Link to this sectionالاستنتاج#

توفر Ultralytics Platform واجهة برمجة تطبيقات (API) للاستنتاج لاختبار النماذج المدربة. استخدم علامة التبويب Predict المستندة إلى المتصفح للتحقق السريع أو استخدم REST API للوصول البرمجي.

Link to this sectionعلامة تبويب التنبؤ#

يتضمن كل نموذج علامة تبويب Predict للاستنتاج عبر المتصفح:

1. انتقل إلى نموذجك
2. انقر فوق علامة التبويب Predict
3. قم بتحميل صورة، أو استخدم مثالاً، أو افتح كاميرا الويب الخاصة بك
4. عرض التوقعات فوراً مع تراكبات صناديق التحديد

Link to this sectionطرق الإدخال#

تدعم لوحة التوقع طرق إدخال متعددة:

graph LR
    A[Upload Image] --> D[Auto-Inference]
    B[Example Image] --> D
    C[Webcam Capture] --> D
    D --> E[Results + Overlays]

    style D fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

Link to this sectionتحميل صورة#

سحب وإفلات أو انقر للتحميل:

• التنسيقات المدعومة: JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP, DNG, MPO
• الحجم الأقصى: 10MB
• الاستنتاج التلقائي: تظهر النتائج تلقائياً بعد التحميل

Link to this sectionصور الأمثلة#

تعرض لوحة التوقع صوراً توضيحية من مجموعة البيانات المرتبطة بنموذجك. إذا لم يتم ربط أي مجموعة بيانات، يتم استخدام الأمثلة الافتراضية:

بالنسبة لنماذج OBB، يتم عرض صور جوية للقوارب والمطارات بدلاً من ذلك.

Link to this sectionكاميرا الويب#

انقر على بطاقة كاميرا الويب لبدء بث الكاميرا المباشر:

1. امنح إذن الوصول للكاميرا عند المطالبة بذلك
2. انقر على معاينة الفيديو لالتقاط إطار
3. يتم إجراء الاستنتاج تلقائياً على الإطار الذي تم التقاطه
4. انقر مرة أخرى لإعادة تشغيل كاميرا الويب

Link to this sectionعرض النتائج#

عرض نتائج الاستنتاج:

• صناديق التحديد مع تسميات الفئات كتراكبات SVG
• درجات الثقة لكل اكتشاف
• ألوان الفئات من لوحة ألوان مجموعة البيانات الخاصة بك (أو لوحة الألوان الافتراضية لـ Ultralytics)
• تفصيل السرعة: وقت المعالجة الأولية، الاستنتاج، المعالجة اللاحقة، والشبكة

تظهر لوحة النتائج:

Link to this sectionمعايير الاستنتاج#

اضبط سلوك الاكتشاف باستخدام المعايير في قسم Parameters القابل للطي:

Link to this sectionعتبة الثقة#

تصفية التوقعات حسب الثقة:

• أعلى (0.5+): توقعات أقل، ولكن أكثر يقينية
• أقل (0.1-0.25): توقعات أكثر، مع بعض الضوضاء
• افتراضي (0.25): متوازن لمعظم حالات الاستخدام

Link to this sectionعتبة IoU#

التحكم في خوارزمية NMS (Non-Maximum Suppression):

• أعلى (0.7+): السماح بمزيد من الصناديق المتداخلة
• أقل (0.3-0.5): دمج الاكتشافات القريبة بشكل أكثر عدوانية
• افتراضي (0.7): سلوك NMS متوازن لمعظم حالات الاستخدام

Link to this sectionتوقع النشر#

يتضمن كل نقطة نهاية مخصصة قيد التشغيل علامة تبويب Predict مباشرة على بطاقة النشر الخاصة بها. يستخدم هذا خدمة استنتاج النشر نفسها بدلاً من خدمة التوقع المشتركة، مما يتيح لك اختبار نقطة النهاية المنشورة من المتصفح.

Link to this sectionREST API#

الوصول إلى الاستنتاج برمجياً:

Link to this sectionالمصادقة#

قم بتضمين مفتاح API الخاص بك في الطلبات:

Authorization: Bearer YOUR_API_KEY

Link to this sectionنقطة النهاية#

POST https://platform.ultralytics.com/api/models/{modelId}/predict

Link to this sectionطلب#

import requests

url = "https://platform.ultralytics.com/api/models/MODEL_ID/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
files = {"file": open("image.jpg", "rb")}
data = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())

