Live-Inferenz mit der Streamlit-Anwendung unter Verwendung von Ultralytics YOLO26

Einführung

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 reibungslose Leistung bei Live-Videostreams, was es ideal für Anwendungen in den Bereichen Sicherheit, Einzelhandel und darüber hinaus macht.

Aquakultur	Tierhaltung
Fischerkennung mit Ultralytics YOLO26	Tiererkennung mit Ultralytics YOLO26

Vorteile der Live-Inferenz

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

Streamlit-Anwendungscode

pip install ultralytics

yolo solutions inference

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

Dadurch wird die Streamlit-Anwendung in deinem Standard-Webbrowser 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 mit der Objekterkennung in Echtzeit zu beginnen.

Wie es funktioniert

Unter der Haube verwendet die Streamlit-Anwendung das Ultralytics solutions Modul, um eine interaktive Oberfläche zu erstellen. Wenn du die Inferenz startest, macht die Anwendung Folgendes:

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 ursprünglichen als auch die annotierten Frames in Echtzeit an
5. Aktiviert optional die Objektverfolgung, falls ausgewählt

Die Anwendung bietet eine saubere, benutzerfreundliche Oberfläche mit Steuerelementen, um Modellparameter anzupassen und die Inferenz jederzeit zu starten/stoppen.

Fazit

Indem du dieser Anleitung 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 zu erleben, mit einer benutzerfreundlichen Oberfläche und der Möglichkeit, den Videostream jederzeit zu stoppen.

Für weitere Verbesserungen kannst du erkunden, weitere Funktionen hinzuzufügen, wie z. B. das Aufzeichnen des Videostreams, das Speichern der annotierten Frames oder die Integration mit anderen Computer-Vision-Bibliotheken.

Teile deine Gedanken mit der Community

Engagiere dich in der Community, um mehr zu erfahren, Probleme zu beheben und deine Projekte zu teilen:

Wo 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 verbinden, Support zu erhalten, Wissen zu teilen und Ideen zu entwickeln.

Offizielle Dokumentation

• Ultralytics YOLO26 Dokumentation: Schau in die offizielle YOLO26-Dokumentation, um umfassende Anleitungen und Einblicke zu verschiedenen Computer-Vision-Aufgaben und -Projekten zu erhalten.

FAQ

Wie kann ich eine Objekterkennungsanwendung in Echtzeit mit Streamlit und Ultralytics YOLO26 einrichten?

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

pip install ultralytics

Dann kannst du eine grundlegende 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 Einzelheiten zur praktischen Einrichtung findest du im Abschnitt Streamlit-Anwendungscode der Dokumentation.

Was sind die Hauptvorteile der Verwendung von Ultralytics YOLO26 mit Streamlit für die Objekterkennung in Echtzeit?

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

• Nahtlose Echtzeiterkennung: Erziele eine hohe Genauigkeit bei der Objekterkennung in Echtzeit direkt über Webcam-Feeds.
• Benutzerfreundliche Oberfläche: Die intuitive Oberfläche von Streamlit ermöglicht eine einfache Nutzung und Bereitstellung ohne umfangreiche technische Kenntnisse.
• Ressourceneffizienz: Die optimierten Algorithmen von YOLO26 sorgen für eine Hochgeschwindigkeitsverarbeitung bei minimalen Rechenressourcen.

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

Wie stelle ich eine Streamlit-Objekterkennungsanwendung in meinem Webbrowser bereit?

Nachdem du deine Streamlit-Anwendung mit integriertem Ultralytics YOLO26 programmiert hast, kannst du sie durch Ausführen der folgenden Befehle 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. Eine detaillierte Anleitung findest du im Abschnitt Streamlit-Anwendungscode.

Was 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 auf unbefugten Zugriff und Sicherheitsalarmsysteme.
• Einzelhandel: Kundenzählung, Regalmanagement und Inventarverfolgung.
• Wildtiere und Landwirtschaft: Überwachung von Tieren und Pflanzenbedingungen für Naturschutzbemühungen.

Für tiefergehende Anwendungsfälle und Beispiele erkunde Ultralytics Solutions.

Wie schneidet Ultralytics YOLO26 im Vergleich zu anderen Objekterkennungsmodellen wie YOLOv5 und RCNNs ab?

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

• 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, in denen die Modellleistung diskutiert wird.