Ultralytics YOLO27:
Get Started

إدارة الطوابير باستخدام Ultralytics YOLO26#

ما إدارة الطوابير؟#

Open Queue Management In Colab

تتضمن إدارة الطوابير باستخدام Ultralytics YOLO26 تنظيم صفوف الأشخاص أو المركبات والتحكم فيها لتقليل أوقات الانتظار وتعزيز الكفاءة. وتركز على تحسين الطوابير لرفع مستوى رضا العملاء وأداء الأنظمة في بيئات متنوعة مثل متاجر البيع بالتجزئة والبنوك والمطارات ومرافق الرعاية الصحية.



شاهد: كيفية إنشاء نظام لإدارة الطوابير باستخدام Ultralytics YOLO26 | تحليلات الطوابير في الوقت الفعلي 🚀

مزايا إدارة الطوابير#

  • تقليل أوقات الانتظار: تنظّم أنظمة إدارة الطوابير الصفوف بكفاءة، فتقلل أوقات انتظار العملاء. ويؤدي ذلك إلى تحسين مستويات الرضا، إذ يقضي العملاء وقتًا أقل في الانتظار ووقتًا أطول في التفاعل مع المنتجات أو الخدمات.
  • زيادة الكفاءة: يتيح تطبيق إدارة الطوابير للشركات تخصيص الموارد بفعالية أكبر. ومن خلال تحليل بيانات الطوابير وتحسين توزيع الموظفين، تستطيع الشركات تبسيط العمليات وخفض التكاليف وتحسين الإنتاجية الإجمالية.
  • رؤى في الوقت الفعلي: توفر إدارة الطوابير المدعومة بـ YOLO26 بيانات فورية عن أطوال الطوابير وأوقات الانتظار، مما يمكّن المديرين من اتخاذ قرارات مستنيرة بسرعة.
  • تحسين تجربة العملاء: من خلال تقليل الإحباط المرتبط بطول الانتظار، تستطيع الشركات تحسين رضا العملاء وولائهم بدرجة كبيرة.

تطبيقات في العالم الحقيقي#

الخدمات اللوجستيةالبيع بالتجزئة
إدارة الطوابير عند شباك التذاكر في المطار باستخدام Ultralytics YOLO26مراقبة الطوابير وسط حشد باستخدام Ultralytics YOLO26
إدارة الطوابير عند شباك التذاكر في المطار باستخدام Ultralytics YOLO26مراقبة الطوابير وسط حشد باستخدام Ultralytics YOLO26

إدارة الطوابير باستخدام YOLO26#

يحصي الحل QueueManager الكائنات التي تبقى داخل منطقة محددة في كل إطار، ليمنحك طولًا مباشرًا للطابور يمكنك تدوينه في فيديو الإخراج. مرّر منطقة مضلعة تغطي مساحة الانتظار، ثم شغّله على مصدر الفيديو باستخدام واجهة Python البرمجية أو CLI.

إدارة الطوابير باستخدام Ultralytics YOLO
# Run a queue example
yolo solutions queue show=True

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

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

وسيطات QueueManager#

إليك جدولًا بمعاملات QueueManager:

المعاملالنوعالافتراضيالوصف
modelstrNoneمسار ملف نموذج Ultralytics YOLO.
regionlist أو dictNoneالنقاط التي تحدد منطقة الاهتمام، سواء أكانت قائمة من الصفوف (x, y) أم قاموسًا يربط أسماء المناطق بقوائم النقاط لمناطق متعددة (في RegionCounter فقط). عندما يكون None، تستخدم الحلول التي تتطلب منطقة إعدادًا افتراضيًا محددًا مسبقًا.
line_widthint2سماكة الخط للصناديق والنقاط المفتاحية والعدادات التي يرسمها الحل.
verboseboolTrueيفعّل سجل الحل لكل إطار، ويشمل شكل المدخل وعدد الفئات وسرعة المعالجة. يظل استدعاء التتبع نفسه صامتًا دائمًا.

