Chuyển đến nội dung

Quản lý hàng đợi sử dụng Ultralytics YOLO11 🚀

Quản lý hàng đợi là gì?

Mở Quản lý Hàng đợi Trong Colab

Quản lý hàng đợi bằng Ultralytics YOLO11 bao gồm việc tổ chức và kiểm soát hàng người hoặc phương tiện để giảm thời gian chờ đợi và nâng cao hiệu quả. Đó là về việc tối ưu hóa hàng đợi để cải thiện sự hài lòng của khách hàng và hiệu suất hệ thống trong các môi trường khác nhau như bán lẻ, ngân hàng, sân bay và cơ sở y tế.



Xem: Cách triển khai quản lý hàng đợi với Ultralytics YOLO11 | Sân bay và ga tàu điện ngầm

Ưu điểm của Quản lý Hàng đợi

  • Giảm thời gian chờ đợi: Hệ thống quản lý hàng đợi tổ chức hàng đợi một cách hiệu quả, giảm thiểu thời gian chờ đợi cho khách hàng. Điều này dẫn đến mức độ hài lòng được cải thiện khi khách hàng dành ít thời gian chờ đợi hơn và có nhiều thời gian tương tác hơn với các sản phẩm hoặc dịch vụ.
  • Tăng cường hiệu quả: Việc triển khai quản lý hàng đợi cho phép các doanh nghiệp phân bổ nguồn lực hiệu quả hơn. Bằng cách phân tích dữ liệu hàng đợi và tối ưu hóa việc triển khai nhân viên, các doanh nghiệp có thể hợp lý hóa hoạt động, giảm chi phí và cải thiện năng suất tổng thể.
  • Thông tin chi tiết theo thời gian thực: Quản lý hàng đợi bằng YOLO11 cung cấp dữ liệu tức thời về độ dài hàng đợi và thời gian chờ, cho phép người quản lý đưa ra quyết định sáng suốt một cách nhanh chóng.
  • Nâng cao trải nghiệm khách hàng: Bằng cách giảm sự khó chịu liên quan đến thời gian chờ đợi lâu, các doanh nghiệp có thể cải thiện đáng kể sự hài lòng và lòng trung thành của khách hàng.

Các ứng dụng thực tế

Logistics Bán lẻ
Quản lý hàng đợi tại quầy vé sân bay bằng Ultralytics YOLO11 Giám sát hàng đợi trong đám đông bằng Ultralytics YOLO11
Quản lý hàng đợi tại quầy bán vé sân bay sử dụng Ultralytics YOLO11 Giám sát hàng đợi trong đám đông bằng Ultralytics YOLO11

Quản lý hàng đợi sử dụng Ultralytics YOLO

# 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)]"
import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("queue_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Define queue points
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]  # region points
# queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)]    # polygon points

# Initialize queue manager object
queuemanager = solutions.QueueManager(
    show=True,  # display the output
    model="yolo11n.pt",  # path to the YOLO11 model file
    region=queue_region,  # pass queue region points
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = queuemanager(im0)

    # print(results)  # access the output

    video_writer.write(results.plot_im)  # write the processed frame.

cap.release()
video_writer.release()
cv2.destroyAllWindows()  # destroy all opened windows

QueueManager Các đối số

Đây là bảng với QueueManager các đối số:

Đối số Loại Mặc định Mô tả
model str None Đường dẫn đến Tệp Mô hình Ultralytics YOLO.
region list '[(20, 400), (1260, 400)]' Danh sách các điểm xác định vùng đếm.

Hàm QueueManagement giải pháp cũng hỗ trợ một số track các đối số:

Đối số Loại Mặc định Mô tả
tracker str 'botsort.yaml' Chỉ định thuật toán theo dõi để sử dụng, ví dụ: bytetrack.yaml hoặc botsort.yaml.
conf float 0.3 Đặt ngưỡng tin cậy cho các phát hiện; giá trị thấp hơn cho phép theo dõi nhiều đối tượng hơn nhưng có thể bao gồm các kết quả dương tính giả.
iou float 0.5 Đặt ngưỡng Intersection over Union (IoU) để lọc các phát hiện trùng lặp.
classes list None Lọc kết quả theo chỉ số lớp. Ví dụ: classes=[0, 2, 3] chỉ theo dõi các lớp được chỉ định.
verbose bool True Kiểm soát việc hiển thị kết quả theo dõi, cung cấp đầu ra trực quan về các đối tượng được theo dõi.
device str None Chỉ định thiết bị cho suy luận (ví dụ: cpu, cuda:0 hoặc 0). Cho phép người dùng lựa chọn giữa CPU, một GPU cụ thể hoặc các thiết bị tính toán khác để thực thi mô hình.

Ngoài ra, các tham số hiển thị sau đây khả dụng:

Đối số Loại Mặc định Mô tả
show bool False Nếu True, hiển thị hình ảnh hoặc video đã chú thích trong một cửa sổ. Hữu ích để có phản hồi trực quan ngay lập tức trong quá trình phát triển hoặc thử nghiệm.
line_width None or int None Chỉ định độ rộng đường của hộp giới hạn. Nếu None, độ rộng đường kẻ được tự động điều chỉnh dựa trên kích thước hình ảnh. Cung cấp tùy chỉnh trực quan để rõ ràng hơn.
show_conf bool True Hiển thị điểm tin cậy cho mỗi lần phát hiện cùng với nhãn. Cung cấp cái nhìn sâu sắc về độ chắc chắn của mô hình cho mỗi lần phát hiện.
show_labels bool True Hiển thị nhãn cho mỗi lần phát hiện trong đầu ra trực quan. Cung cấp sự hiểu biết ngay lập tức về các đối tượng được phát hiện.

