عد الكائنات باستخدام Ultralytics YOLO26

ما هو عد الكائنات؟

يتضمن عد الكائنات باستخدام Ultralytics YOLO26 تحديد كائنات معينة وحسابها بدقة في مقاطع الفيديو وبث الكاميرات. يتفوق YOLO26 في التطبيقات التي تعمل في الوقت الفعلي، حيث يوفر عدًا فعالًا ودقيقًا للكائنات في سيناريوهات متنوعة مثل تحليل الحشود والمراقبة، وذلك بفضل خوارزمياته المتطورة وقدرات التعلم العميق.

مزايا عد الكائنات

• تحسين الموارد: يسهل عد الكائنات إدارة الموارد بكفاءة من خلال توفير أعداد دقيقة، مما يؤدي إلى تحسين تخصيص الموارد في تطبيقات مثل إدارة المخزون.
• تعزيز الأمن: يعزز عد الكائنات الأمن والمراقبة من خلال تتبع وحساب الكيانات بدقة، مما يساعد في الكشف الاستباقي عن التهديدات.
• اتخاذ قرارات مستنيرة: يقدم عد الكائنات رؤى قيمة لاتخاذ القرار، مما يحسن العمليات في قطاع التجزئة، وإدارة حركة المرور، والعديد من المجالات الأخرى.

تطبيقات العالم الحقيقي

الخدمات اللوجستية	الاستزراع المائي
عد طرود سير النقل باستخدام Ultralytics YOLO26	عد الأسماك في البحر باستخدام Ultralytics YOLO26

# Run a counting example
yolo solutions count show=True

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

# Pass region coordinates
yolo solutions count region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"

وسائط ObjectCounter

فيما يلي جدول يحتوي على وسائط ObjectCounter:

يسمح حل ObjectCounter باستخدام العديد من وسائط track:

بالإضافة إلى ذلك، يتم دعم وسائط التصور المدرجة أدناه:

الأسئلة الشائعة

كيف يمكنني عد الكائنات في فيديو باستخدام Ultralytics YOLO26؟

لعد الكائنات في فيديو باستخدام Ultralytics YOLO26، يمكنك اتباع هذه الخطوات:

1. استيراد المكتبات اللازمة (cv2, ultralytics).
2. تحديد منطقة العد (على سبيل المثال، مضلع، خط، إلخ).
3. إعداد التقاط الفيديو وتهيئة عداد الكائنات.
4. معالجة كل إطار لتتبع الكائنات وعدها داخل المنطقة المحددة.

إليك مثال بسيط للعد في منطقة معينة:

import cv2

from ultralytics import solutions

def count_objects_in_region(video_path, output_video_path, model_path):
    """Count objects in a specific region within a video."""
    cap = cv2.VideoCapture(video_path)
    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))
    video_writer = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
    counter = solutions.ObjectCounter(show=True, region=region_points, model=model_path)

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

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

count_objects_in_region("path/to/video.mp4", "output_video.avi", "yolo26n.pt")

لمزيد من التكوينات والخيارات المتقدمة، تحقق من حل RegionCounter لعد الكائنات في مناطق متعددة في وقت واحد.

ما هي مزايا استخدام Ultralytics YOLO26 لعد الكائنات؟

يوفر استخدام Ultralytics YOLO26 لعد الكائنات العديد من المزايا:

1. تحسين الموارد: يسهل إدارة الموارد بكفاءة من خلال توفير أعداد دقيقة، مما يساعد على تحسين تخصيص الموارد في صناعات مثل إدارة المخزون.
2. تعزيز الأمن: يعزز الأمن والمراقبة من خلال تتبع وحساب الكيانات بدقة، مما يساعد في الكشف الاستباقي عن التهديدات وأنظمة الأمان.
3. اتخاذ قرارات مستنيرة: يقدم رؤى قيمة لاتخاذ القرار، مما يحسن العمليات في مجالات مثل التجزئة وإدارة حركة المرور والمزيد.
4. المعالجة في الوقت الفعلي: تمكن بنية YOLO26 من الاستدلال في الوقت الفعلي، مما يجعله مناسبًا لبث الفيديو المباشر والتطبيقات الحساسة للوقت.

