دليل البدء السريع: Raspberry Pi مع Ultralytics YOLO26#

إن Raspberry Pi حاسوب صغير ومنخفض التكلفة، ويشغّل Ultralytics YOLO26 لتنفيذ كشف الأجسام في الزمن الحقيقي على الأجهزة الطرفية، دون الحاجة إلى GPU. يرشدك هذا الدليل إلى نشر YOLO26 على Raspberry Pi 4 و5: تثبيت نظام التشغيل، وتثبيت Ultralytics، والتصدير إلى NCNN للحصول على أسرع استدلال على ARM، وتشغيل التنبؤات على بث مباشر من الكاميرا. ويتضمن أيضًا اختبارات معيارية للأداء عبر ثمانية تنسيقات تصدير، لتتمكن من اختيار أفضل مفاضلة بين السرعة والدقة بما يناسب جهازك.

انتقل إلى إعداد Ultralytics، أو التصدير إلى NCNN وتشغيل الاستدلال، أو الاختبارات المعيارية، أو الاستدلال باستخدام الكاميرا.

ما هو Raspberry Pi؟#

Raspberry Pi حاسوب صغير ومنخفض التكلفة أحادي اللوحة. وقد أصبح شائعًا في مجموعة واسعة من المشاريع والتطبيقات، بدءًا من أتمتة المنازل للهواة وصولًا إلى الاستخدامات الصناعية. تستطيع لوحات Raspberry Pi تشغيل أنظمة تشغيل متنوعة، وتوفر أطراف GPIO (الإدخال/الإخراج للأغراض العامة) التي تتيح دمج المستشعرات والمشغلات ومكونات الأجهزة الأخرى بسهولة. تتوفر اللوحات بطُرز مختلفة ذات مواصفات متفاوتة، لكنها تشترك جميعًا في فلسفة التصميم الأساسية نفسها: التكلفة المنخفضة والحجم الصغير وتعدد الاستخدامات.

مقارنة بين طرازات Raspberry Pi#

ما هو Raspberry Pi OS؟#

Raspberry Pi OS (المعروف سابقًا باسم Raspbian) هو نظام تشغيل شبيه بـ Unix، يستند إلى توزيعة Debian GNU/Linux لعائلة Raspberry Pi من الحواسيب الصغيرة ذات اللوحة الواحدة، التي توزعها مؤسسة Raspberry Pi Foundation. جرى تحسين Raspberry Pi OS بدرجة كبيرة للعمل على Raspberry Pi المزود بوحدات معالجة مركزية ARM، ويستخدم بيئة سطح مكتب خفيفة تعمل افتراضيًا على Wayland في Raspberry Pi 4 و5. يخضع Raspberry Pi OS لتطوير مستمر، مع التركيز على تحسين استقرار أكبر عدد ممكن من حزم Debian وأدائها على Raspberry Pi.

تثبيت Raspberry Pi OS على Raspberry Pi#

أول ما ينبغي فعله بعد الحصول على Raspberry Pi هو تثبيت Raspberry Pi OS على بطاقة micro-SD، ثم إدخالها في الجهاز وتشغيله للإقلاع إلى نظام التشغيل. اتبع وثائق البدء المفصلة من Raspberry Pi لإعداد جهازك للاستخدام لأول مرة.

إعداد Ultralytics#

يمكنك إعداد حزمة Ultralytics على Raspberry Pi بطريقتين لمشروع الرؤية الحاسوبية التالي:

• البدء باستخدام Docker
• البدء دون Docker

البدء باستخدام Docker#

أسرع طريقة لبدء استخدام Ultralytics YOLO26 على Raspberry Pi هي تشغيل صورة Docker جاهزة لـ Raspberry Pi.

نفّذ الأمر أدناه لسحب حاوية Docker وتشغيلها على Raspberry Pi. تستند هذه الحاوية إلى صورة 3.13-slim-trixie الرسمية من Python، التي تشغّل Debian 13 مع Python 3.13.

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

تتضمن صورة Docker حزمة Ultralytics مسبقًا، لذا يمكنك الانتقال مباشرةً إلى تصدير نموذجك إلى NCNN.