Các chiến lược triển khai

Khi triển khai quản lý hàng đợi với YOLO11, hãy xem xét các phương pháp hay nhất sau:

  1. Vị trí camera chiến lược: Đặt camera để thu toàn bộ khu vực xếp hàng mà không bị cản trở.
  2. Xác định các vùng hàng đợi phù hợp: Cẩn thận thiết lập ranh giới hàng đợi dựa trên bố cục vật lý của không gian của bạn.
  3. Điều chỉnh độ tin cậy phát hiện: Tinh chỉnh ngưỡng tin cậy dựa trên điều kiện ánh sáng và mật độ đám đông.
  4. Tích hợp với các hệ thống hiện có: Kết nối giải pháp quản lý hàng đợi của bạn với bảng hiệu kỹ thuật số hoặc hệ thống thông báo cho nhân viên để có phản hồi tự động.

Câu hỏi thường gặp

Làm thế nào tôi có thể sử dụng Ultralytics YOLO11 để quản lý hàng đợi theo thời gian thực?

Để sử dụng Ultralytics YOLO11 cho quản lý hàng đợi theo thời gian thực, bạn có thể làm theo các bước sau:

  1. Tải mô hình YOLO11 với YOLO("yolo11n.pt").
  2. Chụp luồng video bằng cv2.VideoCapture.
  3. Xác định vùng quan tâm (ROI) để quản lý hàng đợi.
  4. Xử lý khung hình để phát hiện đối tượng và quản lý hàng đợi.

Đây là một ví dụ tối thiểu:

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="yolo11n.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()

Tận dụng Ultralytics HUB có thể hợp lý hóa quy trình này bằng cách cung cấp một nền tảng thân thiện với người dùng để triển khai và quản lý giải pháp quản lý hàng đợi của bạn.

Những ưu điểm chính của việc sử dụng Ultralytics YOLO11 để quản lý hàng đợi là gì?

Sử dụng Ultralytics YOLO11 để quản lý hàng đợi mang lại một số lợi ích sau:

  • Giảm đáng kể thời gian chờ đợi: Tổ chức hàng đợi hiệu quả, giảm thời gian chờ đợi của khách hàng và tăng mức độ hài lòng.
  • Nâng cao hiệu quả: Phân tích dữ liệu hàng đợi để tối ưu hóa việc triển khai và vận hành nhân viên, từ đó giảm chi phí.
  • Cảnh báo theo thời gian thực: Cung cấp thông báo theo thời gian thực cho các hàng đợi dài, cho phép can thiệp nhanh chóng.
  • Khả năng mở rộng: Dễ dàng mở rộng quy mô trên các môi trường khác nhau như bán lẻ, sân bay và chăm sóc sức khỏe.

Để biết thêm chi tiết, hãy khám phá các giải pháp Quản lý hàng đợi của chúng tôi.

Tại sao tôi nên chọn Ultralytics YOLO11 thay vì các đối thủ cạnh tranh như TensorFlow hoặc Detectron2 để quản lý hàng đợi?

Ultralytics YOLO11 có một số ưu điểm so với TensorFlow và Detectron2 trong việc quản lý hàng đợi:

  • Hiệu suất theo thời gian thực: YOLO11 nổi tiếng với khả năng phát hiện theo thời gian thực, mang lại tốc độ xử lý nhanh hơn.
  • Dễ sử dụng: Ultralytics cung cấp trải nghiệm thân thiện với người dùng, từ đào tạo đến triển khai, thông qua Ultralytics HUB.
  • Mô hình được huấn luyện trước: Truy cập vào một loạt các mô hình được huấn luyện trước, giảm thiểu thời gian cần thiết để thiết lập.
  • Hỗ trợ cộng đồng: Tài liệu phong phú và hỗ trợ cộng đồng tích cực giúp giải quyết vấn đề dễ dàng hơn.

Tìm hiểu cách bắt đầu với Ultralytics YOLO.

Ultralytics YOLO11 có thể xử lý nhiều loại hàng đợi, chẳng hạn như ở sân bay và cửa hàng bán lẻ không?

Có, Ultralytics YOLO11 có thể quản lý nhiều loại hàng đợi khác nhau, bao gồm cả ở sân bay và môi trường bán lẻ. Bằng cách định cấu hình QueueManager với các khu vực và cài đặt cụ thể, YOLO11 có thể thích ứng với các bố cục và mật độ hàng đợi khác nhau.

Ví dụ cho sân bay:

queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
    model="yolo11n.pt",
    region=queue_region_airport,
    line_width=3,
)

Để biết thêm thông tin về các ứng dụng đa dạng, hãy xem phần Ứng dụng thực tế của chúng tôi.

Một số ứng dụng thực tế của Ultralytics YOLO11 trong quản lý hàng đợi là gì?

Ultralytics YOLO11 được sử dụng trong nhiều ứng dụng thực tế để quản lý hàng đợi:

  • Bán lẻ: Giám sát hàng thanh toán để giảm thời gian chờ đợi và cải thiện sự hài lòng của khách hàng.
  • Sân bay: Quản lý hàng đợi tại quầy vé và trạm kiểm soát an ninh để mang lại trải nghiệm suôn sẻ hơn cho hành khách.
  • Chăm sóc sức khỏe: Tối ưu hóa quy trình bệnh nhân tại các phòng khám và bệnh viện.
  • Ngân hàng: Nâng cao dịch vụ khách hàng bằng cách quản lý hàng đợi hiệu quả trong các ngân hàng.

Hãy xem blog của chúng tôi về quản lý hàng đợi trong thế giới thực để tìm hiểu thêm về cách thị giác máy tính đang chuyển đổi việc giám sát hàng đợi trong các ngành công nghiệp.



📅 Đã tạo 1 năm trước ✏️ Cập nhật 26 ngày trước

Bình luận