Ultralytics YOLO11 Kullanarak Sıra Yönetimi 🚀
Kuyruk Yönetimi nedir?
Ultralytics YOLO11 kullanılarak sıra yönetimi, bekleme sürelerini azaltmak ve verimliliği artırmak için insan veya araç sıralarını düzenlemeyi ve kontrol etmeyi içerir. Perakende, bankalar, havaalanları ve sağlık tesisleri gibi çeşitli ortamlarda müşteri memnuniyetini ve sistem performansını iyileştirmek için sıraları optimize etmekle ilgilidir.
İzle: Ultralytics YOLO11 ile Sıra Yönetimi Nasıl Uygulanır | Havaalanı ve Metro İstasyonu
Sıra Yönetiminin Avantajları
- Azaltılmış Bekleme Süreleri: Sıra yönetim sistemleri, sıraları verimli bir şekilde düzenleyerek müşteriler için bekleme sürelerini en aza indirir. Bu, müşterilerin daha az zaman beklemesi ve ürün veya hizmetlerle daha fazla etkileşimde bulunması nedeniyle memnuniyet düzeylerinin artmasına yol açar.
- Artan Verimlilik: Sıra yönetiminin uygulanması, işletmelerin kaynakları daha etkili bir şekilde tahsis etmelerini sağlar. İşletmeler, sıra verilerini analiz ederek ve personel dağıtımını optimize ederek operasyonları kolaylaştırabilir, maliyetleri düşürebilir ve genel üretkenliği artırabilir.
- Gerçek Zamanlı İçgörüler: YOLO11 destekli sıra yönetimi, sıra uzunlukları ve bekleme süreleri hakkında anında veri sağlayarak yöneticilerin hızlı bir şekilde bilinçli kararlar almasını sağlar.
- Gelişmiş Müşteri Deneyimi: İşletmeler, uzun beklemelerle ilişkili hayal kırıklığını azaltarak müşteri memnuniyetini ve bağlılığını önemli ölçüde artırabilir.
Gerçek Dünya Uygulamaları
Lojistik | Perakende |
---|---|
![]() |
![]() |
Ultralytics YOLO11 Kullanılarak havaalanı bilet gişesinde sıra yönetimi | Kalabalıkta sıra izleme Ultralytics YOLO11 |
Ultralytics YOLO Kullanarak Kuyruk Yönetimi
# 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
Argümanlar
İşte şunları içeren bir tablo: QueueManager
argümanlar:
Argüman | Tür | Varsayılan | Açıklama |
---|---|---|---|
model |
str |
None |
Ultralytics YOLO Model Dosyasına Giden Yol. |
region |
list |
'[(20, 400), (1260, 400)]' |
Sayma bölgesini tanımlayan nokta listesi. |
QueueManagement
çözümü ayrıca bazılarını destekler track
argümanlar:
Argüman | Tür | Varsayılan | Açıklama |
---|---|---|---|
tracker |
str |
'botsort.yaml' |
Kullanılacak izleme algoritmasını belirtir, örneğin: bytetrack.yaml veya botsort.yaml . |
conf |
float |
0.3 |
Algılamalar için güven eşiğini ayarlar; daha düşük değerler daha fazla nesnenin izlenmesine olanak tanır ancak yanlış pozitifleri içerebilir. |
iou |
float |
0.5 |
Çakışan algılamaları filtrelemek için Intersection over Union (IoU) eşiğini ayarlar. |
classes |
list |
None |
Sonuçları sınıf indeksine göre filtreler. Örneğin, classes=[0, 2, 3] yalnızca belirtilen sınıfları izler. |
verbose |
bool |
True |
İzleme sonuçlarının görüntülenmesini kontrol eder ve izlenen nesnelerin görsel bir çıktısını sağlar. |
device |
str |
None |
Çıkarım için cihazı belirtir (örn. cpu , cuda:0 veya 0 ). Kullanıcıların model yürütme için CPU, belirli bir GPU veya diğer işlem cihazları arasında seçim yapmasına olanak tanır. |
Ek olarak, aşağıdaki görselleştirme parametreleri mevcuttur:
Argüman | Tür | Varsayılan | Açıklama |
---|---|---|---|
show |
bool |
False |
Eğer True , ek açıklamalı görüntüleri veya videoları bir pencerede görüntüler. Geliştirme veya test sırasında anında görsel geri bildirim için kullanışlıdır. |
line_width |
None or int |
None |
Sınırlayıcı kutuların çizgi genişliğini belirtir. Eğer None , çizgi genişliği, görüntü boyutuna göre otomatik olarak ayarlanır. Netlik için görsel özelleştirme sağlar. |
show_conf |
bool |
True |
Etiketin yanında her algılama için güvenilirlik puanını görüntüler. Modelin her algılama için kesinliği hakkında fikir verir. |
show_labels |
bool |
True |
Görsel çıktıdaki her algılama için etiketleri görüntüler. Algılanan nesnelerin anında anlaşılmasını sağlar. |
Uygulama Stratejileri
YOLO11 ile kuyruk yönetimi uygularken, bu en iyi uygulamaları göz önünde bulundurun:
- Stratejik Kamera Yerleşimi: Kameraları tüm kuyruk alanını engelsiz bir şekilde yakalayacak şekilde konumlandırın.