البدء دون Docker#

تثبيت حزمة Ultralytics#

سنثبّت هنا حزمة Ultralytics على Raspberry Pi. تُثبّت تبعيات التصدير لتنسيقات مثل NCNN تلقائيًا عند تصدير نموذج PyTorch للمرة الأولى، لذا لا نحتاج هنا إلا إلى الحزمة الأساسية.

1. حدّث قائمة الحزم، وثبّت pip، ثم رقِّه إلى أحدث إصدار

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

2. ثبّت حزمة pip المسماة ultralytics

   pip install ultralytics

3. أعِد تشغيل الجهاز

   sudo reboot

استخدام NCNN على Raspberry Pi#

من بين جميع تنسيقات التصدير التي تدعمها Ultralytics، يوفّر NCNN أفضل أداء للاستدلال على أجهزة Raspberry Pi، لأنه محسّن بدرجة كبيرة للمنصات المحمولة والمضمنة، مثل الأجهزة ذات بنية ARM. حوّل نموذج YOLO26n بصيغة PyTorch إلى NCNN، ثم نفّذ الاستدلال باستخدام النموذج المُصدَّر:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLO26n بصيغة PyTorch⁩
model = YOLO("yolo26n.pt")

# ⁨تصدير النموذج بتنسيق NCNN⁩
model.export(format="ncnn")  # creates 'yolo26n_ncnn_model'

# ⁨تحميل نموذج NCNN المُصدَّر⁩
ncnn_model = YOLO("yolo26n_ncnn_model")

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

تحسينات أداء YOLO26 مقارنةً بـ YOLO11#

صُمم YOLO26 خصيصًا للعمل على الأجهزة ذات الموارد المحدودة، مثل Raspberry Pi 5. وبالمقارنة مع YOLO11n، يحقق YOLO26n زيادة بنحو ~15% في FPS ‏(6.79 → 7.79)، مع تقديم mAP أعلى أيضًا (40.1 مقابل 39.5) عند حجم إدخال 640، باستخدام نماذج مُصدَّرة إلى ONNX على Raspberry Pi 5. يعرض الجدول والرسم البياني أدناه هذه المقارنة.

معايير أداء YOLO26 على Raspberry Pi 5#

أجرى فريق Ultralytics اختبارات الأداء لـ YOLO26 باستخدام ثمانية تنسيقات نماذج مختلفة لقياس السرعة والدقة: PyTorch وTorchScript وONNX وOpenVINO وLiteRT وMNN وNCNN وExecuTorch. أُجريت الاختبارات على Raspberry Pi 5 بدقة FP32، مع حجم صورة الإدخال الافتراضي البالغ 640.

رسم بياني للمقارنة#

أدرجنا اختبارات الأداء لنموذجي YOLO26n وYOLO26s فقط، لأن أحجام النماذج الأخرى أكبر من أن تعمل على أجهزة Raspberry Pi، كما أنها لا تقدم أداءً جيدًا.

جدول مقارنة مفصل#

يمثل الجدول أدناه نتائج اختبارات الأداء لنموذجين مختلفين (YOLO26n وYOLO26s) عبر ثمانية تنسيقات مختلفة (PyTorch وTorchScript وONNX وOpenVINO وLiteRT وMNN وNCNN وExecuTorch) على Raspberry Pi 5. ويعرض الحالة والحجم ومقياس mAP50-95(B) ووقت الاستدلال لكل توليفة.

إعادة إنتاج نتائجنا#

لإعادة إجراء اختبارات أداء Ultralytics أعلاه على جميع تنسيقات التصدير، شغّل هذا الرمز:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLO26n بصيغة PyTorch⁩
model = YOLO("yolo26n.pt")

# ⁨اختبر سرعة YOLO26n ودقته على مجموعة البيانات COCO128 بجميع تنسيقات التصدير⁩
results = model.benchmark(data="coco128.yaml", imgsz=640)

استخدام كاميرا Raspberry Pi#

عند استخدام Raspberry Pi في مشاريع الرؤية الحاسوبية، قد يكون الحصول على بث فيديو مباشر ضروريًا لإجراء الاستدلال. يتيح موصل MIPI CSI المدمج في Raspberry Pi توصيل وحدات كاميرا Raspberry Pi الرسمية. استخدمنا في هذا الدليل وحدة كاميرا Raspberry Pi Camera Module 3 للحصول على بث الفيديو وإجراء الاستدلال باستخدام نماذج YOLO26.

