Inférence en direct avec une application Streamlit utilisant Ultralytics YOLO26
Introduction
Streamlit simplifie la création et le déploiement d'applications web interactives. La combinaison de Streamlit avec Ultralytics YOLO26 permet la détection d'objets et l'analyse en temps réel directement dans votre navigateur. La grande précision et la vitesse de YOLO26 garantissent des performances fluides pour les flux vidéo en direct, ce qui le rend idéal pour les applications dans la sécurité, le commerce de détail et au-delà.
Regarder : Comment utiliser Streamlit avec Ultralytics en temps réel Vision par ordinateur dans votre navigateur
| Aquaculture | Élevage |
|---|---|
 |  |
| Détection de poissons avec Ultralytics YOLO26 | Détection d'animaux avec Ultralytics YOLO26 |
Avantages de l'inférence en direct
- Détection d'objets en temps réel fluide : Streamlit, combiné à YOLO26, permet la détection d'objets en temps réel directement à partir du flux de votre webcam. Cela permet une analyse et des informations immédiates, ce qui le rend idéal pour les applications nécessitant un retour d'information instantané.
- Déploiement convivial : L’interface interactive de Streamlit facilite le déploiement et l’utilisation de l’application sans connaissances techniques approfondies. Les utilisateurs peuvent démarrer l’inférence en direct d’un simple clic, ce qui améliore l’accessibilité et la convivialité.
- Utilisation efficace des ressources : Les algorithmes optimisés de YOLO26 garantissent un traitement à haute vitesse avec un minimum de ressources computationnelles. Cette efficacité permet une inférence fluide et fiable via webcam, même sur du matériel standard, rendant la vision par ordinateur avancée accessible à un public plus large.
Code de l'application Streamlit
Installation Ultralytics
Avant de commencer à créer l'application, assurez-vous que le paquet Ultralytics python est installé.
pip install ultralytics
Inférence utilisant Streamlit avec Ultralytics YOLO
yolo solutions inference
yolo solutions inference model="path/to/model.pt"
Ces commandes lancent l'interface Streamlit par défaut fournie avec Ultralytics. Utilisez yolo solutions inference --help pour afficher des drapeaux supplémentaires tels que source, conf, ou persist si vous souhaitez personnaliser l'expérience sans modifier le code python.
from ultralytics import solutions
inf = solutions.Inference(
model="yolo26n.pt", # you can use any model that Ultralytics supports, e.g., YOLO26, or a custom-trained model
)
inf.inference()
# Make sure to run the file using command `streamlit run path/to/file.py`
Cela lancera l'application Streamlit dans votre navigateur web par défaut. Vous verrez le titre principal, le sous-titre et la barre latérale avec les options de configuration. Sélectionnez le modèle YOLO26 souhaité, définissez les seuils de confiance et de NMS, puis cliquez sur le bouton « Start » pour démarrer la détection d'objets en temps réel.
Comment ça marche
En coulisses, l'application Streamlit utilise le module de solutions Ultralytics pour créer une interface interactive. Lorsque vous lancez l'inférence, l'application :
- Capture des vidéos à partir de votre webcam ou d’un fichier vidéo téléchargé
- Traite chaque image à travers le modèle YOLO26
- Applique la détection d'objets avec les seuils de confiance et d'IoU que vous avez spécifiés
- Affiche à la fois les trames originales et les trames annotées en temps réel
- Active optionnellement le suivi des objets si sélectionné
L'application fournit une interface propre et conviviale avec des commandes permettant d'ajuster les paramètres du modèle et de démarrer/arrêter l'inférence à tout moment.
Conclusion
En suivant ce guide, vous avez réussi à créer une application de détection d'objets en temps réel utilisant Streamlit et Ultralytics YOLO26. Cette application vous permet de découvrir la puissance de YOLO26 pour detect des objets via votre webcam, avec une interface conviviale et la possibilité d'arrêter le flux vidéo à tout moment.
Pour des améliorations supplémentaires, vous pouvez envisager d'ajouter d'autres fonctionnalités telles que l'enregistrement du flux vidéo, la sauvegarde des images annotées ou l'intégration avec d'autres bibliothèques de vision par ordinateur.
