Ultralytics YOLO26 kullanarak Kuyruk Yönetimi#
Kuyruk Yönetimi Nedir?#
Ultralytics YOLO26 kullanarak kuyruk yönetimi; bekleme sürelerini azaltmak ve verimliliği artırmak için insan veya araç sıralarını düzenlemeyi ve kontrol etmeyi içerir. Amaç; perakende mağazaları, bankalar, havaalanları ve sağlık tesisleri gibi çeşitli ortamlarda müşteri memnuniyetini ve sistem performansını artırmak üzere kuyrukları optimize etmektir.
Watch: How to Build a Queue Management System with Ultralytics YOLO26 | Real-Time Queue Analytics 🚀
Kuyruk Yönetiminin Avantajları#
- Azalan Bekleme Süreleri: Kuyruk yönetimi sistemleri kuyrukları verimli bir şekilde düzenleyerek müşterilerin bekleme sürelerini en aza indirir. Böylece müşteriler beklemeye daha az, ürün veya hizmetlerle etkileşime geçmeye daha fazla zaman ayırdığı için memnuniyet düzeyleri artar.
- Artan Verimlilik: Kuyruk yönetiminin uygulanması, işletmelerin kaynakları daha etkili bir şekilde tahsis etmesini sağlar. İşletmeler kuyruk verilerini analiz edip personel görevlendirmesini optimize ederek operasyonlarını kolaylaştırabilir, maliyetleri azaltabilir ve genel üretkenliği artırabilir.
- Gerçek Zamanlı İçgörüler: YOLO26 destekli kuyruk yönetimi, kuyruk uzunlukları ve bekleme süreleri hakkında anında veri sağlayarak yöneticilerin hızlı bir şekilde bilinçli kararlar almasına olanak tanır.
- Geliştirilmiş Müşteri Deneyimi: İşletmeler, uzun beklemelerin yol açtığı hayal kırıklığını azaltarak müşteri memnuniyetini ve sadakatini önemli ölçüde artırabilir.
Gerçek Dünya Uygulamaları#
| Lojistik | Perakende |
|---|---|
 |  |
| Ultralytics YOLO26 Kullanılarak Havaalanı Bilet Gişesinde Kuyruk Yönetimi | Ultralytics YOLO26 ile Kalabalıkta Kuyruk İzleme |
YOLO26 ile Kuyrukları Yönetin#
QueueManager çözümü, her karede tanımlı bir bölgenin içinde kalan nesneleri sayarak çıktı videosuna yazabileceğin canlı bir kuyruk uzunluğu sağlar. Bekleme alanını kapsayan bir çokgen bölge geçirip ardından Python API veya CLI ile video kaynağın üzerinde çalıştırabilirsin.
# Run a queue example
yolo solutions queue show=True
# Pass a source video
yolo solutions queue source="path/to/video.mp4"
# Pass queue coordinates
yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"QueueManager Bağımsız Değişkenleri#
QueueManager bağımsız değişkenlerini içeren tablo aşağıda verilmiştir:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
model | str | None | Bir Ultralytics YOLO model dosyasının yolu. |
region | list veya dict | None | İlgi bölgesini tanımlayan noktalar: (x, y) demetlerinden oluşan bir liste veya birden fazla bölge için bölge adlarını nokta listelerine eşleyen bir sözlük (RegionCounter yalnızca). None olduğunda bölge gerektiren çözümler önceden tanımlanmış varsayılan değere geri döner. |
line_width | int | 2 | Çözümün çizdiği kutular, kilit noktaları ve sayılar için çizgi kalınlığı. |
verbose | bool | True | Çözümün kare başına giriş şeklini, sınıf sayılarını ve işlem hızını kaydetmesini etkinleştirir. Takip çağrısı her zaman sessizdir. |
QueueManager çözümü ayrıca track argümanlarını da destekler:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Kullanılacak takip algoritmasını belirtir. Yerleşik seçenekler: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Algılamalar için güven eşiğini belirler; daha düşük değerler daha fazla nesnenin takip edilmesine olanak tanır ancak yanlış pozitifler içerebilir. |
iou | float | 0.7 | Örtüşen algılamaları filtrelemek için Birleşim Üzerindeki Kesişim (IoU) eşiğini belirler. |
classes | list | None | Sonuçları sınıf dizinine göre filtreler. Örneğin, classes=[0, 2, 3] yalnızca belirtilen sınıfları takip eder. |
device | str | None | Çıkarım için cihazı belirtir (ör. cpu, cuda:0 veya 0). Kullanıcıların model çalıştırma işlemi için CPU, belirli bir GPU veya diğer hesaplama cihazları arasında seçim yapmasına olanak tanır. |
imgsz | int or tuple | 640 | Hedef çıkarım görüntü boyutu: kare için bir tamsayı veya bir (height, width) çifti. Şekiller model adımına göre ayarlanır. |
max_det | int | 300 | İzlemeden önce kare başına tutulan maksimum algılama sayısı; yoğun sahnelerde bir çözümün işlediği nesneleri sınırlar. |
quantize | int or str | None | Çıkarım hassasiyeti: PyTorch ve TorchScript modelleri için 16 (FP16) veya 32/ayarlanmamış (FP32); diğer formatlar, yapılarının ve çalışma zamanının seçtiği hassasiyette hesaplama yapar. Kullanımdan kaldırılan half bayrağının yerini alır. |
Ayrıca aşağıdaki görselleştirme parametreleri kullanılabilir:
| Bağımsız değişken | Tür | Varsayılan | Açıklama |
|---|---|---|---|
show | bool | False | True olduğunda açıklamalı görüntüleri veya videoları bir pencerede görüntüler. Geliştirme veya test sırasında anında görsel geri bildirim almak için kullanışlıdır. |
show_conf | bool | True | Her algılamanın güven skorunu etiketin yanında görüntüler. Modelin her algılamaya ilişkin kesinliği hakkında fikir verir. |
show_labels | bool | True | Görsel çıktıda her algılama için etiketleri görüntüler. Algılanan nesnelerin hemen anlaşılmasını sağlar. |
Uygulama Stratejileri#
YOLO26 ile kuyruk yönetimi uygularken şu en iyi uygulamaları göz önünde bulundur:
- Stratejik Kamera Yerleşimi: Kameraları, herhangi bir engel olmadan tüm kuyruk alanını görüntüleyecek şekilde konumlandır.
