Advanced Data Visualization: Heatmaps using Ultralytics YOLO26 🚀

مقدمة إلى الخرائط الحرارية

تعمل الخريطة الحرارية التي تم إنشاؤها باستخدام Ultralytics YOLO26 على تحويل البيانات المعقدة إلى مصفوفة نابضة بالحياة ومشفرة بالألوان. توظف هذه الأداة المرئية طيفاً من الألوان لتمثيل قيم البيانات المختلفة، حيث تشير الدرجات اللونية الأكثر دفئاً إلى كثافة أعلى، بينما تشير الدرجات الباردة إلى قيم أقل. تتفوق الخرائط الحرارية في تصور أنماط البيانات المعقدة والعلاقات الارتباطية والشذوذ، مما يوفر نهجاً يسهل الوصول إليه وتفاعلياً لتفسير البيانات عبر مجالات متنوعة.

لماذا تختار الخرائط الحرارية لتحليل البيانات؟

• تصور حدسي لتوزيع البيانات: تعمل الخرائط الحرارية على تبسيط فهم تركيز البيانات وتوزيعها، حيث تحول مجموعات البيانات المعقدة إلى تنسيقات مرئية سهلة الفهم.
• كشف فعال للأنماط: من خلال تصور البيانات في تنسيق الخريطة الحرارية، يصبح من الأسهل تحديد الاتجاهات والتجمعات والقيم المتطرفة، مما يسهل التحليل السريع واستخلاص الرؤى.
• تحليل مكاني واتخاذ قرار معزز: تعتبر الخرائط الحرارية مفيدة في توضيح العلاقات المكانية، مما يساعد في عمليات صنع القرار في قطاعات مثل ذكاء الأعمال، والدراسات البيئية، والتخطيط الحضري.

تطبيقات العالم الحقيقي

النقل	تجزئة التجزئة
خريطة حرارية للنقل باستخدام Ultralytics YOLO26	خريطة حرارية لتجارة التجزئة باستخدام Ultralytics YOLO26

# Run a heatmap example
yolo solutions heatmap show=True

# Pass a source video
yolo solutions heatmap source="path/to/video.mp4"

# Pass a custom colormap
yolo solutions heatmap colormap=cv2.COLORMAP_INFERNO

# Heatmaps + object counting
yolo solutions heatmap region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"

وسائط Heatmap()

فيما يلي جدول يتضمن وسائط Heatmap:

يمكنك أيضاً تطبيق وسائط track مختلفة في حل Heatmap.

بالإضافة إلى ذلك، تم إدراج وسائط التصور المدعومة أدناه:

خرائط ألوان الخرائط الحرارية (COLORMAPs)

تُستخدم خرائط الألوان هذه بشكل شائع لتصور البيانات بتمثيلات لونية مختلفة.

كيف تعمل الخرائط الحرارية في Ultralytics YOLO26

يوسع حل الخريطة الحرارية في Ultralytics YOLO26 فئة ObjectCounter لإنشاء وتصور أنماط الحركة في تدفقات الفيديو. عند التهيئة، ينشئ الحل طبقة خريطة حرارية فارغة يتم تحديثها مع تحرك الكائنات عبر الإطار.

لكل كائن مكتشف، يقوم الحل بما يلي:

1. يتتبع الكائن عبر الإطارات باستخدام قدرات التتبع في YOLO26
2. يحدث كثافة الخريطة الحرارية في موقع الكائن
3. يطبق خريطة ألوان مختارة لتصور قيم الكثافة
4. يضع الخريطة الحرارية الملونة فوق الإطار الأصلي

النتيجة هي تصور ديناميكي يتراكم بمرور الوقت، مما يكشف عن أنماط حركة المرور، أو حركات الحشود، أو غيرها من السلوكيات المكانية في بيانات الفيديو الخاصة بك.

