Link to this sectionLive-Inferenz mit Streamlit-Anwendung unter Verwendung von Ultralytics YOLO26#

Link to this sectionEinführung#

Streamlit macht es einfach, interaktive Webanwendungen zu erstellen und bereitzustellen. Die Kombination mit Ultralytics YOLO26 ermöglicht eine Objekterkennung und Analyse in Echtzeit direkt in deinem Browser. Die hohe Genauigkeit und Geschwindigkeit von YOLO26 sorgen für eine nahtlose Leistung bei Live-Videostreams, was sie ideal für Anwendungen in den Bereichen Sicherheit, Einzelhandel und darüber hinaus macht.

Aquakultur	Tierhaltung
Fischerkennung mit Ultralytics YOLO26	Tiererkennung mit Ultralytics YOLO26

Link to this sectionVorteile der Live-Inferenz#

• Nahtlose Echtzeit-Objekterkennung: Streamlit in Kombination mit YOLO26 ermöglicht eine Objekterkennung in Echtzeit direkt über deinen Webcam-Feed. Dies erlaubt sofortige Analysen und Einblicke und ist ideal für Anwendungen, die sofortiges Feedback erfordern.
• Benutzerfreundliche Bereitstellung: Die interaktive Schnittstelle von Streamlit macht es einfach, die Anwendung ohne umfassende technische Kenntnisse bereitzustellen und zu nutzen. Benutzer können die Live-Inferenz mit einem einfachen Klick starten, was die Zugänglichkeit und Benutzerfreundlichkeit verbessert.
• Effiziente Ressourcennutzung: Die optimierten Algorithmen von YOLO26 gewährleisten eine Hochgeschwindigkeitsverarbeitung bei minimalen Rechenressourcen. Diese Effizienz ermöglicht eine reibungslose und zuverlässige Webcam-Inferenz selbst auf Standard-Hardware und macht moderne Computer Vision einem breiteren Publikum zugänglich.

Link to this sectionStreamlit-Anwendungscode#

pip install ultralytics

yolo solutions inference

yolo solutions inference model="path/to/model.pt"

Dies startet die Streamlit-Anwendung in deinem Standard-Webbrowser. Du siehst den Haupttitel, den Untertitel und die Seitenleiste mit Konfigurationsoptionen. Wähle dein gewünschtes YOLO26-Modell aus, lege die Konfidenz- und NMS-Schwellenwerte fest und klicke auf die Schaltfläche „Start“, um die Objekterkennung in Echtzeit zu beginnen.

Link to this sectionSo funktioniert es#

Unter der Haube verwendet die Streamlit-Anwendung das Ultralytics Solutions-Modul, um eine interaktive Schnittstelle zu erstellen. Wenn du die Inferenz startest, führt die Anwendung folgende Schritte aus:

1. Erfasst Video von deiner Webcam oder einer hochgeladenen Videodatei
2. Verarbeitet jeden Frame durch das YOLO26-Modell
3. Wendet die Objekterkennung mit deinen festgelegten Konfidenz- und IoU-Schwellenwerten an
4. Zeigt sowohl die originalen als auch die annotierten Frames in Echtzeit an
5. Aktiviert optional die Objektverfolgung, falls ausgewählt

Die Anwendung bietet eine saubere, benutzerfreundliche Oberfläche mit Steuerelementen zur Anpassung von Modellparametern und zum Starten/Stoppen der Inferenz zu jedem Zeitpunkt.

Link to this sectionFazit#

Indem du diesem Leitfaden folgst, hast du erfolgreich eine Objekterkennungsanwendung in Echtzeit unter Verwendung von Streamlit und Ultralytics YOLO26 erstellt. Diese Anwendung ermöglicht es dir, die Leistungsfähigkeit von YOLO26 bei der Erkennung von Objekten über deine Webcam mit einer benutzerfreundlichen Oberfläche zu erleben, wobei du den Videostream jederzeit stoppen kannst.

Für weitere Erweiterungen kannst du Funktionen hinzufügen, wie etwa das Aufzeichnen des Videostreams, das Speichern der annotierten Frames oder die Integration mit anderen Computer-Vision-Bibliotheken.

Link to this sectionTeile deine Gedanken mit der Community#

Tausche dich mit der Community aus, um mehr zu erfahren, Probleme zu beheben und deine Projekte zu teilen:

Link to this sectionWo du Hilfe und Support findest#

• GitHub Issues: Besuche das Ultralytics GitHub-Repository, um Fragen zu stellen, Fehler zu melden und Funktionen vorzuschlagen.
• Ultralytics Discord-Server: Tritt dem Ultralytics Discord-Server bei, um dich mit anderen Benutzern und Entwicklern zu vernetzen, Support zu erhalten, Wissen zu teilen und Ideen zu entwickeln.

