Inferência ao Vivo com Aplicação Streamlit usando Ultralytics YOLO26
Introdução
Streamlit simplifica a construção e implantação de aplicações web interativas. Combinar isso com Ultralytics YOLO26 permite detecção de objetos e análise em tempo real diretamente no seu navegador. A alta precisão e velocidade do YOLO26 garantem um desempenho contínuo para streams de vídeo ao vivo, tornando-o ideal para aplicações em segurança, varejo e além.
Assista: Como Usar o Streamlit com Ultralytics para Tempo Real Visão Computacional no seu navegador
| Aquicultura | Criação de Animais |
|---|---|
 |  |
| Detecção de Peixes usando Ultralytics YOLO26 | Detecção de Animais usando Ultralytics YOLO26 |
Vantagens da Inferência ao Vivo
- Detecção de Objetos em Tempo Real Contínua: Streamlit combinado com YOLO26 permite a detecção de objetos em tempo real diretamente do feed da sua webcam. Isso permite análises e insights imediatos, tornando-o ideal para aplicações que exigem feedback instantâneo.
- Implantação Amigável: A interface interativa do Streamlit facilita a implantação e o uso do aplicativo sem conhecimento técnico extensivo. Os usuários podem iniciar a inferência ao vivo com um simples clique, aumentando a acessibilidade e a usabilidade.
- Utilização Eficiente de Recursos: Os algoritmos otimizados do YOLO26 garantem processamento de alta velocidade com recursos computacionais mínimos. Essa eficiência permite inferência de webcam suave e confiável mesmo em hardware padrão, tornando a visão computacional avançada acessível a um público mais amplo.
Código da Aplicação Streamlit
Instalação da Ultralytics
Antes de começar a construir o aplicativo, certifique-se de ter o pacote Ultralytics python instalado.
pip install ultralytics
Inferência usando Streamlit com Ultralytics YOLO
yolo solutions inference
yolo solutions inference model="path/to/model.pt"
Esses comandos iniciam a interface Streamlit padrão que acompanha o Ultralytics. Use yolo solutions inference --help para visualizar flags adicionais como source, conf, ou persist se você deseja personalizar a experiência sem editar o código 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`
Isso iniciará a aplicação Streamlit no seu navegador web padrão. Você verá o título principal, subtítulo e a barra lateral com opções de configuração. Selecione o modelo YOLO26 desejado, defina os limiares de confiança e NMS, e clique no botão "Start" para iniciar a detecção de objetos em tempo real.
Como Funciona
Internamente, o aplicativo Streamlit usa o módulo de soluções Ultralytics para criar uma interface interativa. Quando você inicia a inferência, o aplicativo:
- Captura vídeo da sua webcam ou arquivo de vídeo carregado
- Processa cada quadro através do modelo YOLO26
- Aplica a detecção de objetos com os seus limiares de confiança e IoU especificados
- Exibe os frames originais e anotados em tempo real
- Ativa opcionalmente o rastreamento de objetos, se selecionado
O aplicativo fornece uma interface limpa e amigável com controles para ajustar os parâmetros do modelo e iniciar/parar a inferência a qualquer momento.
Conclusão
Ao seguir este guia, você criou com sucesso uma aplicação de detecção de objetos em tempo real usando Streamlit e Ultralytics YOLO26. Esta aplicação permite que você experimente o poder do YOLO26 na detecção de objetos através da sua webcam, com uma interface amigável e a capacidade de parar o stream de vídeo a qualquer momento.
Para melhorias adicionais, pode explorar a adição de mais funcionalidades, como gravar o fluxo de vídeo, guardar os frames anotados ou integrar com outras bibliotecas de visão computacional.
Compartilhe Suas Ideias com a Comunidade
Interaja com a comunidade para aprender mais, solucionar problemas e compartilhar seus projetos:
Onde Encontrar Ajuda e Suporte
- Problemas no GitHub: Visite o repositório Ultralytics no GitHub para levantar questões, reportar bugs e sugerir funcionalidades.
- Servidor Ultralytics Discord: Junte-se ao servidor Ultralytics Discord para se conectar com outros usuários e desenvolvedores, obter suporte, compartilhar conhecimento e trocar ideias.
Documentação Oficial
- Documentação do Ultralytics YOLO26: Consulte a documentação oficial do YOLO26 para guias abrangentes e insights sobre várias tarefas e projetos de visão computacional.
FAQ
Como posso configurar uma aplicação de detecção de objetos em tempo real usando Streamlit e Ultralytics YOLO26?
Configurar uma aplicação de detecção de objetos em tempo real com Streamlit e Ultralytics YOLO26 é simples. Primeiro, certifique-se de ter o pacote Ultralytics python instalado usando:
pip install ultralytics
Em seguida, você pode criar um aplicativo Streamlit básico para executar a inferência ao vivo:
Aplicação 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
Para mais detalhes sobre a configuração prática, consulte a seção Seção de Código do Aplicativo Streamlit da documentação.
Quais são as principais vantagens de usar Ultralytics YOLO26 com Streamlit para detecção de objetos em tempo real?
Usar Ultralytics YOLO26 com Streamlit para detecção de objetos em tempo real oferece várias vantagens:
- Deteção Contínua em Tempo Real: Obtenha deteção de objetos em tempo real e de alta precisão diretamente de feeds de webcam.
- Interface Amigável: A interface intuitiva do Streamlit permite fácil utilização e implantação sem extenso conhecimento técnico.
- Eficiência de Recursos: Os algoritmos otimizados do YOLO26 garantem processamento de alta velocidade com recursos computacionais mínimos.
Saiba mais sobre esses benefícios na seção Vantagens da Inferência ao Vivo.
Como implemento um aplicativo de detecção de objetos Streamlit no meu navegador da web?
Após codificar sua aplicação Streamlit integrando Ultralytics YOLO26, você pode implantá-la executando:
streamlit run path/to/file.py
Este comando iniciará a aplicação no seu navegador web padrão, permitindo que você selecione modelos YOLO26, defina os limiares de confiança e NMS, e inicie a detecção de objetos em tempo real com um simples clique. Para um guia detalhado, consulte a seção Código da Aplicação Streamlit.
Quais são alguns casos de uso para detecção de objetos em tempo real usando Streamlit e Ultralytics YOLO26?
A detecção de objetos em tempo real usando Streamlit e Ultralytics YOLO26 pode ser aplicada em vários setores:
- Segurança: Monitoramento em tempo real para acesso não autorizado e sistemas de alarme de segurança.
- Varejo: Contagem de clientes, gestão de prateleiras e rastreamento de estoque.
- Vida Selvagem e Agricultura: Monitoramento de animais e condições de colheitas para esforços de conservação.
Para casos de uso e exemplos mais detalhados, explore as Soluções Ultralytics.
Como o Ultralytics YOLO26 se compara a outros modelos de detecção de objetos como YOLOv5 e RCNNs?
Ultralytics YOLO26 oferece várias melhorias em relação a modelos anteriores como YOLOv5 e RCNNs:
- Maior Velocidade e Precisão: Desempenho aprimorado para aplicações em tempo real.
- Facilidade de Uso: Interfaces e implantação simplificadas.
- Eficiência de Recursos: Otimizado para melhor velocidade com requisitos computacionais mínimos.
Para uma comparação abrangente, consulte a Documentação do Ultralytics YOLO26 e posts de blog relacionados que discutem o desempenho do modelo.