الأسئلة الشائعة

كيف يقوم Ultralytics YOLO26 بإنشاء خرائط حرارية وما هي فوائدها؟

يقوم Ultralytics YOLO26 بإنشاء خرائط حرارية عن طريق تحويل البيانات المعقدة إلى مصفوفة مشفرة بالألوان حيث تمثل الدرجات اللونية المختلفة كثافة البيانات. تجعل الخرائط الحرارية من السهل تصور الأنماط والعلاقات الارتباطية والشذوذ في البيانات. تشير الدرجات الأكثر دفئاً إلى قيم أعلى، بينما تمثل الدرجات الباردة قيماً أقل. تشمل الفوائد الرئيسية التصور الحدسي لتوزيع البيانات، والكشف الفعال عن الأنماط، والتحليل المكاني المعزز لاتخاذ القرار. لمزيد من التفاصيل وخيارات التكوين، ارجع إلى قسم تكوين الخريطة الحرارية.

هل يمكنني استخدام Ultralytics YOLO26 لإجراء تتبع للكائنات وإنشاء خريطة حرارية في وقت واحد؟

نعم، يدعم Ultralytics YOLO26 تتبع الكائنات وإنشاء الخرائط الحرارية بشكل متزامن. يمكن تحقيق ذلك من خلال حل Heatmap المدمج مع نماذج تتبع الكائنات. للقيام بذلك، تحتاج إلى تهيئة كائن الخريطة الحرارية واستخدام قدرات التتبع الخاصة بـ YOLO26. إليك مثال بسيط:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(colormap=cv2.COLORMAP_PARULA, show=True, model="yolo26n.pt")

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = heatmap(im0)
cap.release()
cv2.destroyAllWindows()

لمزيد من التوجيه، راجع صفحة وضع التتبع.

ما الذي يجعل خرائط Ultralytics YOLO26 الحرارية مختلفة عن أدوات تصور البيانات الأخرى مثل تلك الموجودة في OpenCV أو Matplotlib؟

صُممت خرائط Ultralytics YOLO26 الحرارية خصيصاً للتكامل مع نماذج كشف الكائنات والتتبع الخاصة بها، مما يوفر حلاً متكاملاً لتحليل البيانات في الوقت الفعلي. بخلاف أدوات التصور العامة مثل OpenCV أو Matplotlib، تم تحسين خرائط YOLO26 الحرارية للأداء والمعالجة الآلية، مما يدعم ميزات مثل التتبع المستمر، وتعديل عامل التضاؤل، وتراكب الفيديو في الوقت الفعلي. لمزيد من المعلومات حول ميزات YOLO26 الفريدة، قم بزيارة مقدمة Ultralytics YOLO26.

كيف يمكنني تصور فئات كائنات محددة فقط في الخرائط الحرارية باستخدام Ultralytics YOLO26؟

يمكنك تصور فئات كائنات محددة عن طريق تحديد الفئات المطلوبة في طريقة track() لنموذج YOLO. على سبيل المثال، إذا كنت تريد فقط تصور السيارات والأشخاص (بافتراض أن مؤشرات فئاتها هي 0 و2)، يمكنك ضبط المعامل classes وفقاً لذلك.

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
heatmap = solutions.Heatmap(show=True, model="yolo26n.pt", classes=[0, 2])

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = heatmap(im0)
cap.release()
cv2.destroyAllWindows()

لماذا يجب على الشركات اختيار Ultralytics YOLO26 لإنشاء الخرائط الحرارية في تحليل البيانات؟

يوفر Ultralytics YOLO26 تكاملاً سلساً لكشف الكائنات المتقدم وإنشاء الخرائط الحرارية في الوقت الفعلي، مما يجعله خياراً مثالياً للشركات التي تتطلع إلى تصور البيانات بشكل أكثر فعالية. تشمل المزايا الرئيسية التصور الحدسي لتوزيع البيانات، والكشف الفعال عن الأنماط، والتحليل المكاني المعزز لاتخاذ قرارات أفضل. بالإضافة إلى ذلك، تجعل ميزات YOLO26 المتطورة مثل التتبع المستمر، وخرائط الألوان القابلة للتخصيص، ودعم تنسيقات التصدير المختلفة منه متفوقاً على أدوات أخرى مثل TensorFlow وOpenCV للتحليل الشامل للبيانات. تعرف على المزيد حول تطبيقات الأعمال في خطط Ultralytics.