Partagez vos réflexions avec la communauté
Engagez-vous avec la communauté pour en savoir plus, résoudre les problèmes et partager vos projets :
Où trouver de l'aide et de l'assistance
- Problèmes GitHub : Visitez le dépôt Ultralytics GitHub pour poser des questions, signaler des bugs et suggérer des fonctionnalités.
- Serveur Discord Ultralytics : Rejoignez le serveur Discord Ultralytics pour vous connecter avec d'autres utilisateurs et développeurs, obtenir de l'aide, partager des connaissances et échanger des idées.
Documentation officielle
- Documentation Ultralytics YOLO26 : Référez-vous à la documentation officielle de YOLO26 pour des guides complets et des aperçus sur diverses tâches et projets de vision par ordinateur.
FAQ
Comment puis-je configurer une application de détection d'objets en temps réel à l'aide de Streamlit et Ultralytics YOLO26 ?
La mise en place d'une application de détection d'objets en temps réel avec Streamlit et Ultralytics YOLO26 est simple. Tout d'abord, assurez-vous d'avoir installé le package python Ultralytics en utilisant :
pip install ultralytics
Ensuite, vous pouvez créer une application Streamlit de base pour exécuter l'inférence en direct:
Application Streamlit
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`
yolo solutions inference
Pour plus de détails sur la configuration pratique, consultez la section Code de l'application Streamlit de la documentation.
Quels sont les principaux avantages d'utiliser Ultralytics YOLO26 avec Streamlit pour la détection d'objets en temps réel ?
L'utilisation d'Ultralytics YOLO26 avec Streamlit pour la détection d'objets en temps réel offre plusieurs avantages :
- Détection en temps réel transparente : Obtenez une précision élevée de la détection d'objets en temps réel directement à partir des flux de webcam.
- Interface conviviale : L’interface intuitive de Streamlit permet une utilisation et un déploiement faciles sans connaissances techniques approfondies.
- Efficacité des ressources : Les algorithmes optimisés de YOLO26 garantissent un traitement à haute vitesse avec un minimum de ressources computationnelles.
Découvrez plus d'avantages dans la section Avantages de l'inférence en direct.
Comment déployer une application de détection d'objets Streamlit dans mon navigateur web ?
Après avoir codé votre application Streamlit intégrant Ultralytics YOLO26, vous pouvez la déployer en exécutant :
streamlit run path/to/file.py
Cette commande lancera l'application dans votre navigateur web par défaut, vous permettant de sélectionner les modèles YOLO26, de définir les seuils de confiance et de NMS, et de démarrer la détection d'objets en temps réel d'un simple clic. Pour un guide détaillé, consultez la section Code de l'application Streamlit.
Quels sont quelques cas d'utilisation de la détection d'objets en temps réel avec Streamlit et Ultralytics YOLO26 ?
La détection d'objets en temps réel utilisant Streamlit et Ultralytics YOLO26 peut être appliquée dans divers secteurs :
- Sécurité : Surveillance en temps réel des accès non autorisés et des systèmes d’alarme de sécurité.
- Vente au détail : Comptage des clients, gestion des rayons et suivi des stocks.
- Faune et agriculture : Surveillance des animaux et des conditions des cultures pour les efforts de conservation.
Pour des cas d'utilisation et des exemples plus approfondis, explorez les Solutions Ultralytics.
Comment Ultralytics YOLO26 se compare-t-il à d'autres modèles de détection d'objets comme YOLOv5 et les RCNN ?
Ultralytics YOLO26 apporte plusieurs améliorations par rapport aux modèles précédents comme YOLOv5 et les RCNN :
- Vitesse et Précision Supérieures : Performance améliorée pour les applications en temps réel.
- Facilité d'utilisation : Interfaces et déploiement simplifiés.
- Efficacité des ressources : Optimisé pour une meilleure vitesse avec des exigences de calcul minimales.
Pour une comparaison complète, consultez la documentation Ultralytics YOLO26 et les articles de blog connexes discutant des performances des modèles.