- Uygun Kuyruk Bölgelerini Tanımlayın: Kuyruk sınırlarını, alanınızın fiziksel düzenine göre dikkatlice ayarlayın.
- Algılama Güvenini Ayarlayın: Güven eşiğini aydınlatma koşullarına ve kalabalık yoğunluğuna göre ince ayar yapın.
- Mevcut Sistemlerle Entegrasyon: Sıra yönetimi çözümünüzü, otomatik yanıtlar için dijital tabelalar veya personel bilgilendirme sistemleriyle bağlayın.
SSS
Gerçek zamanlı sıra yönetimi için Ultralytics YOLO11'i nasıl kullanabilirim?
Gerçek zamanlı kuyruk yönetimi için Ultralytics YOLO11'i kullanmak için şu adımları izleyebilirsiniz:
- YOLO11 modelini şununla yükleyin
YOLO("yolo11n.pt")
. - Video akışını kullanarak yakalayın
cv2.VideoCapture
. - Sıra yönetimi için ilgi alanını (ROI) tanımlayın.
- Nesneleri tespit etmek ve kuyrukları yönetmek için kareleri işleyin.
İşte minimal 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="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()
Ultralytics HUB'dan yararlanmak, kuyruk yönetimi çözümünüzü dağıtmak ve yönetmek için kullanıcı dostu bir platform sağlayarak bu süreci kolaylaştırabilir.
Sıra yönetimi için Ultralytics YOLO11 kullanmanın temel avantajları nelerdir?
Sıra yönetimi için Ultralytics YOLO11 kullanmak çeşitli avantajlar sunar:
- Azalan Bekleme Süreleri: Kuyrukları verimli bir şekilde düzenler, müşteri bekleme sürelerini kısaltır ve memnuniyeti artırır.
- Verimliliği Artırma: Personel görevlendirmesini ve operasyonları optimize etmek için sıra verilerini analiz eder, böylece maliyetleri düşürür.
- Gerçek Zamanlı Uyarılar: Uzun kuyruklar için gerçek zamanlı bildirimler sağlayarak hızlı müdahale olanağı sunar.
- Ölçeklenebilirlik: Perakende, havaalanları ve sağlık hizmetleri gibi farklı ortamlarda kolayca ölçeklenebilir.
Daha fazla ayrıntı için Sıra Yönetimi çözümlerimizi inceleyin.
Kuyruk yönetimi için neden TensorFlow veya Detectron2 gibi rakipler yerine Ultralytics YOLO11'i seçmeliyim?
Ultralytics YOLO11'in sıra yönetimi için TensorFlow ve Detectron2'ye göre çeşitli avantajları vardır:
- Gerçek zamanlı Performans: YOLO11, daha hızlı işlem hızları sunan gerçek zamanlı algılama yetenekleriyle bilinir.
- Kullanım Kolaylığı: Ultralytics, Ultralytics HUB aracılığıyla eğitimden dağıtıma kadar kullanıcı dostu bir deneyim sunar.
- Önceden Eğitilmiş Modeller: Kurulum için gereken süreyi en aza indiren bir dizi önceden eğitilmiş modele erişim.
- Topluluk Desteği: Kapsamlı dokümantasyon ve aktif topluluk desteği, sorun çözmeyi kolaylaştırır.
Ultralytics YOLO ile nasıl başlayacağınızı öğrenin.
Ultralytics YOLO11, havaalanları ve perakende gibi birden fazla kuyruk türünü işleyebilir mi?
Evet, Ultralytics YOLO11, havaalanları ve perakende ortamlarındakiler de dahil olmak üzere çeşitli kuyruk türlerini yönetebilir. QueueManager'ı belirli bölgeler ve ayarlarla yapılandırarak, YOLO11 farklı kuyruk düzenlerine ve yoğunluklarına uyum sağlayabilir.
Havaalanları için örnek:
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,
)
Çeşitli uygulamalar hakkında daha fazla bilgi için Gerçek Dünya Uygulamaları bölümümüze göz atın.
Sıra yönetiminde Ultralytics YOLO11'in bazı gerçek dünya uygulamaları nelerdir?
Ultralytics YOLO11, sıra yönetimi için çeşitli gerçek dünya uygulamalarında kullanılır:
- Perakende: Bekleme sürelerini azaltmak ve müşteri memnuniyetini artırmak için ödeme hatlarını izler.
- Havaalanları: Daha sorunsuz bir yolcu deneyimi için bilet gişelerinde ve güvenlik kontrol noktalarında sıraları yönetir.
- Sağlık Hizmetleri: Kliniklerde ve hastanelerde hasta akışını optimize eder.
- Bankalar: Bankalarda kuyrukları verimli bir şekilde yöneterek müşteri hizmetlerini geliştirir.
Bilgisayar görüşünün çeşitli sektörlerde sıra takibini nasıl dönüştürdüğü hakkında daha fazla bilgi edinmek için gerçek dünyada sıra yönetimi konulu blogumuza göz atın.