دليل البدء السريع: Raspberry Pi مع Ultralytics YOLO26#

Raspberry Pi هو جهاز حاسوب صغير وعالي التكلفة يشغل Ultralytics YOLO26 لـ object detection الفوري عند الطرفيات - دون الحاجة إلى وحدة معالجة رسومية (GPU). يرشدك هذا الدليل خلال نشر YOLO26 على Raspberry Pi 4 و 5: تثبيت نظام التشغيل، وتثبيت Ultralytics، والتصدير إلى NCNN لأسرع inference على معالجات ARM، وتشغيل التنبؤات على بث كاميرا مباشر. ويتضمن أيضاً تقييمات للأداء عبر ثماني صيغ تصصدير ليتسنى لك اختيار أفضل توازن بين السرعة وaccuracy لعتادك.

انتقل إلى setting up Ultralytics، أو exporting to NCNN and running inference، أو benchmarks، أو camera inference.

ما هو Raspberry Pi؟#

Raspberry Pi هو حاسوب صغير ميسور التكلفة ذو لوحة واحدة. لقد أصبح مشهوراً لمجموعة واسعة من المشاريع والتطبيقات، بدءاً من أتمتة المنازل للهواة وصولاً إلى الاستخدامات الصناعية. لوحات Raspberry Pi قادرة على تشغيل مجموعة متنوعة من أنظمة التشغيل، وتوفر دبابيس GPIO (دخل/خرج للأغراض العامة) التي تسمح بالتكامل السهل مع المستشعرات والمشغلات ومكونات الأجهزة الأخرى. تأتي هذه اللوحات في طرازات مختلفة بمواصفات متفاوتة، لكنها جميعاً تتشارك في فلسفة التصميم الأساسية المتمثلة في كونها منخفضة التكلفة وصغيرة الحجم ومتعددة الاستخدامات.

مقارنة سلسلة Raspberry Pi#

ما هو Raspberry Pi OS؟#

Raspberry Pi OS (المعروف سابقاً باسم Raspbian) هو نظام تشغيل شبيه بيونكس يعتمد على توزيعة Debian GNU/Linux لعائلة أجهزة الحواسيب المصغرة ذات اللوحة الواحدة من Raspberry Pi والتي توزعها مؤسسة Raspberry Pi Foundation. نظام Raspberry Pi OS محسّن بشكل كبير لأجهزة Raspberry Pi التي تحتوي على وحدات معالجة مركزية (CPUs) من نوع ARM ويستخدم بيئة سطح مكتب LXDE معدلة مع مدير النوافذ المتراكمة OpenBox. نظام Raspberry Pi OS قيد التطوير النشط، مع التركيز على تحسين استقرار وأداء أكبر عدد ممكن من حزم دبيان على Raspberry Pi.

تثبيت Raspberry Pi OS على Raspberry Pi#

أول شيء يجب عليك فعله بعد حصولك على جهاز Raspberry Pi هو حرق بطاقة micro-SD بنظام تشغيل Raspberry Pi OS، وإدخالها في الجهاز والتمويه في النظام. اتبع Getting Started Documentation by Raspberry Pi المفصلة لتجهيز جهازك للاستخدام الأول.

إعداد Ultralytics#

يمكنك إعداد حزمة Ultralytics على Raspberry Pi بطريقتين لمشروعك القادم في مجال Computer Vision:

• Start with Docker
• Start without Docker

البدء باستخدام Docker#

أسرع طريقة للبدء باستخدام Ultralytics YOLO26 على Raspberry Pi هي التشغيل عبر صورة Docker جاهزة ومخصصة لـ Raspberry Pi.

نفذ الأمر التالي لسحب حاوية Docker والتشغيل على Raspberry Pi. يعتمد هذا على صورة Docker arm64v8/ubuntu، والتي تشغل Ubuntu 24.04 في بيئة Python3.

t=ultralytics/ultralytics:latest-arm64
sudo docker pull $t && sudo docker run -it --ipc=host $t

تتضمن صورة Docker حزمة Ultralytics مسبقاً، لذا يمكنك الانتقال مباشرة إلى exporting your model to NCNN.

البدء بدون Docker#

تثبيت حزمة Ultralytics#

هنا سنقوم بتثبيت حزمة Ultralytics على Raspberry Pi مع التبعيات الاختيارية حتى نتمكن من تصدير نماذج PyTorch إلى صيغ أخرى.

