إدارة طابور الانتظار باستخدام Ultralytics YOLO11 🚀 🚀
ما هي إدارة قائمة الانتظار؟
إدارة طوابير الانتظار باستخدام Ultralytics YOLO11 تتضمن تنظيم طوابير الأشخاص أو المركبات والتحكم فيها لتقليل أوقات الانتظار وتعزيز الكفاءة. يتعلق الأمر بتحسين طوابير الانتظار لتحسين رضا العملاء وأداء النظام في مختلف البيئات مثل البيع بالتجزئة والبنوك والمطارات ومرافق الرعاية الصحية.
شاهد: كيفية تنفيذ إدارة طوابير الانتظار باستخدام Ultralytics YOLO11 | المطار ومحطة المترو
مزايا إدارة قائمة الانتظار
- تقليل أوقات الانتظار: تعمل أنظمة إدارة قوائم الانتظار على تنظيم قوائم الانتظار بكفاءة، مما يقلل من أوقات انتظار العملاء. يؤدي ذلك إلى تحسين مستويات الرضا، حيث يقضي العملاء وقتاً أقل في الانتظار ووقتاً أطول في التعامل مع المنتجات أو الخدمات.
- زيادة الكفاءة: يتيح تنفيذ إدارة قوائم الانتظار للشركات تخصيص الموارد بشكل أكثر فعالية. فمن خلال تحليل بيانات قوائم الانتظار وتحسين توزيع الموظفين، يمكن للشركات تبسيط العمليات وتقليل التكاليف وتحسين الإنتاجية الإجمالية.
- رؤى في الوقت الفعلي: توفر إدارة قوائم الانتظار YOLO11 بيانات فورية عن أطوال قوائم الانتظار وأوقات الانتظار، مما يتيح للمديرين اتخاذ قرارات مستنيرة بسرعة.
- تحسين تجربة العملاء: من خلال تقليل الإحباط المرتبط بالانتظار الطويل، يمكن للشركات تحسين رضا العملاء وولائهم بشكل كبير.
التطبيقات الواقعية
الخدمات اللوجستية | البيع بالتجزئة |
---|---|
![]() |
![]() |
إدارة طابور الانتظار في شباك التذاكر في المطار باستخدام Ultralytics YOLO11 | مراقبة طابور الانتظار في الزحام Ultralytics YOLO11 |
إدارة قوائم الانتظار باستخدامYOLO Ultralytics YOLO
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("queue_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Define queue points
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)] # region points
# queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)] # polygon points
# Initialize queue manager object
queuemanager = solutions.QueueManager(
show=True, # display the output
model="yolo11n.pt", # path to the YOLO11 model file
region=queue_region, # pass queue region points
)
# Process video
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = queuemanager(im0)
# print(results) # access the output
video_writer.write(results.plot_im) # write the processed frame.
cap.release()
video_writer.release()
cv2.destroyAllWindows() # destroy all opened windows
QueueManager
الحجج
إليك الجدول الذي يحتوي على QueueManager
الحجج
الجدال | النوع | افتراضي | الوصف |
---|---|---|---|
model |
str |
None |
المسار إلى ملف نموذج Ultralytics YOLO Model File. |
region |
list |
[(20, 400), (1260, 400)] |
قائمة النقاط التي تحدد منطقة العد. |
إن QueueManagement
يدعم الحل أيضًا بعض track
الحجج
الجدال | النوع | افتراضي | الوصف |
---|---|---|---|
tracker |
str |
'botsort.yaml' |
يحدد خوارزمية التتبع المراد استخدامها، على سبيل المثال, bytetrack.yaml أو botsort.yaml . |
conf |
float |
0.3 |
تعيين عتبة الثقة للاكتشافات؛ تسمح القيم المنخفضة بتتبع المزيد من الكائنات ولكنها قد تتضمن نتائج إيجابية كاذبة. |
iou |
float |
0.5 |
يضبط عتبة التقاطع على الاتحاد (IoU) لتصفية الاكتشافات المتداخلة. |
classes |
list |
None |
تصفية النتائج حسب فهرس الفئة. على سبيل المثال, classes=[0, 2, 3] يتتبع الفئات المحددة فقط. |
verbose |
bool |
True |
يتحكم في عرض نتائج التتبع، مما يوفر إخراجًا مرئيًا للأجسام المتعقبة. |
device |
str |
None |
يحدد جهاز الاستدلال (على سبيل المثال, cpu , cuda:0 أو 0 ). يسمح للمستخدمين بالاختيار بين CPU ، أو جهاز GPU معين، أو أجهزة حوسبة أخرى لتنفيذ النموذج. |
بالإضافة إلى ذلك، تتوفر معلمات التصور التالية:
الجدال | النوع | افتراضي | الوصف |
---|---|---|---|
show |
bool |
False |
إذا كان True يعرض الصور أو مقاطع الفيديو المشروحة في نافذة. مفيد للتعليقات المرئية الفورية أثناء التطوير أو الاختبار. |
line_width |
None or int |
None |
يحدد عرض خط المربعات المحدودة. إذا كان None ، يتم ضبط عرض الخط تلقائيًا بناءً على حجم الصورة. يوفر تخصيصاً مرئياً للوضوح. |
استراتيجيات التنفيذ
عند تنفيذ إدارة قائمة الانتظار باستخدام YOLO11 ضع في اعتبارك أفضل الممارسات التالية:
- وضع الكاميرا الاستراتيجي: ضع الكاميرات لالتقاط منطقة طابور الانتظار بالكامل دون عوائق.
