رؤية YOLO لعام 2026:

الاستنتاج#

Ultralytics Platform يوفر استدلالاً مستنداً إلى المتصفح لاختبار النماذج المدربة ونطاقات مخصصة للوصول البرمجي.

Ultralytics Platform Model Predict Tab With Detections Overlay

علامة تبويب التنبؤ#

يتضمن كل نموذج علامة تبويب Predict للاستدلال المستند إلى المتصفح:

  1. انتقل إلى النموذج الخاص بك
  2. انقر فوق علامة التبويب Predict
  3. قم بتحميل صورة، أو استخدم مثالاً، أو افتح كاميرا الويب الخاصة بك
  4. راجع التراكب الخاص بالمهمة، وملخص التنبؤ، والتوقيت، والاستجابة الخام

Ultralytics Platform Predict Tab Image Upload Dropzone

طرق الإدخال#

تدعم لوحة التوقع طرق إدخال متعددة:

الطريقة (Method)الوصف
تحميل الصورسحب وإفلات أو انقر لتحميل صورة
صور الأمثلةانقر فوق الأمثلة المضمنة (صور مجموعة البيانات أو الافتراضية)
التقاط كاميرا الويببث مباشر للكاميرا مع التقاط إطار واحد
graph LR
    A[Upload Image]:::start --> D[Auto-Inference]:::proc
    B[Example Image]:::start --> D
    C[Webcam Capture]:::start --> D
    D --> E[Results + Overlays]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

تحميل 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
الاستنتاج التلقائي

تعمل لوحة التوقع على إجراء الاستنتاج تلقائياً عند تحميل صورة، أو اختيار مثال، أو التقاط إطار من كاميرا الويب. لا حاجة للنقر على أي زر.

صور الأمثلة#

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

الصورةالمحتوى
bus.jpgمشهد شارع مع مركبات
zidane.jpgمشهد رياضي مع أشخاص

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

صور محملة مسبقاً

يتم تحميل صور الأمثلة مسبقاً عند تحميل الصفحة، لذا فإن النقر على مثال يؤدي إلى بدء الاستنتاج فوراً تقريباً دون انتظار التحميل.

كاميرا 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

عرض النتائج#

تعرض نتائج الاستدلال النخراج المناسب لمهمة النموذج: المربعات، أو الأقنعة، أو النقاط الرئيسية، أو المربعات الموجهة، أو درجات التصنيف، أو التغطية الدلالية، أو خريطة العمق. تستخدم نتائج الكائنات ألوان فئة مجموعة البيانات عند توفرها. تظهر اللوحة أيضاً أوقات المعالجة المسبقة، والاستدلال، والمعالجة اللاحقة، والشبكة.

Ultralytics Platform Predict Tab Results With Detections And Speed Stats تظهر لوحة النتائج:

الحقلالوصف
ملخص النتائجالاكتشافات أو التصنيفات أو تغطية الفئات الدلالية
إحصائيات السرعةالمعالجة المسبقة، الاستدلال، المعالجة اللاحقة، والشبكة (بالميللي ثانية)
استجابة JSONاستجابة API الخام في كتلة كود

معايير الاستنتاج#

اضبط سلوك الاستدلال باستخدام أشرطة التمرير الثلاثة أدناه الصورة:

Ultralytics Platform Predict Tab Parameters Sliders

المعاملالنطاقالافتراضيالوصف
الثقة (Confidence)0.01 إلى 1.0، بخطوات قدرها 0.010.25الحد الأدنى لعتبة الثقة
IoU0.0 إلى 0.95، بخطوات قدرها 0.010.7عتبة NMS IoU
حجم الصورة32 إلى 1280، بخطوات قدرها 32640بعد تغيير حجم الإدخال
إعادة التشغيل التلقائي

يؤدي تغيير أي معلمة تلقائياً إلى إعادة تشغيل الاستنتاج على الصورة الحالية مع تأخير 500 مللي ثانية. لا حاجة لإعادة التحميل.

عتبة 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

عتبة IoU#

التحكم في خوارزمية NMS (Non-Maximum Suppression):

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

توقع النشر#

تتضمن كل نقطة نهاية مخصصة قيد التشغيل علامة تبويب Predict مباشرة على بطاقة نشرها. يستخدم هذا خدمة الاستدلال الخاصة بالنشر نفسه بدلاً من خدمة التنبؤ المشتركة، مما يتيح لك اختبار نقطة النهاية المنشورة من المتصفح.

API النطاق المخصص#

تحتوي بطاقة API Docs في علامة تبويب نموذج Predict على أمثلة لطلبات Python وJavaScript وcURL. تستخدم الأمثلة عناصر نائب حتى تقوم بنشر النموذج. بعد النشر، تملأ علامة تبويب Code الخاصة ببطاقة النشر عنوان URL لنقطة النهاية ومفتاح API المتاح لمساحة العمل الخاصة بك.

المصادقة#

قم بتضمين مفتاح API الخاص بك في الطلبات:

Authorization: Bearer YOUR_API_KEY
مفتاح API مطلوب

لإجراء الاستدلال من نصوصك أو دفاتر ملاحظاتك أو تطبيقاتك الخاصة، قم تضمين مفتاح API. أنشئ مفتاحاً في Settings > API Keys.