1. تحديث قائمة الحزم، وتثبيت pip والترقية إلى الأحدث

   sudo apt update
   sudo apt install python3-pip -y
   pip install -U pip

2. تثبيت حزمة pip لـ ultralytics مع التبعيات الاختيارية

   pip install ultralytics[export]

3. إعادة تشغيل الجهاز

   sudo reboot

استخدام NCNN على Raspberry Pi#

من بين جميع export formats المدعومة من قبل Ultralytics، تقدم NCNN أفضل أداء استدلال على أجهزة Raspberry Pi لأنها محسنة بشكل كبير للمنصات المحمولة / المدمجة مثل هندسة ARM. قم بتحويل نموذج YOLO26n PyTorch الخاص بك إلى NCNN، ثم قم بتشغيل الاستدلال باستخدام النموذج المصدر:

from ultralytics import YOLO

# Load a YOLO26n PyTorch model
model = YOLO("yolo26n.pt")

# Export the model to NCNN format
model.export(format="ncnn")  # creates 'yolo26n_ncnn_model'

# Load the exported NCNN model
ncnn_model = YOLO("yolo26n_ncnn_model")

# Run inference
results = ncnn_model("https://ultralytics.com/images/bus.jpg")

تحسينات أداء YOLO26 مقارنة بـ YOLO11#

صُمم YOLO26 خصيصاً للعمل على الأجهزة ذات الموارد المحدودة مثل Raspberry Pi 5. مقارنة بـ YOLO11n، يحقق YOLO26n زيادة بنسبة ~15% في عدد الإطارات في الثانية (FPS) (من 6.79 إلى 7.79) مع توفير mAP أعلى (40.1 مقابل 39.5) عند حجم إدخال 640 مع النماذج المصدرة بتنسيق ONNX على Raspberry Pi 5. يعرض الجدول والمخطط أدناه هذه المقارنة.

مقاييس أداء YOLO26 على Raspberry Pi 5#

تم تشغيل benchmarks الخاصة بـ YOLO26 بواسطة فريق Ultralytics على ثماني صيغ مختلفة للنماذج تقيس السرعة وaccuracy: PyTorch و TorchScript و ONNX و OpenVINO و MNN و NCNN و ExecuTorch و LiteRT. تم تشغيل المقارنات المعيارية على Raspberry Pi 5 بدقة FP32 precision مع حجم صورة إدخال افتراضي يبلغ 640.

مخطط المقارنة#

لقد قمنا فقط بتضمين مقاييس أداء لنماذج YOLO26n و YOLO26s لأن أحجام النماذج الأخرى كبيرة جداً للعمل على Raspberry Pis ولا توفر أداءً مقبولاً.

جدول مقارنة مفصل#

يمثل الجدول أدناه نتائج اختبارات الأداء لنموذجين مختلفين (YOLO26n وYOLO26s) عبر ثمانية تنسيقات مختلفة (PyTorch، وTorchScript، وONNX، وOpenVINO، وMNN، وNCNN، وExecuTorch، وLiteRT)، قيد التشغيل على Raspberry Pi 5، مما يمنحنا الحالة، والحجم، ومقياس mAP50-95(B)، ووقة الاستدلال لكل مجموعة.

إعادة إنتاج نتائجنا#

لإعادة إنتاج مقارنات Ultralytics المعيارية المذكورة أعلاه على جميع export formats، قم بتشغيل هذا الكود:

from ultralytics import YOLO

# Load a YOLO26n PyTorch model
model = YOLO("yolo26n.pt")

# Benchmark YOLO26n speed and accuracy on the COCO128 dataset for all export formats
results = model.benchmark(data="coco128.yaml", imgsz=640)

استخدام كاميرا Raspberry Pi#

عند استخدام Raspberry Pi لمشاريع الرؤية الحاسوبية، قد يكون من الضروري التقاط تدفقات فيديو فورية لتنفيذ الاستدلال. يتيح لك موصل MIPI CSI المدمج في Raspberry Pi توصيل وحدات كاميرا Raspberry Pi الرسمية. في هذا الدليل، استخدمنا Raspberry Pi Camera Module 3 لالتقاط تدفقات الفيديو وإجراء الاستدلال باستخدام نماذج YOLO26.

