Ultralytics YOLO27:
Get Started

Live-Inferenz mit einer Streamlit-Anwendung und Ultralytics YOLO26#

Einführung#

Mit Streamlit lassen sich interaktive Webanwendungen einfach erstellen und bereitstellen. In Kombination mit Ultralytics YOLO26 ermöglicht Streamlit Objekterkennung und Analysen in Echtzeit direkt im Browser. Die hohe Genauigkeit und Geschwindigkeit von YOLO26 sorgen für eine reibungslose Verarbeitung von Live-Videostreams. Dadurch eignet sich das Modell ideal für Anwendungen in den Bereichen Sicherheit, Einzelhandel und darüber hinaus.



Ansehen: So erstellst du mit Ultralytics YOLO26 und Streamlit eine Live-Inferenz-App | Erkennung und Segmentierung 🚀
AquakulturTierhaltung
Fischerkennung mit Ultralytics YOLO26Tiererkennung mit Ultralytics YOLO26
Fischerkennung mit Ultralytics YOLO26Tiererkennung mit Ultralytics YOLO26

Vorteile der Live-Inferenz#

  • Nahtlose Objekterkennung in Echtzeit: In Kombination mit YOLO26 ermöglicht Streamlit die Objekterkennung in Echtzeit direkt über deinen Webcam-Stream. So sind sofortige Analysen und Erkenntnisse möglich. Das ist ideal für Anwendungen, die unmittelbares Feedback erfordern.
  • Benutzerfreundliche Bereitstellung: Dank der interaktiven Oberfläche von Streamlit lässt sich die Anwendung ohne umfangreiche technische Kenntnisse einfach bereitstellen und nutzen. Die Live-Inferenz kann mit einem einzigen Klick gestartet werden, wodurch die Anwendung zugänglicher und einfacher zu bedienen ist.
  • Effiziente Ressourcennutzung: Die optimierten Algorithmen von YOLO26 ermöglichen eine hohe Verarbeitungsgeschwindigkeit bei minimalem Rechenaufwand. Dank dieser Effizienz läuft die Inferenz über die Webcam selbst auf Standardhardware reibungslos und zuverlässig. So wird fortschrittliche Computer Vision einem breiteren Publikum zugänglich.

Streamlit-Anwendungscode#

Ultralytics-Installation

Stelle vor dem Erstellen der Anwendung sicher, dass das Python-Paket Ultralytics installiert ist.

pip install ultralytics
Inferenz mit Streamlit und Ultralytics YOLO
yolo solutions inference

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

yolo solutions help # list the available solution commands and arguments

Mit diesen Befehlen startest du die standardmäßige Streamlit-Oberfläche, die mit Ultralytics ausgeliefert wird.

Dadurch wird die Streamlit-Anwendung in deinem Standardbrowser gestartet. 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 starten.

So funktioniert es#

Im Hintergrund verwendet die Streamlit-Anwendung das Ultralytics-Lösungsmodul, um eine interaktive Oberfläche zu erstellen. Wenn du die Inferenz startest, führt die Anwendung Folgendes aus:

  1. Erfasst Einzelbilder von deiner Webcam, aus einer hochgeladenen Videodatei oder aus hochgeladenen Bildern
  2. Verarbeitet jedes Einzelbild mit dem YOLO26-Modell
  3. Führt die Objekterkennung mit den von dir festgelegten Konfidenz- und IoU-Schwellenwerten aus
  4. Zeigt die Originalbilder und die markierten Einzelbilder in Echtzeit an
  5. Aktiviert bei Auswahl optional die Objektverfolgung

Die Anwendung bietet eine übersichtliche, benutzerfreundliche Oberfläche mit Steuerelementen zum Anpassen der Modellparameter und zum jederzeitigen Starten und Stoppen der Inferenz.

Fazit#

Mit dieser Anleitung hast du erfolgreich eine Anwendung zur Objekterkennung in Echtzeit mit Streamlit und Ultralytics YOLO26 erstellt. Mit dieser Anwendung kannst du die Leistungsfähigkeit von YOLO26 bei der Objekterkennung über deine Webcam erleben. Sie bietet eine benutzerfreundliche Oberfläche und ermöglicht dir, den Videostream jederzeit anzuhalten.

Weitere Verbesserungen kannst du erkunden, indem du Funktionen wie das Aufzeichnen des Videostreams, das Speichern der markierten Einzelbilder oder die Integration mit anderen Bibliotheken für Computer Vision hinzufügst.

Häufig gestellte Fragen#

  • Eine Anwendung zur Objekterkennung in Echtzeit mit Streamlit und Ultralytics YOLO26 einzurichten, ist unkompliziert. Stelle zunächst sicher, dass das Python-Paket Ultralytics installiert ist:

    pip install ultralytics

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

    Streamlit-Anwendung
    from ultralytics import solutions

inf = solutions.Inference(
    model="yolo26n.pt",  # Du kannst jedes von Ultralytics unterstützte Modell verwenden, z. B. YOLO26 oder ein benutzerdefiniertes, trainiertes Modell.
)

inf.inference()

# Achte darauf, die Datei mit dem Befehl `streamlit run path/to/file.py` auszuführen.

    Weitere Informationen zur praktischen Einrichtung findest du im Dokumentationsabschnitt Streamlit-Anwendungscode.

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

    • Nahtlose Erkennung in Echtzeit: Erziele eine hohe Genauigkeit und erkenne Objekte in Echtzeit direkt in Webcam-Aufnahmen.
    • Benutzerfreundliche Oberfläche: Die intuitive Oberfläche von Streamlit ermöglicht eine einfache Nutzung und Bereitstellung ohne umfangreiche technische Kenntnisse.
    • Ressourcenschonend: Die optimierten Algorithmen von YOLO26 ermöglichen eine schnelle Verarbeitung bei minimalem Rechenaufwand.

    Weitere Informationen zu diesen Vorteilen findest du im Abschnitt Vorteile der Live-Inferenz.

  • Nachdem du deine Streamlit-Anwendung mit Ultralytics YOLO26 programmiert hast, kannst du sie mit folgendem Befehl starten:

    streamlit run path/to/file.py

    Mit diesem Befehl wird die Anwendung in deinem Standardbrowser gestartet. Du kannst dann YOLO26-Modelle auswählen, Konfidenz- und NMS-Schwellenwerte festlegen und die Objekterkennung in Echtzeit mit einem Klick starten. Eine ausführliche Anleitung findest du im Abschnitt Streamlit-Anwendungscode.

  • Die Objekterkennung in Echtzeit mit Streamlit und Ultralytics YOLO26 lässt sich in verschiedenen Bereichen einsetzen:

    Weitere ausführliche Anwendungsfälle und Beispiele findest du unter Ultralytics Solutions.

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

    • Höhere Geschwindigkeit und Genauigkeit: Verbesserte Leistung für Echtzeitanwendungen.
    • Einfache Anwendung: Vereinfachte Oberflächen und Bereitstellung.
    • Ressourcenschonend: Für höhere Geschwindigkeit bei minimalem Rechenaufwand optimiert.

    Einen umfassenden Vergleich findest du in der Ultralytics-YOLO26-Dokumentation und in zugehörigen Blogbeiträgen zur Modellleistung.

Mitwirkende
GLglenn-jocher15RIRizwanMunawar8RAraimbekovm3PDpderrenger1MAMatthewNoyce1JKjk4e1AMambitious-octopus1RUrulosant1

Kommentare