- Uygun Kuyruk Bölgeleri Tanımla: Kuyruk sınırlarını alanının fiziksel düzenine göre dikkatlice belirle.
- Algılama Güvenini Ayarla: Güven eşiğini aydınlatma koşullarına ve kalabalık yoğunluğuna göre ince ayarla.
- Mevcut Sistemlerle Entegre Et: Otomatik yanıtlar için kuyruk yönetimi çözümünü dijital tabelalara veya personel bildirim sistemlerine bağla.
SSS#
Gerçek zamanlı kuyruk yönetimi için Ultralytics YOLO26'yı kullanmak üzere şu adımları izleyebilirsin:
- YOLO26 modelini
YOLO("yolo26n.pt")ile yükle. - Video akışını
cv2.VideoCapturekullanarak yakala. - Kuyruk yönetimi için ilgi bölgesini (ROI) tanımla.
- Nesneleri algılamak ve kuyrukları yönetmek için kareleri işle.
İşte basit bir örnek:
import cv2 from ultralytics import solutions cap = cv2.VideoCapture("path/to/video.mp4") queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)] queuemanager = solutions.QueueManager( model="yolo26n.pt", region=queue_region, line_width=3, show=True, ) while cap.isOpened(): success, im0 = cap.read() if success: results = queuemanager(im0) cap.release() cv2.destroyAllWindows()Ultralytics Platform, kuyruk yönetimi çözümünü dağıtmak ve yönetmek için kullanıcı dostu bir platform sağlayarak bu süreci kolaylaştırabilir.
- YOLO26 modelini
Kuyruk yönetiminde Ultralytics YOLO26 kullanmak çeşitli avantajlar sağlar:
- Önemli Ölçüde Azalan Bekleme Süreleri: Kuyrukları verimli bir şekilde düzenleyerek müşterilerin bekleme sürelerini azaltır ve memnuniyeti artırır.
- Verimliliği Artırma: Personel görevlendirmesini ve operasyonları optimize etmek için kuyruk verilerini analiz eder ve böylece maliyetleri azaltır.
- Gerçek Zamanlı Uyarılar: Uzun kuyruklar için gerçek zamanlı bildirimler sağlayarak hızlı müdahaleye olanak tanır.
- Ölçeklenebilirlik: Perakende mağazaları, havaalanları ve sağlık tesisleri gibi farklı ortamlarda kolayca ölçeklenebilir.
Daha fazla ayrıntı için Kuyruk Yönetimi çözümlerimizi incele.
Ultralytics YOLO26'nın kuyruk yönetiminde TensorFlow ve Detectron2'ye göre çeşitli avantajları vardır:
- Gerçek Zamanlı Performans: YOLO26, daha yüksek işlem hızları sunan gerçek zamanlı algılama yetenekleriyle bilinir.
- Kullanım Kolaylığı: Ultralytics, eğitimden dağıtıma kadar Ultralytics Platform aracılığıyla kullanıcı dostu bir deneyim sunar.
- Önceden Eğitilmiş Modeller: Kurulum için gereken süreyi en aza indiren çeşitli önceden eğitilmiş modellere erişim sağlar.
- Topluluk Desteği: Kapsamlı dokümantasyon ve aktif topluluk desteği, sorun çözmeyi kolaylaştırır.
Ultralytics YOLO ile nasıl başlayacağını öğren.
Evet, Ultralytics YOLO26 havaalanları ve perakende ortamlarındaki kuyruklar dahil olmak üzere çeşitli kuyruk türlerini yönetebilir. QueueManager'ı belirli bölgeler ve ayarlarla yapılandırarak YOLO26'yı farklı kuyruk düzenlerine ve yoğunluklarına uyarlayabilirsin.
Havaalanları için örnek:
queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)] queue_airport = solutions.QueueManager( model="yolo26n.pt", region=queue_region_airport, line_width=3, )Çeşitli uygulamalar hakkında daha fazla bilgi için Gerçek Dünya Uygulamaları bölümümüze göz at.
Ultralytics YOLO26, kuyruk yönetimi için çeşitli gerçek dünya uygulamalarında kullanılır:
- Perakende: Bekleme sürelerini azaltmak ve müşteri memnuniyetini artırmak için kasa kuyruklarını izler.
- Havaalanları: Daha sorunsuz bir yolcu deneyimi için bilet gişelerindeki ve güvenlik kontrol noktalarındaki kuyrukları yönetir.
- Sağlık: Kliniklerde ve hastanelerde hasta akışını optimize eder.
- Bankalar: Bankalardaki kuyrukları verimli bir şekilde yöneterek müşteri hizmetlerini geliştirir.
Bilgisayarlı görü teknolojisinin farklı sektörlerde kuyruk izlemeyi nasıl dönüştürdüğü hakkında daha fazla bilgi edinmek için gerçek dünyada kuyruk yönetimi hakkındaki blog yazımıza göz at.