النماذج المخصصة، والتصدير إلى تنسيقات مختلفة مثل ONNX وTensorRT وCoreML.
    5. توثيق شامل: documentation واسعة و blog resources لإرشاد المستخدمين خلال كل خطوة.

    لمزيد من المقارنات المفصلة وحالات الاستخدام، استكشف Ultralytics Blog.

المساهمون
GLglenn-jocher11RIRizwanMunawar9RAraimbekovm5MAMatthewNoyce2LAlakshanthad1IVIvorZhu3311

التعليقات