التحليلات باستخدام Ultralytics YOLO26

مقدمة

يقدم هذا الدليل نظرة عامة شاملة على ثلاثة أنواع أساسية من تصورات البيانات: الرسوم البيانية الخطية والمخططات الشريطية والمخططات الدائرية. يتضمن كل قسم إرشادات خطوة بخطوة ومقتطفات التعليمات البرمجية حول كيفية إنشاء هذه التصورات باستخدام Python.

شاهد: كيفية إنشاء رسوم بيانية تحليلية باستخدام Ultralytics | الرسوم البيانية الخطية والمخططات الشريطية والمساحية والدائرية

عينات مرئية

الرسم البياني الخطي	مخطط شريطي	مخطط دائري

لماذا الرسوم البيانية مهمة؟

• تعتبر الرسوم البيانية الخطية مثالية لتتبع التغييرات على مدى فترات قصيرة وطويلة ولمقارنة التغييرات لعدة مجموعات خلال نفس الفترة.
• من ناحية أخرى، تعتبر المخططات الشريطية مناسبة لمقارنة الكميات عبر فئات مختلفة وإظهار العلاقات بين الفئة وقيمتها العددية.
• أخيرًا، تعد المخططات الدائرية فعالة لتوضيح النسب بين الفئات وإظهار أجزاء من الكل.

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

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
out = cv2.VideoWriter(
    "analytics_output.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

# Initialize analytics object
analytics = solutions.Analytics(
    show=True,  # display the output
    analytics_type="line",  # pass the analytics type, could be "pie", "bar" or "area".
    model="yolo26n.pt",  # path to the YOLO26 model file
    # classes=[0, 2],  # display analytics for specific detection classes
)

# Process video
frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame

        # print(results)  # access the output

        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()  # destroy all opened windows

Analytics الوسائط

إليك جدول يوضح وسيطات التحليلات:

يمكنك أيضًا الاستفادة من مختلف track الوسائط في Analytics الحل.

بالإضافة إلى ذلك، يتم دعم وسائط العرض المرئي التالية:

الخلاصة

يُعد فهم متى وكيفية استخدام أنواع مختلفة من التصورات أمرًا بالغ الأهمية لتحليل البيانات الفعال. تُعد الرسوم البيانية الخطية والرسوم البيانية الشريطية والرسوم البيانية الدائرية أدوات أساسية يمكن أن تساعدك في نقل قصة بياناتك بشكل أكثر وضوحًا وفعالية. يوفر حل تحليلات Ultralytics YOLO26 طريقة مبسطة لإنشاء هذه التصورات من نتائج detect الكائنات و trackها، مما يسهل استخلاص رؤى ذات معنى من بياناتك المرئية.

الأسئلة الشائعة

كيف أقوم بإنشاء رسم بياني خطي باستخدام تحليلات Ultralytics YOLO26؟

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

1. قم بتحميل نموذج YOLO26 وافتح ملف الفيديو الخاص بك.
2. تهيئة Analytics فئة مع تعيين النوع إلى "line".
3. كرر عرض إطارات الفيديو، وقم بتحديث الرسم البياني الخطي بالبيانات ذات الصلة، مثل عدد الكائنات لكل إطار.
4. احفظ الفيديو الناتج الذي يعرض الرسم البياني الخطي.

مثال:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="line",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

لمزيد من التفاصيل حول تكوين Analytics class، قم بزيارة التحليلات باستخدام Ultralytics YOLO26 القسم.

ما هي فوائد استخدام Ultralytics YOLO26 لإنشاء الرسوم البيانية الشريطية؟

استخدام Ultralytics YOLO26 لإنشاء الرسوم البيانية الشريطية يقدم العديد من الفوائد:

1. تصور البيانات في الوقت الفعلي: دمج نتائج اكتشاف الكائنات بسلاسة في مخططات شريطية للحصول على تحديثات ديناميكية.
2. سهولة الاستخدام: واجهة برمجة تطبيقات ووظائف بسيطة تجعل تنفيذ البيانات وتصورها أمرًا سهلاً.
3. التخصيص: خصص العناوين والتسميات والألوان والمزيد لتناسب متطلباتك الخاصة.
4. الكفاءة: التعامل بكفاءة مع كميات كبيرة من البيانات وتحديث المخططات في الوقت الفعلي أثناء معالجة الفيديو.