Link to this sectionOffizielle Dokumentation#

• Ultralytics YOLO26-Dokumentation: Nutze die offizielle YOLO26-Dokumentation für umfassende Anleitungen und Einblicke in verschiedene Computer-Vision-Aufgaben und Projekte.

Link to this sectionFAQ#

Link to this sectionWie kann ich eine Objekterkennungsanwendung in Echtzeit mit Streamlit und Ultralytics YOLO26 einrichten?#

Das Einrichten einer Objekterkennungsanwendung in Echtzeit mit Streamlit und Ultralytics YOLO26 ist unkompliziert. Stelle zunächst sicher, dass das Ultralytics Python-Paket installiert ist:

pip install ultralytics

Dann kannst du eine einfache Streamlit-Anwendung erstellen, um die Live-Inferenz auszuführen:

from ultralytics import solutions

inf = solutions.Inference(
    model="yolo26n.pt",  # you can use any model that Ultralytics supports, e.g., YOLO26, YOLOv10
)

inf.inference()

# Make sure to run the file using command `streamlit run path/to/file.py`

Weitere Details zur praktischen Einrichtung findest du im Abschnitt Streamlit-Anwendungscode der Dokumentation.

Link to this sectionWas sind die Hauptvorteile der Verwendung von Ultralytics YOLO26 mit Streamlit für die Objekterkennung in Echtzeit?#

Die Verwendung von Ultralytics YOLO26 mit Streamlit zur Objekterkennung in Echtzeit bietet mehrere Vorteile:

• Nahtlose Echtzeit-Erkennung: Erreiche eine Objekterkennung mit hoher Genauigkeit in Echtzeit direkt über Webcam-Feeds.
• Benutzerfreundliche Schnittstelle: Die intuitive Schnittstelle von Streamlit ermöglicht eine einfache Nutzung und Bereitstellung ohne tiefgreifende technische Kenntnisse.
• Ressourceneffizienz: Die optimierten Algorithmen von YOLO26 gewährleisten eine Hochgeschwindigkeitsverarbeitung bei minimalem Rechenaufwand.

Erfahre mehr über diese Vorteile im Abschnitt Vorteile der Live-Inferenz.

Link to this sectionWie stelle ich eine Streamlit-Objekterkennungsanwendung in meinem Webbrowser bereit?#

Nachdem du deine Streamlit-Anwendung mit Integration von Ultralytics YOLO26 programmiert hast, kannst du sie durch Ausführen des folgenden Befehls bereitstellen:

streamlit run path/to/file.py

Dieser Befehl startet die Anwendung in deinem Standard-Webbrowser und ermöglicht es dir, YOLO26-Modelle auszuwählen, Konfidenz- und NMS-Schwellenwerte festzulegen und die Objekterkennung in Echtzeit mit einem einfachen Klick zu starten. Für eine detaillierte Anleitung siehe den Abschnitt Streamlit-Anwendungscode.

Link to this sectionWas sind einige Anwendungsfälle für die Objekterkennung in Echtzeit mit Streamlit und Ultralytics YOLO26?#

Die Objekterkennung in Echtzeit mit Streamlit und Ultralytics YOLO26 kann in verschiedenen Sektoren eingesetzt werden:

• Sicherheit: Echtzeitüberwachung bei unbefugtem Zutritt und Sicherheitsalarmsysteme.
• Einzelhandel: Kundenzählung, Regalmanagement und Bestandsverfolgung.
• Wildtiere und Landwirtschaft: Überwachung von Tieren und Erntebedingungen für Naturschutzmaßnahmen.

Weitere detaillierte Anwendungsfälle und Beispiele findest du unter Ultralytics Solutions.

Link to this sectionWie schneidet Ultralytics YOLO26 im Vergleich zu anderen Objekterkennungsmodellen wie YOLOv5 und RCNNs ab?#

Ultralytics YOLO26 bietet mehrere Verbesserungen gegenüber früheren Modellen wie YOLOv5 und RCNNs:

• Höhere Geschwindigkeit und Genauigkeit: Verbesserte Leistung für Echtzeitanwendungen.
• Benutzerfreundlichkeit: Vereinfachte Schnittstellen und Bereitstellung.
• Ressourceneffizienz: Optimiert für bessere Geschwindigkeit bei minimalen Rechenanforderungen.

Für einen umfassenden Vergleich siehe die Ultralytics YOLO26-Dokumentation und zugehörige Blogbeiträge, die die Modellleistung diskutieren.