اختبار الكاميرا#

نفذ الأمر التالي بعد توصيل الكاميرا بـ Raspberry Pi. يجب أن ترى بث فيديو مباشر من الكاميرا لمدة 5 ثوانٍ تقريباً.

rpicam-hello

الاستنتاج باستخدام الكاميرا#

توجد طريقتان لاستخدام كاميرا Raspberry Pi لتشغيل الاستدلال على نماذج YOLO26.

import cv2
from picamera2 import Picamera2

from ultralytics import YOLO

# Initialize the Picamera2
picam2 = Picamera2()
picam2.preview_configuration.main.size = (1280, 720)
picam2.preview_configuration.main.format = "RGB888"
picam2.preview_configuration.align()
picam2.configure("preview")
picam2.start()

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

while True:
    # Capture frame-by-frame
    frame = picam2.capture_array()

    # Run YOLO26 inference on the frame
    results = model(frame)

    # Visualize the results on the frame
    annotated_frame = results[0].plot()

    # Display the resulting frame
    cv2.imshow("Camera", annotated_frame)

    # Break the loop if 'q' is pressed
    if cv2.waitKey(1) == ord("q"):
        break

# Release resources and close windows
cv2.destroyAllWindows()

أفضل الممارسات عند استخدام Raspberry Pi#

هناك بعض أفضل الممارسات التي يجب اتباعها لتحقيق أقصى قدر من الأداء على أجهزة Raspberry Pi التي تشغل YOLO26.

1. استخدم SSD

   عند استخدام Raspberry Pi للاستخدام المستمر على مدار الساعة طوال أيام الأسبوع، يوصى باستخدام قرص SSD للنظام لأن بطاقة SD لن تكون قادرة على تحمل عمليات الكتابة المستمرة وقد تتعطل. مع موصل PCIe المدمج على Raspberry Pi 5، يمكنك الآن توصيل وحدات SSD باستخدام محول مثل NVMe Base for Raspberry Pi 5.

2. التثبيت بدون واجهة رسومية (GUI)

   عند تثبيت نظام Raspberry Pi OS، يمكنك اختيار عدم تثبيت بيئة سطح المكتب (Raspberry Pi OS Lite)، وهذا يمكن أن يوفر القليل من ذاكرة الوصول العشوائي (RAM) على الجهاز، مما يترك مساحة أكبر لمعالجة الرؤية الحاسوبية.

3. كسر سرعة Raspberry Pi

   إذا كنت ترغب في زيادة طفيفة في الأداء أثناء تشغيل نماذج Ultralytics YOLO26 على Raspberry Pi 5، يمكنك كسر سرعة وحدة المعالجة المركزية (CPU) من 2.4 جيجاهرتز الأساسية إلى 2.9 جيجاهرتز، ووحدة معالجة الرسومات (GPU) من 800 ميجاهرتز إلى 1 جيجاهرتز. إذا أصبح النظام غير مستقر أو تعطل، قلل قيم كسر السرعة بزيادات قدرها 100 ميجاهرتز. تأكد من وجود تبريد مناسب، حيث أن كسر السرعة يزيد من توليد الحرارة وقد يؤدي إلى الاختناق الحراري.

   أ. قم بتحديث البرنامج

   sudo apt update && sudo apt dist-upgrade

   ب. افتح ملف الإعدادات للتعديل

   sudo nano /boot/firmware/config.txt

   ج. أضف الأسطر التالية في الأسفل

   arm_freq=3000
   gpu_freq=1000
   force_turbo=1

   د. احفظ واخرج بالضغط على CTRL + X، ثم Y، واضغط على ENTER

   هـ. أعد تشغيل Raspberry Pi

الخطوات التالية#

لقد قمت بنجاح بإعداد YOLO26 على جهاز Raspberry Pi الخاص بك. للمضي قدمًا، استكشف Predict mode لمزيد من خيارات الاستدلال، أو Export mode للحصول على صيغ نشر إضافية، أو NVIDIA Jetson guide إذا كنت بحاجة إلى مزيد من الحوسبة عند الطرفيات. للحصول على الوثائق الكاملة، تفضل بزيارة Ultralytics YOLO26 Docs.

شكر وتقدير#

تم إنشاء هذا الدليل في البداية بواسطة Daan Eeltink لمؤسسة كشمير العالمية، وهي منظمة مكرسة لاستخدام YOLO للحفاظ على الأنواع المهددة بالانقراض. نحن نقدر عملهم الرائد وتركيزهم التعليمي في مجال تقنيات كشف الأشياء.

لمزيد من المعلومات حول أنشطة مؤسسة Kashmir World Foundation، يمكنك زيارة website الخاص بهم.

الأسئلة الشائعة#