يدعم الحل QueueManager أيضًا وسيطات track:

المعاملالنوعالافتراضيالوصف
trackerstr'tracktrack.yaml'يحدد خوارزمية التتبع المطلوب استخدامها. الخيارات المضمنة: botsort.yaml، bytetrack.yaml، ocsort.yaml، deepocsort.yaml، fasttrack.yaml، tracktrack.yaml.
conffloat0.25يضبط عتبة الثقة للكشوفات؛ إذ تسمح القيم الأقل بتتبع مزيد من الكائنات، لكنها قد تتضمن إيجابيات كاذبة.
ioufloat0.7يضبط عتبة التقاطع على الاتحاد (IoU) لتصفية الكشوفات المتداخلة.
classeslistNoneيصفّي النتائج حسب فهرس الفئة. على سبيل المثال، لا يتتبع classes=[0, 2, 3] إلا الفئات المحددة.
devicestrNoneيحدد الجهاز المستخدم للاستدلال (مثل cpu أو cuda:0 أو 0). ويتيح للمستخدمين الاختيار بين CPU أو GPU محددة أو أجهزة حوسبة أخرى لتنفيذ النموذج.
imgszint or tuple640حجم صورة الاستدلال المستهدف: عدد صحيح لصورة مربعة، أو زوج (height, width). تُعدّل الأبعاد وفقًا لخطوة النموذج.
max_detint300الحد الأقصى لعدد الكشوفات التي يُحتفظ بها لكل إطار قبل التتبع، ما يحد من عدد الكائنات التي يعالجها الحل في المشاهد الكثيفة.
quantizeint or strNoneدقة الاستدلال: 16 (FP16) أو 32/غير محدد (FP32) لنماذج PyTorch وTorchScript؛ أما التنسيقات الأخرى فتحسب بالدقة التي يحددها الملف الاصطناعي وبيئة التشغيل. يحل هذا الوسيط محل العلامة half التي أُهمل استخدامها.

بالإضافة إلى ذلك، تتوفر معلمات التصور التالية:

المعاملالنوعالافتراضيالوصف
showboolFalseإذا كان True، يعرض الصور أو مقاطع الفيديو المشروحة في نافذة. يفيد ذلك في الحصول على ملاحظات مرئية فورية أثناء التطوير أو الاختبار.
show_confboolTrueيعرض درجة الثقة لكل اكتشاف بجوار التسمية، ما يوضح مدى يقين النموذج بشأن كل اكتشاف.
show_labelsboolTrueيعرض تسميات كل اكتشاف في المخرجات المرئية، ما يتيح فهم الكائنات المكتشفة فورًا.

استراتيجيات التنفيذ#

عند تطبيق إدارة الطوابير باستخدام YOLO26، راعِ أفضل الممارسات التالية:

  1. اختيار مواضع استراتيجية للكاميرات: ضع الكاميرات بحيث تلتقط مساحة الطابور بأكملها دون عوائق.
  2. تحديد مناطق الطوابير المناسبة: اضبط حدود الطابور بعناية وفقًا للتخطيط الفعلي للمساحة.
  3. ضبط ثقة الاكتشاف: حسّن عتبة الثقة بدقة وفقًا لظروف الإضاءة وكثافة الحشود.
  4. التكامل مع الأنظمة الحالية: اربط حل إدارة الطوابير لديك باللافتات الرقمية أو أنظمة إشعار الموظفين للاستجابة تلقائيًا.

الأسئلة الشائعة#

  • لاستخدام Ultralytics YOLO26 لإدارة الطوابير في الوقت الفعلي، يمكنك اتباع الخطوات التالية:

    1. التقط بث الفيديو باستخدام cv2.VideoCapture.
    2. حدّد منطقة الاهتمام (ROI) لإدارة الطوابير.
    3. هيّئ solutions.QueueManager باستخدام نموذج YOLO26 مثل yolo26n.pt والمنطقة.
    4. عالج الإطارات لاكتشاف الكائنات وإدارة الطوابير.