Link to this sectionمعايير الطلب#

Link to this sectionاستجابة#

{
    "images": [
        {
            "shape": [1080, 1920],
            "results": [
                {
                    "class": 0,
                    "name": "person",
                    "confidence": 0.92,
                    "box": { "x1": 100, "y1": 50, "x2": 300, "y2": 400 }
                },
                {
                    "class": 2,
                    "name": "car",
                    "confidence": 0.87,
                    "box": { "x1": 400, "y1": 200, "x2": 600, "y2": 350 }
                }
            ],
            "speed": {
                "preprocess": 1.2,
                "inference": 12.5,
                "postprocess": 2.3
            }
        }
    ],
    "metadata": {
        "imageCount": 1,
        "functionTimeCall": 0.018,
        "model": "model.pt",
        "version": {
            "ultralytics": "8.x.x",
            "torch": "2.6.0",
            "torchvision": "0.21.0",
            "python": "3.13.0"
        }
    }
}

Link to this sectionحقول الاستجابة#

Link to this sectionالاستجابات الخاصة بكل مهمة#

يختلف تنسيق الاستجابة حسب المهمة:

{
  "class": 0,
  "name": "person",
  "confidence": 0.92,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400}
}

Link to this sectionالفواتير#

الاستدلال المشترك (علامة التبويب Predict ونقطة النهاية /api/models/{id}/predict) مشمول بدون تكلفة إضافية في جميع الخطط. لا توجد رسوم لكل طلب للاستدلال المشترك.

بالنسبة لأحمال عمل الإنتاج التي تتطلب إنتاجية أعلى، قم بنشر نقطة نهاية مخصصة.

Link to this sectionحدود المعدل#

يخضع الاستدلال المشترك لمعدل محدود بـ 20 طلباً/دقيقة لكل مفتاح API. عند التقييد، تُرجع الـ API الخطأ 429 مع ترويسة Retry-After. راجع مرجع حدود المعدل الكامل لجميع فئات نقاط النهاية.

Link to this sectionمعالجة الأخطاء#

استجابات الخطأ الشائعة:

Link to this sectionالأسئلة الشائعة#

Link to this sectionهل يمكنني إجراء الاستدلال على الفيديو؟#

تقبل كلتا طريقتي الاستدلال ملفات الفيديو:

• نقاط النهاية المخصصة تقبل ملفات الفيديو مباشرة. التنسيقات المدعومة (حتى 100 ميجابايت): ASF, AVI, GIF, M4V, MKV, MOV, MP4, MPEG, MPG, TS, WEBM, WMV. تتم معالجة كل إطار على حدة ويتم إرجاع النتائج لكل إطار. راجع نقاط النهاية المخصصة للحصول على التفاصيل.
• الاستدلال المشترك (/api/models/{id}/predict) يستخدم نفس خدمة Predict ويقبل نفس تنسيقات الفيديو. ومع ذلك، فإن علامة تبويب Predict في المتصفح ضمن واجهة المستخدم تقوم بتحميل الصور فقط - استخدم REST API مباشرة أو نقطة نهاية مخصصة لسير عمل الفيديو. نقطة النهاية المشتركة أيضاً محدودة بـ 20 طلباً/دقيقة، لذا فإن نقاط النهاية المخصصة هي الخيار الأفضل لأحمال عمل الفيديو المكثفة.

Link to this sectionكيف أحصل على الصورة المشروحة؟#

تقوم الـ API بإرجاع تنبؤات بتنسيق JSON. للتصور:

1. استخدم التنبؤات لرسم المربعات محلياً
2. استخدم طريقة plot() الخاصة بـ Ultralytics:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model("image.jpg")
results[0].save("annotated.jpg")

راجع توثيق وضع Predict للحصول على نتائج الـ API الكاملة وخيارات التصور.

Link to this sectionما هو الحد الأقصى لحجم الصورة؟#

• حد التحميل: 10 ميجابايت
• موصى به: أقل من 5 ميجابايت لاستدلال سريع
• تغيير الحجم التلقائي: يتم تغيير حجم الصور إلى معلمة Image Size المحددة

يتم تغيير حجم الصور الكبيرة تلقائياً مع الحفاظ على نسبة العرض إلى الارتفاع.

Link to this sectionهل يمكنني تشغيل استدلال الدفعات (Batch Inference)؟#

تقوم الـ API الحالية بمعالجة صورة واحدة لكل طلب. للدفعات:

1. أرسل طلبات متزامنة
2. استخدم نقطة نهاية مخصصة لإنتاجية أعلى
3. ضع في اعتبارك الاستدلال المحلي للدفعات الكبيرة

import concurrent.futures

import requests

url = "https://predict-abc123.run.app/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
images = ["img1.jpg", "img2.jpg", "img3.jpg"]

def predict(image_path):
    with open(image_path, "rb") as f:
        return requests.post(url, headers=headers, files={"file": f}).json()

with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor:
    results = list(executor.map(predict, images))