نقطة النهاية#

POST https://YOUR_DEPLOYMENT_URL.run.app/predict

طلب#

import requests

url = "https://YOUR_DEPLOYMENT_URL.run.app/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
data = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as image_file:
    response = requests.post(url, headers=headers, files={"file": image_file}, data=data)
print(response.json())

Ultralytics Platform Predict Tab Code Examples Python Tab

معلمات الطلب#

المعاملالنوعالافتراضيالنطاقالوصف
fileملف--ملف صورة أو فيديو (مطلوب ما لم يتم تعيين source)
conffloat0.250.01 – 1.0الحد الأدنى لعتبة الثقة
ioufloat0.70.0 – 0.95عتبة NMS IoU
imgszint64032 – 1280حجم صورة الإدخال بالبكسل
normalizeمنطقي (bool)false-إرجاع إحداثيات صندوق الإحاطة (bounding box) كـ 0 – 1
decimalsint50 – 10الدقة العشرية لقيم الإحداثيات
sourcestring--عنوان URL لصورة أو سلسلة base64 (بديل لـ file)

استجابة#

{
    "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,
        "task": "detect",
        "version": {
            "ultralytics": "8.x.x",
            "torch": "2.6.0",
            "torchvision": "0.21.0",
            "python": "3.13.0"
        }
    }
}

Ultralytics Platform Predict Tab Json Response View

حقول الاستجابة#

الحقلالنوعالوصف
imagesمصفوفةقائمة بالصور المعالجة
images[].shapeمصفوفةأبعاد الصورة [الارتفاع، العرض]
images[].resultsمصفوفةقائمة الكشف
images[].results[].classintفهرس الفئة (معرف رقمي)
images[].results[].namestringاسم الفئة
images[].results[].confidencefloatثقة الكشف (0-1)
images[].results[].boxكائنإحداثيات مربع الإحاطة (BBox)
images[].speedكائنأوقات المعالجة بالملي ثانية
metadataكائنبيانات تعريف الطلب ومعلومات الإصدار

الاستجابات الخاصة بكل مهمة#

يختلف تنسيق الاستجابة حسب المهمة:

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

حدود المعدل#

واجهة برمجة تطبيقات النموذج المشترك مقيدة بـ 20 طلباً/دقيقة لكل مفتاح API، أو مستخدم مسجل الدخول، أو عنوان IP مجهول. عند التقنين، تعيد واجهة برمجة التطبيقات 429 مع ترويسة Retry-After. راجع مرجع معدل الطلبات الكامل لجميع فئات نقاط النهاية.

هل تحتاج إلى إنتاجية أكبر؟

الطلبات المرسلة مباشرة إلى نقطة نهاية مخصصة لا تمر عبر محدد معدل طلبات واجهة برمجة تطبيقات المنصة. للاستدلال المحلي عالي الحجم، راجع دليل وضع التنبؤ.

معالجة الأخطاء#

استجابات الخطأ الشائعة:

الكودالرسالةالحل
400صورة غير صالحةتحقق من تنسيق الملف
401غير مصرح بهتحقق من مفتاح الـ API
404النموذج غير موجودتحقق من معرف النموذج
429تم تجاوز حد المعدلانتظر وأعد المحاولة، أو أرسل الطلبات مباشرة إلى نقطة نهاية مخصصة
500خطأ في الخادمأعد محاولة الطلب
503الخدمة غير متوفرةخدمة Predict قيد التشغيل أو يتعذر الوصول إليها؛ انتظر قليلاً وأعد المحاولة

الأسئلة الشائعة#

  • تقبل كلتا طريقتي الاستدلال ملفات الفيديو:

    • النقاط النهائية المخصصة تقبل ملفات الفيديو مباشرة. التنسيقات المدعومة (حتى 100 ميغابايت): ASF وAVI وGIF وM4V وMKV وMOV وMP4 وMPEG وMPG وTS وWEBM وWMV. تتم معالجة كل إطار على حدة ويتم إرجاع النتائج لكل إطار. راجع النقاط النهائية المخصصة للتفاصيل.
    • يستخدم الاستدلال المشترك (/api/models/{id}/predict) نفس خدمة التنبؤ ويقبل نفس تنسيقات الفيديو. تختار علامة تبويب Predict في المتصفح الصور فقط، لذا استخدم واجهة برمجة التطبيقات أو نقطة نهاية مخصصة للفيديو.
  • تقوم الـ API بإرجاع تنبؤات بتنسيق JSON. للتصور:

    1. استخدم التنبؤات لرسم المربعات محلياً
    2. استخدم طريقة Ultralytics plot():
    from ultralytics import YOLO
    
    model = YOLO("yolo26n.pt")
    results = model("image.jpg")
    results[0].save("annotated.jpg")

    راجع توثيق وضع التنبؤ لمعرفة واجهة برمجة تطبيقات النتائج الكاملة وخيارات التصور.

    • حد علامة التبويب Predict: 10 ميجابايت
    • حد API النطاق المخصص: 100 ميجابايت
    • تغيير الحجم تلقائياً في علامة تبويب Predict: يتم تغيير حجم الصور إلى Image Size المحدد قبل التحميل

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

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

    1. إرسال طلبات منفصلة لكل صورة
    2. توزيع الطلبات عبر النطاقات المخصصة عندما يكون ذلك مناسباً
    3. استخدام الاستدلال المحلي للدفعات الكبيرة
    استدلال الدفعات باستخدام Python
    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))

التعليقات