Análise usando Ultralytics YOLO26#
A análise com Ultralytics YOLO26 transforma resultados de object detection e rastreamento em gráficos em tempo real, permitindo ver como a contagem de objetos muda em um vídeo quadro a quadro. Este guia aborda quatro tipos de data visualization — gráficos de linhas, gráficos de barras, gráficos de pizza e gráficos de área — e mostra como alternar entre eles com exemplos compartilhados de Python e CLI.
Watch: How to generate Analytical Graphs using Ultralytics | Line Graphs, Bar Plots, Area and Pie Charts
Exemplos Visuais#
| Gráfico de Linhas | Gráfico de Barras | Gráfico de Pizza |
|---|---|---|
 |  |  |
Por que visualizar dados de detecção?#
- Os gráficos de linha são ideais para acompanhar alterações durante curtos e longos períodos e para comparar mudanças entre vários grupos no mesmo período.
- Os gráficos de barras são adequados para comparar quantidades entre diferentes categorias e mostrar relações entre uma categoria e o seu valor numérico.
- Os gráficos de setores são eficazes para ilustrar proporções entre categorias e mostrar partes de um todo.
- Os gráficos de área preenchem o gráfico de linha para que as contagens de objetos por classe ao longo do tempo sejam mais fáceis de ler rapidamente.
Gerar gráficos analíticos#
Passa o teu vídeo para a solução Analytics e seleciona um gráfico com analytics_type. A solução executa detecção e rastreamento em cada quadro e renderiza um gráfico de 1280×720 (por padrão) que podes gravar diretamente num vídeo de saída. Alterna entre "line", "bar", "pie" e "area" com um único argumento.
yolo solutions analytics show=True
# Pass the source
yolo solutions analytics source="path/to/video.mp4"
# Generate the pie chart
yolo solutions analytics analytics_type="pie" show=True
# Generate the bar plots
yolo solutions analytics analytics_type="bar" show=True
# Generate the area plots
yolo solutions analytics analytics_type="area" show=TrueArgumentos do Analytics#
Aqui está uma tabela descrevendo os argumentos de Analytics:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
model | str | None | Caminho para um ficheiro de modelo YOLO da Ultralytics. |
analytics_type | str | 'line' | Tipo de grafo, ou seja, line, bar, area ou pie. |
line_width | int | 2 | Espessura da linha para as caixas, pontos-chave e contagens que a solução desenha. |
verbose | bool | True | Ativa o registro por quadro da solução contendo formato de entrada, contagens de classes e velocidade de processamento. A chamada de rastreamento em si é sempre silenciosa. |
Também podes tirar partido de diferentes argumentos de track na solução Analytics.
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Especifica o algoritmo de rastreamento a utilizar. Opções integradas: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Define o limiar de confiança para as deteções; valores mais baixos permitem que mais objetos sejam rastreados, mas podem incluir falsos positivos. |
iou | float | 0.7 | Define o limiar de Intersection over Union (IoU) para filtrar deteções sobrepostas. |
classes | list | None | Filtra resultados por índice de classe. Por exemplo, classes=[0, 2, 3] rastreia apenas as classes especificadas. |
device | str | None | Especifica o dispositivo para inferência (por exemplo, cpu, cuda:0 ou 0). Permite aos utilizadores selecionar entre CPU, uma GPU específica ou outros dispositivos de computação para a execução do modelo. |
Além disso, os seguintes argumentos de visualização são suportados:
| Argumento | Tipo | Predefinição | Descrição |
|---|---|---|---|
show | bool | False | Se True, exibe as imagens ou vídeos anotados em uma janela. Útil para feedback visual imediato durante o desenvolvimento ou teste. |
Conclusão#
Compreender quando e como usar diferentes tipos de visualizações é crucial para uma análise de dados eficaz. Gráficos de linhas, gráficos de barras e gráficos de pizza são ferramentas fundamentais que te ajudam a transmitir a história dos teus dados de forma mais clara e eficaz. A solução de análises do Ultralytics YOLO26 fornece uma maneira simplificada de gerar essas visualizações a partir dos teus resultados de object detection e rastreamento, tornando mais fácil extrair insights significativos dos teus dados visuais.
FAQ#
Para criar um gráfico de linhas usando a Análise do Ultralytics YOLO26, siga estes passos:
- Carregue um modelo YOLO26 e abra seu arquivo de vídeo.
- Inicializa a classe
Analyticscomanalytics_type="line". - Itera pelos quadros do vídeo, chamando a solução em cada quadro para atualizar o gráfico de linha com dados como contagens de objetos.
- Grava
results.plot_imnum vídeo de saída para guardar o gráfico.
Usa o Python example above como ponto de partida — ele já executa o loop de quadros completo, e um gráfico de linhas é o
analytics_typepadrão.Usar o Ultralytics YOLO26 para criar gráficos de barras oferece vários benefícios:
- Real-time Data Visualization: Integra perfeitamente resultados de object detection em gráficos de barras para atualizações dinâmicas.
- Facilidade de Uso: A API e as funções simples tornam direto implementar e visualizar dados.
- Personalização: Personalize títulos, rótulos, cores e muito mais para atender às suas necessidades específicas.
- Eficiência: Processe com eficiência grandes quantidades de dados e atualize gráficos em tempo real durante o processamento de vídeo.
Para gerar um gráfico de barras, define
analytics_type="bar"no Python example above — o resto do loop de quadros é idêntico. Vê a seção Visual Samples para uma pré-visualização.O Ultralytics YOLO26 é uma excelente escolha para criar gráficos de pizza porque:
- Integração com Detecção de Objetos: Integre diretamente os resultados de detecção de objetos em gráficos de pizza para insights imediatos.
- API Fácil de Usar: Simples de configurar e usar com o mínimo de código.
- Personalizável: Várias opções de personalização para cores, rótulos e mais.
- Atualizações em Tempo Real: Gerencie e visualize dados em tempo real, o que é ideal para projetos de análise de vídeo.
Para gerar um gráfico de pizza, define
analytics_type="pie"no Python example above. Para mais informações, consulta a seção Visual Samples no guia.Sim. O rastreamento está integrado na solução
Analytics: ele rastreia vários objetos em tempo real e atualiza o gráfico com os dados dos objetos rastreados a cada quadro, para que gráficos de linhas, gráficos de barras, gráficos de pizza e gráficos de área reflitam contagens ao vivo. Isto é exatamente o que o loop de quadros no Python example above faz. Para saberes mais sobre a funcionalidade de rastreamento subjacente, consulta a seção Tracking.O Ultralytics YOLO26 se destaca de outras soluções de detecção de objetos como OpenCV e TensorFlow por vários motivos:
- State-of-the-art Accuracy: O YOLO26 oferece precisão superior em tarefas de object detection, instance segmentation, semantic segmentation e classification.
- Facilidade de Uso: A API amigável permite implementação e integração rápidas sem codificação extensiva.
- Desempenho em Tempo Real: Otimizado para inferência de alta velocidade, adequado para aplicações em tempo real.
- Diverse Applications: Suporta rastreamento de múltiplos objetos, treinamento de modelos personalizados e exportação para diferentes formatos como ONNX, TensorRT e CoreML.
- Comprehensive Documentation: Documentation extensiva e recursos de blog resources para guiar os utilizadores em cada passo.
Para comparações mais detalhadas e casos de uso, explora o nosso Ultralytics Blog.