لأمثلة التنفيذ والتطبيقات العملية، استكشف حل TrackZone لتتبع الكائنات في مناطق محددة.

كيف يمكنني عد فئات معينة من الكائنات باستخدام Ultralytics YOLO26؟

لعد فئات معينة من الكائنات باستخدام Ultralytics YOLO26، تحتاج إلى تحديد الفئات التي تهتم بها خلال مرحلة التتبع. فيما يلي مثال بلغة Python:

import cv2

from ultralytics import solutions

def count_specific_classes(video_path, output_video_path, model_path, classes_to_count):
    """Count specific classes of objects in a video."""
    cap = cv2.VideoCapture(video_path)
    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))
    video_writer = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    line_points = [(20, 400), (1080, 400)]
    counter = solutions.ObjectCounter(show=True, region=line_points, model=model_path, classes=classes_to_count)

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

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

count_specific_classes("path/to/video.mp4", "output_specific_classes.avi", "yolo26n.pt", [0, 2])

في هذا المثال، تعني classes_to_count=[0, 2] أنه يعد كائنات من الفئة 0 و 2 (على سبيل المثال، شخص وسيارة في مجموعة بيانات COCO). يمكنك العثور على مزيد من المعلومات حول فهارس الفئات في وثائق مجموعة بيانات COCO.

لماذا يجب أن أستخدم YOLO26 بدلاً من نماذج كشف الكائنات الأخرى للتطبيقات في الوقت الفعلي؟

يوفر Ultralytics YOLO26 العديد من المزايا مقارنة بنماذج كشف الكائنات الأخرى مثل Faster R-CNN و SSD وإصدارات YOLO السابقة:

1. السرعة والكفاءة: يوفر YOLO26 قدرات معالجة في الوقت الفعلي، مما يجعله مثاليًا للتطبيقات التي تتطلب استدلالًا عالي السرعة، مثل المراقبة والقيادة الذاتية.
2. الدقة: يوفر دقة متطورة لمهام كشف الكائنات وتتبعها، مما يقلل من عدد النتائج الإيجابية الكاذبة ويحسن الموثوقية العامة للنظام.
3. سهولة التكامل: يوفر YOLO26 تكاملًا سلسًا مع منصات وأجهزة متنوعة، بما في ذلك الأجهزة المحمولة وأجهزة الحافة، وهو أمر بالغ الأهمية لتطبيقات الذكاء الاصطناعي الحديثة.
4. المرونة: يدعم مهامًا متنوعة مثل كشف الكائنات، والتقطيع، والتتبع مع نماذج قابلة للتكوين لتلبية متطلبات حالات الاستخدام المحددة.

تحقق من وثائق Ultralytics YOLO26 للحصول على نظرة أعمق على ميزاته ومقارنات الأداء.

هل يمكنني استخدام YOLO26 للتطبيقات المتقدمة مثل تحليل الحشود وإدارة حركة المرور؟

نعم، Ultralytics YOLO26 مناسب تمامًا للتطبيقات المتقدمة مثل تحليل الحشود وإدارة حركة المرور بفضل قدراته على الكشف في الوقت الفعلي، وقابليته للتوسع، ومرونة التكامل. تسمح ميزاته المتقدمة بتتبع الكائنات وعدها وتصنيفها بدقة عالية في بيئات ديناميكية. تتضمن أمثلة حالات الاستخدام ما يلي:

• تحليل الحشود: مراقبة التجمعات الكبيرة وإدارتها، وضمان السلامة وتحسين تدفق الحشود من خلال العد القائم على المناطق.
• إدارة حركة المرور: تتبع المركبات وعدها، وتحليل أنماط حركة المرور، وإدارة الازدحام في الوقت الفعلي مع قدرات تقدير السرعة.
• تحليلات التجزئة: تحليل أنماط حركة العملاء وتفاعلات المنتج لتحسين تخطيطات المتجر وتحسين تجربة العملاء.
• الأتمتة الصناعية: عد المنتجات على سيور النقل ومراقبة خطوط الإنتاج لمراقبة الجودة وتحسين الكفاءة.

للحصول على تطبيقات أكثر تخصصًا، استكشف حلول Ultralytics للحصول على مجموعة شاملة من الأدوات المصممة لتحديات الرؤية الحاسوبية في العالم الحقيقي.