تجزئة المثيلات والتتبع باستخدام Ultralytics YOLO26 🚀

ما هي تجزئة المثيلات؟

تجزئة المثيلات هي مهمة رؤية حاسوبية تتضمن تحديد وتخطيط الكائنات الفردية في صورة على مستوى البكسل. على عكس التجزئة الدلالية التي تصنف البكسلات حسب الفئة فقط، تقوم تجزئة المثيلات بتسمية كل مثيل كائن بشكل فريد وتحديده بدقة، مما يجعلها بالغة الأهمية للتطبيقات التي تتطلب فهماً مكانياً مفصلاً مثل التصوير الطبي، والقيادة الذاتية، والأتمتة الصناعية.

توفر Ultralytics YOLO26 قدرات قوية لتجزئة المثيلات التي تتيح الكشف الدقيق عن حدود الكائنات مع الحفاظ على السرعة والكفاءة التي تشتهر بها نماذج YOLO.

هناك نوعان من تتبع تجزئة المثيلات متاحان في حزمة Ultralytics:

• تجزئة المثيلات مع كائنات الفئة: يتم تعيين لون فريد لكل كائن من فئة معينة من أجل فصل بصري واضح.

• تجزئة المثيلات مع تتبع الكائنات: يتم تمثيل كل مسار بلون مميز، مما يسهل التعرف عليه وتتبعه عبر إطارات الفيديو.

عينات

تجزئة النماذج	تجزئة المثيلات + تتبع الكائنات
تجزئة المثيلات من Ultralytics 😍	تجزئة المثيلات من Ultralytics مع تتبع الكائنات 🔥

# Instance segmentation using Ultralytics YOLO26
yolo solutions isegment show=True

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

# Monitor the specific classes
yolo solutions isegment classes="[0, 5]"

وسائط InstanceSegmentation

إليك جدول يحتوي على وسائط InstanceSegmentation:

يمكنك أيضاً الاستفادة من وسائط track ضمن حل InstanceSegmentation:

علاوة على ذلك، تتوفر معاملات التصور التالية:

تطبيقات تجزئة المثيلات

تحتوي تجزئة المثيلات باستخدام YOLO26 على العديد من التطبيقات الواقعية عبر مختلف الصناعات:

إدارة النفايات وإعادة التدوير

يمكن استخدام YOLO26 في مرافق إدارة النفايات لتحديد وتصنيف أنواع مختلفة من المواد. يمكن للنموذج تجزئة النفايات البلاستيكية، والكرتون، والمعادن، وغيرها من المواد القابلة لإعادة التدوير بدقة عالية، مما يمكن أنظمة الفرز الآلي من معالجة النفايات بكفاءة أكبر. هذا أمر ذو قيمة خاصة بالنظر إلى أن حوالي 10% فقط من 7 مليارات طن من النفايات البلاستيكية المتولدة عالمياً يتم إعادة تدويرها.

المركبات ذاتية القيادة

في السيارات ذاتية القيادة، تساعد تجزئة المثيلات في تحديد وتتبع المشاة، والمركبات، وعلامات المرور، وعناصر الطريق الأخرى على مستوى البكسل. هذا الفهم الدقيق للبيئة أمر بالغ الأهمية لقرارات الملاحة والسلامة. أداء YOLO26 في الوقت الفعلي يجعله مثالياً لهذه التطبيقات الحساسة للوقت.

التصوير الطبي

يمكن لتجزئة المثيلات تحديد وتخطيط الأورام، أو الأعضاء، أو الهياكل الخلوية في الفحوصات الطبية. قدرة YOLO26 على تحديد حدود الكائنات بدقة تجعله قيماً لـ التشخيص الطبي وتخطيط العلاج.

مراقبة مواقع البناء

في مواقع البناء، يمكن لتجزئة المثيلات تتبع الآلات الثقيلة، والعمال، والمواد. يساعد هذا في ضمان السلامة من خلال مراقبة مواقع المعدات واكتشاف متى يدخل العمال إلى مناطق خطرة، بينما يعمل أيضاً على تحسين سير العمل وتخصيص الموارد.

ملاحظة

لأي استفسارات، لا تتردد في نشر أسئلتك في قسم مشكلات Ultralytics أو قسم المناقشة المذكور أدناه.

الأسئلة الشائعة

كيف أقوم بتنفيذ تجزئة المثيلات باستخدام Ultralytics YOLO26؟

لتنفيذ تجزئة المثيلات باستخدام Ultralytics YOLO26، قم بتهيئة نموذج YOLO بإصدار تجزئة من YOLO26 وقم بمعالجة إطارات الفيديو من خلاله. إليك مثال برمجي مبسط:

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))
video_writer = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init InstanceSegmentation
isegment = solutions.InstanceSegmentation(
    show=True,  # display the output
    model="yolo26n-seg.pt",  # model="yolo26n-seg.pt" for object segmentation using YOLO26.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = isegment(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

تعرف على المزيد حول تجزئة المثيلات في دليل Ultralytics YOLO26.

ما الفرق بين تجزئة المثيلات وتتبع الكائنات في Ultralytics YOLO26؟

تحدد تجزئة المثيلات وتخطط الكائنات الفردية داخل صورة، مما يمنح كل كائن تسمية وقناعاً فريداً. يوسع تتبع الكائنات ذلك من خلال تعيين معرفات متسقة للكائنات عبر إطارات الفيديو، مما يسهل التتبع المستمر لنفس الكائنات بمرور الوقت. عند دمجهما، كما في تطبيق YOLO26، تحصل على قدرات قوية لتحليل حركة الكائنات وسلوكها في مقاطع الفيديو مع الحفاظ على معلومات دقيقة للحدود.

لماذا يجب أن أستخدم Ultralytics YOLO26 لتجزئة المثيلات والتتبع بدلاً من نماذج أخرى مثل Mask R-CNN أو Faster R-CNN؟

يوفر Ultralytics YOLO26 أداءً في الوقت الفعلي، ودقة فائقة، وسهولة في الاستخدام مقارنة بنماذج أخرى مثل Mask R-CNN أو Faster R-CNN. يعالج YOLO26 الصور في تمريرة واحدة (كشف أحادي المرحلة)، مما يجعله أسرع بشكل ملحوظ مع الحفاظ على دقة عالية. كما يوفر تكاملاً سلساً مع منصة Ultralytics، مما يتيح للمستخدمين إدارة النماذج، ومجموعات البيانات، وخطوط أنابيب التدريب بكفاءة. للتطبيقات التي تتطلب السرعة والدقة معاً، يوفر YOLO26 توازناً مثالياً.

هل هناك أي مجموعات بيانات توفرها Ultralytics مناسبة لتدريب نماذج YOLO26 لتجزئة المثيلات والتتبع؟

نعم، توفر Ultralytics العديد من مجموعات البيانات المناسبة لتدريب نماذج YOLO26 لتجزئة المثيلات، بما في ذلك COCO-Seg، وCOCO8-Seg (مجموعة فرعية أصغر للاختبار السريع)، وPackage-Seg، وCrack-Seg. تأتي مجموعات البيانات هذه مع تعليقات توضيحية على مستوى البكسل مطلوبة لمهام تجزئة المثيلات. بالنسبة للتطبيقات الأكثر تخصصاً، يمكنك أيضاً إنشاء مجموعات بيانات مخصصة باتباع تنسيق Ultralytics. يمكن العثور على معلومات مجموعة البيانات الكاملة وتعليمات الاستخدام في وثائق مجموعات بيانات Ultralytics.