اختبار الكاميرا#

نفّذ الأمر التالي بعد توصيل الكاميرا بـ Raspberry Pi. من المفترض أن يظهر بث فيديو مباشر من الكاميرا لمدة 5 ثوانٍ تقريبًا.

rpicam-hello

الاستدلال باستخدام الكاميرا#

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

import cv2
from picamera2 import Picamera2

from ultralytics import YOLO

# ⁨تهيئة 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()

# ⁨تحميل نموذج YOLO26⁩
model = YOLO("yolo26n.pt")

while True:
    # ⁨التقاط الإطارات واحدًا تلو الآخر⁩
    frame = picam2.capture_array()

    # ⁨إجراء استدلال YOLO26 على الإطار⁩
    results = model(frame)

    # ⁨تصور النتائج على الإطار⁩
    annotated_frame = results[0].plot()

    # ⁨عرض الإطار الناتج⁩
    cv2.imshow("Camera", annotated_frame)

    # ⁨إنهاء الحلقة إذا ضُغط على 'q'⁩
    if cv2.waitKey(1) == ord("q"):
        break

# ⁨تحرير الموارد وإغلاق النوافذ⁩
cv2.destroyAllWindows()

أفضل الممارسات عند استخدام Raspberry Pi#

هناك بعض أفضل الممارسات التي ينبغي اتباعها لتحقيق أقصى أداء على أجهزة Raspberry Pi التي تشغّل YOLO26.

1. استخدم SSD

   عند استخدام Raspberry Pi على مدار الساعة طوال أيام الأسبوع، يُوصى باستخدام SSD للنظام، لأن بطاقة SD لا تتحمل عمليات الكتابة المستمرة وقد تتعطل. وبفضل موصل PCIe المدمج في Raspberry Pi 5، يمكنك الآن توصيل أقراص SSD باستخدام محول مثل NVMe Base for Raspberry Pi 5.

2. التثبيت دون واجهة رسومية

   عند تثبيت Raspberry Pi OS، يمكنك اختيار عدم تثبيت بيئة سطح المكتب (Raspberry Pi OS Lite)، ما يوفر قدرًا من ذاكرة RAM على الجهاز ويتيح مساحة أكبر لمعالجة الرؤية الحاسوبية.

3. رفع تردد Raspberry Pi

   إذا أردت زيادة طفيفة في الأداء عند تشغيل نماذج Ultralytics YOLO26 على Raspberry Pi 5، يمكنك رفع تردد CPU من قيمته الأساسية البالغة 2.4GHz إلى 3.0GHz، ورفع تردد GPU من 800MHz إلى 1GHz. إذا أصبح النظام غير مستقر أو تعطل، فاخفض قيم رفع التردد بمقدار 100MHz في كل مرة. احرص على توفير تبريد مناسب، إذ يزيد رفع التردد من توليد الحرارة وقد يؤدي إلى خفض التردد حراريًا.

   أ. حدّث البرنامج

   sudo apt update && sudo apt dist-upgrade

   ب. افتح ملف الإعدادات لتحريره

   sudo nano /boot/firmware/config.txt

   ج. أضف الأسطر التالية في النهاية

   arm_freq=3000
   gpu_freq=1000
   force_turbo=1

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

   هـ. أعد تشغيل Raspberry Pi

الخطوات التالية#

لقد أعددت YOLO26 بنجاح على Raspberry Pi. لمتابعة التعمق، استكشف وضع التنبؤ لمزيد من خيارات الاستدلال، أو وضع التصدير لمزيد من تنسيقات النشر، أو دليل NVIDIA Jetson إذا كنت بحاجة إلى قدرة حوسبة أكبر على الحافة. للاطلاع على الوثائق الكاملة، تفضّل بزيارة وثائق Ultralytics YOLO26.

الشكر والاقتباسات#

أُعد هذا الدليل في الأصل بواسطة Daan Eeltink لصالح Kashmir World Foundation، وهي مؤسسة مكرسة لاستخدام YOLO في الحفاظ على الأنواع المهددة بالانقراض. ونُقدّر عمل المؤسسة الريادي وتركيزها التعليمي في مجال تقنيات اكتشاف الأجسام.

لمزيد من المعلومات حول أنشطة Kashmir World Foundation، يمكنك زيارة موقعها الإلكتروني.

الأسئلة الشائعة#