استخدم المثال التالي لإنشاء مخطط شريطي:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="bar",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

لمعرفة المزيد، قم بزيارة قسم المخطط الشريطي في الدليل.

لماذا يجب علي استخدام Ultralytics YOLO26 لإنشاء الرسوم البيانية الدائرية في مشاريع تصور البيانات الخاصة بي؟

يُعد Ultralytics YOLO26 خيارًا ممتازًا لإنشاء الرسوم البيانية الدائرية لأنه:

1. التكامل مع الكشف عن الكائنات: دمج نتائج الكشف عن الكائنات مباشرة في الرسوم البيانية الدائرية للحصول على رؤى فورية.
2. واجهة برمجة تطبيقات سهلة الاستخدام: سهلة الإعداد والاستخدام بأقل قدر من التعليمات البرمجية.
3. قابل للتخصيص: خيارات تخصيص متنوعة للألوان والتسميات والمزيد.
4. تحديثات في الوقت الفعلي: تعامل مع البيانات وقم بتصورها في الوقت الفعلي، وهو مثالي لمشاريع تحليل الفيديو.

إليك مثال سريع:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="pie",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

لمزيد من المعلومات، راجع قسم المخطط الدائري في الدليل.

هل يمكن استخدام Ultralytics YOLO26 لـ track الكائنات وتحديث التصورات ديناميكيًا؟

نعم، يمكن استخدام Ultralytics YOLO26 لتتبع الكائنات وتحديث التصورات ديناميكيًا. يدعم تتبع كائنات متعددة في الوقت الفعلي ويمكنه تحديث تصورات متنوعة مثل الرسوم البيانية الخطية، والرسوم البيانية الشريطية، والرسوم البيانية الدائرية بناءً على بيانات الكائنات المتتبعة.

مثال لتتبع وتحديث الرسم البياني الخطي:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter(
    "ultralytics_analytics.avi",
    cv2.VideoWriter_fourcc(*"MJPG"),
    fps,
    (1280, 720),  # this is fixed
)

analytics = solutions.Analytics(
    analytics_type="line",
    show=True,
)

frame_count = 0
while cap.isOpened():
    success, im0 = cap.read()
    if success:
        frame_count += 1
        results = analytics(im0, frame_count)  # update analytics graph every frame
        out.write(results.plot_im)  # write the video file
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

لمعرفة المزيد حول الوظائف الكاملة، راجع قسم التتبع.

ما الذي يميز Ultralytics YOLO26 عن حلول اكتشاف الكائنات الأخرى مثل OpenCV وTensorFlow؟

يتميز Ultralytics YOLO26 عن حلول اكتشاف الكائنات الأخرى مثل OpenCV وTensorFlow لعدة أسباب:

1. دقة متطورة: يوفر YOLO26 دقة فائقة في مهام اكتشاف الكائنات، وsegmentation، والتصنيف.
2. سهولة الاستخدام: تتيح واجهة برمجة التطبيقات سهلة الاستخدام التنفيذ والتكامل السريع دون الحاجة إلى ترميز مكثف.
3. أداء في الوقت الفعلي: مُحسَّن للاستدلال عالي السرعة، ومناسب للتطبيقات في الوقت الفعلي.
4. تطبيقات متنوعة: يدعم مهام مختلفة بما في ذلك تتبع الكائنات المتعددة وتدريب النماذج المخصصة والتصدير إلى تنسيقات مختلفة مثل ONNX و TensorRT و CoreML.
5. وثائق شاملة: وثائق واسعة النطاق و مصادر مدونة لإرشاد المستخدمين خلال كل خطوة.

لمزيد من المقارنات التفصيلية وحالات الاستخدام، استكشف مدونة Ultralytics الخاصة بنا.

📅 تم الإنشاء قبل 1 عام ✏️ تم التحديث قبل 2 أيام

تعليقات