การจับภาพวัตถุ Object Detection ด้วย yolo 11 

การจับภาพวัตถุ Object Detection เป็นวิธีการหนึ่งของศาสตร์ Computer Vision ในแขนงวิทยาการคอมพิวเตอร์ ปัญญาประดิษฐ์ เพื่อทำให้ Computer สามารถที่จะเรียนรู้วัตถุได้เหมือนมนุษย์ เปรียบเหมือนการสร้างดวงตาให้กับคอมพิวเตอร์ เกิดขึ้นใน ค.ศ 1950 เพื่อจัดเก็บรูปทรงต่างๆ อย่างง่ายๆ ของวัตถุ  เช่น สามเหลี่ยม สี่เหลี่ยม วงกลม โดยวิธีการหามุมและเส้นขอบของวัตถุ ต่อมาพัฒนามาเป็น OCR Optical Character Recognition สำหรับอ่านตัวอักษร ต่อได้พัฒนาเป็นการอัพโหลดรูปภาพเพื่ออ่าน วิเคราะห์ แยกแยะ จำแนก จัดกลุ่ม จนปัจจุบนสามารถที่จะทำการจับวัตถุได้แบบเรียลไทม์ 

หลักการจับภาวัตถุ Object Detection 

ส่วนใหญ่การจับวัตถุจะเป็นการวาดกรอบสีเหลี่ยมของวัตถุ และเทสีเข้าไป เพิ่อสะดวกในการนำไปใช้งานต่อไป เช่น การนับ การตรวจจับวัตถุผิดปกติ โดยการเปรียบเทียบกับข้อมูลรูปภาพที่มีอยู่ 

การนำไปใช้ประโยชน์

1. การตรวจนับสินค้า วัตถุ หรือสิ่งที่เราสนใจ อาจะเป็นคน ฝูงนก

2. ตรวจสอบสัมภาระ ก่อนหรือหลัง

3. การบรรทุกน้ำหนักเกิน 

4. การตรวจความหนาแน่นของการจารจรในพื้นที่ ช่วงวิกฤติ 

5. การตรวจโรคต่างๆ ด้วยภาพถ่าย 

การติดตั้งและใช้งาน YOLO11 ใน Colab

!pip install ultralytics supervision roboflow

from ultralytics import YOLO
from roboflow import Roboflow

การเทรนนิ่งโมเดล Tranning Model

from ultralytics import YOLO

# Load a COCO-pretrained YOLO11n model
model = YOLO("yolo11n.pt")

# Train the model on the COCO8 example dataset for 40 epochs
results = model.train(data="coco8.yaml", epochs=40, imgsz=640)

การรันนิ่งและเทส Running and Test

!yolo task=detect mode=predict model={HOME}/runs/detect/train/weights/best.pt conf=0.25 source={dataset.location}/test/images save=True