- تحديد مناطق قائمة الانتظار المناسبة: قم بتعيين حدود قائمة الانتظار بعناية بناءً على التخطيط المادي للمساحة الخاصة بك.
- ضبط ثقة الاكتشاف: قم بضبط عتبة الثقة بناءً على ظروف الإضاءة وكثافة الحشود.
- التكامل مع الأنظمة الحالية: قم بتوصيل حل إدارة قوائم الانتظار مع اللافتات الرقمية أو أنظمة إشعارات الموظفين للاستجابة الآلية.
الأسئلة الشائعة
كيف يمكنني استخدام Ultralytics YOLO11 لإدارة قوائم الانتظار في الوقت الفعلي؟
لاستخدام Ultralytics YOLO11 لإدارة قوائم الانتظار في الوقت الفعلي، يمكنك اتباع الخطوات التالية:
- تحميل النموذج YOLO11 مع
YOLO("yolo11n.pt")
. - التقاط موجز الفيديو باستخدام
cv2.VideoCapture
. - تحديد منطقة الاهتمام (ROI) لإدارة قائمة الانتظار.
- معالجة الإطارات للكشف عن الكائنات وإدارة قوائم الانتظار.
إليك مثال بسيط:
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="yolo11n.pt",
region=queue_region,
line_width=3,
show=True,
)
while cap.isOpened():
success, im0 = cap.read()
if success:
results = queuemanager(im0)
cap.release()
cv2.destroyAllWindows()
يمكن أن تؤدي الاستفادة من Ultralytics HUB إلى تبسيط هذه العملية من خلال توفير منصة سهلة الاستخدام لنشر حل إدارة قوائم الانتظار وإدارته.
ما هي المزايا الرئيسية لاستخدام Ultralytics YOLO11 لإدارة قوائم الانتظار؟
يوفر استخدام Ultralytics YOLO11 لإدارة قوائم الانتظار العديد من المزايا:
- تقليل أوقات الانتظار: تنظيم طوابير الانتظار بكفاءة، مما يقلل من أوقات انتظار العملاء ويعزز رضاهم.
- تعزيز الكفاءة: تحليل بيانات قائمة الانتظار لتحسين نشر الموظفين والعمليات على النحو الأمثل، وبالتالي تقليل التكاليف.
- تنبيهات في الوقت الحقيقي: يوفر إشعارات في الوقت الفعلي لقوائم الانتظار الطويلة، مما يتيح التدخل السريع.
- قابلية التوسع: قابلة للتطوير بسهولة عبر بيئات مختلفة مثل البيع بالتجزئة والمطارات والرعاية الصحية.
لمزيد من التفاصيل، استكشف حلول إدارة قوائم الانتظار الخاصة بنا.
لماذا يجب أن أختار Ultralytics YOLO11 على المنافسين مثل TensorFlow أو Detectron2 لإدارة قوائم الانتظار؟
Ultralytics YOLO11 العديد من المزايا على TensorFlow و Detectron2 لإدارة قوائم الانتظار:
- الأداء في الوقت الحقيقي: يشتهر موقع YOLO11 بقدراته على الكشف في الوقت الحقيقي، مما يوفر سرعات معالجة أسرع.
- سهولة الاستخدام: يوفر Ultralytics تجربة سهلة الاستخدام، بدءًا من التدريب وحتى النشر، عبر Ultralytics HUB.
- نماذج مدربة مسبقًا: الوصول إلى مجموعة من النماذج المدربة مسبقًا، مما يقلل من الوقت اللازم للإعداد.
- دعم المجتمع: التوثيق الشامل والدعم المجتمعي النشط يجعل حل المشاكل أسهل.
تعلّم كيف تبدأ مع Ultralytics YOLO.
هل يمكن لموقع Ultralytics YOLO11 التعامل مع أنواع متعددة من قوائم الانتظار، كما هو الحال في المطارات وتجارة التجزئة؟
نعم، يستطيع Ultralytics YOLO11 إدارة أنواع مختلفة من قوائم الانتظار، بما في ذلك تلك الموجودة في المطارات وبيئات البيع بالتجزئة. من خلال تهيئة QueueManager بمناطق وإعدادات محددة، يمكن لـ YOLO11 التكيف مع تخطيطات وكثافات طوابير الانتظار المختلفة.
مثال للمطارات:
queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
model="yolo11n.pt",
region=queue_region_airport,
line_width=3,
)
للمزيد من المعلومات حول التطبيقات المتنوعة، راجع قسم تطبيقات العالم الحقيقي.
ما هي بعض التطبيقات الواقعية لـ Ultralytics YOLO11 في إدارة قوائم الانتظار؟
Ultralytics YOLO11 في العديد من التطبيقات الواقعية لإدارة قوائم الانتظار:
- البيع بالتجزئة: مراقبة طوابير الدفع لتقليل أوقات الانتظار وتحسين رضا العملاء.
- المطارات: إدارة طوابير الانتظار عند شبابيك التذاكر ونقاط التفتيش الأمني لتوفير تجربة أكثر سلاسة للركاب.
- الرعاية الصحية: تحسين تدفق المرضى في العيادات والمستشفيات.
- البنوك: تحسين خدمة العملاء من خلال إدارة قوائم الانتظار بكفاءة في البنوك.
راجع مدونتنا حول إدارة طوابير الانتظار في العالم الحقيقي لمعرفة المزيد حول كيفية قيام الرؤية الحاسوبية بتحويل مراقبة طوابير الانتظار في مختلف الصناعات.