    إليك مثالًا مختصرًا:

    import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]

queuemanager = solutions.QueueManager(
    model="yolo26n.pt",
    region=queue_region,
    line_width=3,
    show=True,
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = queuemanager(im0)

cap.release()
cv2.destroyAllWindows()

    يمكن الاستفادة من Ultralytics Platform لتبسيط هذه العملية، إذ توفر منصة سهلة الاستخدام لتدريب النماذج التي يقوم عليها حل إدارة الطوابير ونشرها.

  • يوفر استخدام Ultralytics YOLO26 لإدارة الطوابير فوائد عديدة:

    • انخفاض كبير في أوقات الانتظار: ينظّم الطوابير بكفاءة، مما يقلل أوقات انتظار العملاء ويعزز رضاهم.
    • تعزيز الكفاءة: يحلل بيانات الطوابير لتحسين توزيع الموظفين والعمليات، مما يؤدي إلى خفض التكاليف.
    • رؤى في الوقت الفعلي: يوفر أعدادًا مباشرة للطوابير في كل إطار، مما يتيح التدخل السريع عندما تطول الصفوف.
    • قابلية التوسع: يمكن توسيع نطاقه بسهولة ليلائم بيئات متنوعة مثل متاجر البيع بالتجزئة والمطارات ومرافق الرعاية الصحية.

    لمزيد من التفاصيل، استكشف حلولنا لإدارة الطوابير.

  • يتمتع Ultralytics YOLO26 بعدة مزايا مقارنةً بـ TensorFlow وDetectron2 في إدارة الطوابير:

    • الأداء في الوقت الفعلي: يشتهر YOLO26 بقدراته على الاكتشاف في الوقت الفعلي، إذ يوفر سرعات معالجة أعلى.
    • سهولة الاستخدام: توفر Ultralytics تجربة سهلة الاستخدام بدءًا من التدريب ووصولًا إلى النشر، عبر Ultralytics Platform.
    • النماذج المدربة مسبقًا: إمكانية الوصول إلى مجموعة من النماذج المدربة مسبقًا، مما يقلل الوقت اللازم للإعداد.
    • دعم المجتمع: تجعل الوثائق الشاملة والدعم النشط من المجتمع حل المشكلات أسهل.

    تعرّف على كيفية البدء باستخدام Ultralytics YOLO.

  • نعم، يستطيع Ultralytics YOLO26 إدارة أنواع مختلفة من الطوابير، بما فيها الطوابير في المطارات ومتاجر البيع بالتجزئة. ومن خلال ضبط QueueManager بمناطق وإعدادات محددة، يمكن لـ YOLO26 التكيف مع تخطيطات الطوابير وكثافاتها المختلفة.

    مثال للمطارات:

    queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
    model="yolo26n.pt",
    region=queue_region_airport,
    line_width=3,
)

    لمزيد من المعلومات حول التطبيقات المتنوعة، راجع قسم التطبيقات الواقعية.

  • يُستخدم Ultralytics YOLO26 في تطبيقات واقعية متنوعة لإدارة الطوابير:

    • متاجر البيع بالتجزئة: يراقب طوابير الدفع لتقليل أوقات الانتظار وتحسين رضا العملاء.
    • المطارات: يدير الطوابير عند شبابيك التذاكر ونقاط التفتيش الأمني لتوفير تجربة أكثر سلاسة للمسافرين.
    • الرعاية الصحية: يحسّن تدفق المرضى في العيادات والمستشفيات.
    • البنوك: يعزز خدمة العملاء من خلال إدارة الطوابير في البنوك بكفاءة.

    اطّلع على مدونتنا حول إدارة الطوابير في الواقع العملي لمعرفة المزيد عن كيفية إحداث الرؤية الحاسوبية تحولًا في مراقبة الطوابير عبر مختلف القطاعات.

المساهمون
RIRizwanMunawar15GLglenn-jocher13RAraimbekovm5MAMatthewNoyce2IVIvorZhu3311BUBurhan-Q1

التعليقات