YOLO26 ialah keluaran terbaharu dalam keluarga model penglihatan komputer masa nyata yang dibangunkan oleh Ultralytics — sebuah model terbuka yang mengenal pasti objek di dalam imej atau strim video sebaik sahaja objek itu muncul. Tiga perkara mengenainya penting kepada pemilik perniagaan sebelum ia penting kepada pembangun: kini ia menghasilkan keputusan akhirnya secara terus, tanpa langkah pascapemprosesan yang dahulunya melambatkan dan merumitkan pelaksanaan; ia satu model tunggal yang merangkumi tujuh tugas penglihatan dan bukannya tujuh sistem berasingan; dan pada saiz terkecilnya, ia berjalan sehingga 43% lebih pantas pada CPU biasa berbanding keluaran sebelumnya. Secara praktikal, ini bermakna kamera yang sudah dipasang di gudang, kilang atau bilik pameran anda boleh menjadi sumber data operasi yang berjalan pada peranti kecil di premis — tanpa pelayan yang mahal, dan tanpa sebarang video keluar dari premis anda.

Apakah yang sebenarnya berubah dalam keluaran ini?

Model terdahulu melukis berpuluh-puluh kotak calon di sekeliling setiap objek, kemudian menjalankan langkah pembersihan yang dipanggil penindasan bukan maksimum untuk memilih kotak terbaik dan membuang selebihnya. Langkah itu terletak di luar model, yang bermakna tetapan tambahan, pemprosesan tambahan dan satu lagi perkara yang boleh rosak apabila dilaksanakan pada perkakasan yang berbeza. YOLO26 mengeluarkan keputusan akhir terus daripada kepala pengesanan, dengan had tiga ratus objek bagi setiap imej, maka menyambungkannya kepada sistem operasi syarikat lebih mudah, lebih pantas dan jauh kurang berkemungkinan berkelakuan berbeza dalam pengeluaran berbanding semasa ujian.

Dokumentasi rasmi juga menerangkan kepala pengesanan yang lebih ringan yang menggugurkan kerugian DFL, resipi latihan yang dikemas kini berasaskan pengoptimum hibrid bernama MuSGD yang dipinjam daripada latihan model bahasa besar, serta perubahan yang secara jelas menyasarkan objek kecil. Objek kecil itulah yang penting dalam operasi sebenar: label pada kotak di hujung lorong, atau kecacatan sebesar kuku pada produk yang bergerak di sepanjang barisan pengeluaran.

Tujuh tugas penglihatan dalam satu model

Bahagian yang menarik dari segi komersial bukanlah ketepatan mentah — tetapi hakikat bahawa keluarga yang sama merangkumi tujuh tugas dengan pemberat sedia ada dan satu saluran paip tunggal. Ini mengurangkan bilangan sistem yang anda beli, selenggara dan latih pasukan anda untuk menggunakannya:

  • Pengesanan: di mana objek berada dan apakah objek itu. Asas kepada pengiraan, penjejakan dan amaran.
  • Segmentasi instans: topeng tepat bagi setiap objek dan bukannya kotak, berguna untuk mengukur keluasan dan kecacatan.
  • Segmentasi semantik: mengelaskan setiap piksel, contohnya memisahkan lorong daripada zon penyimpanan.
  • Anggaran kedalaman: menilai jarak daripada satu kamera tanpa penderia laser tambahan.
  • Pengelasan: sama ada kes ini mematuhi syarat atau tidak.
  • Anggaran postur: menjejak titik utama badan, digunakan dalam keselamatan dan analisis pergerakan.
  • Pengesanan berorientasi: kotak condong untuk objek yang tidak sejajar dengan paksi, seperti palet dan imej udara.

Dokumentasi rasmi melaporkan peningkatan berbanding keluaran sebelumnya sehingga 3.7 mata dalam kualiti topeng bagi segmentasi, sehingga 7.2 mata dalam anggaran postur dan 3.4 mata dalam pengesanan berorientasi pada penanda aras DOTA. Angka itu penting, tetapi yang lebih penting ialah semuanya datang daripada satu model dan bukannya tiga projek berasingan.

Angka yang menentukan perkakasan yang anda beli

Keluarga ini ditawarkan dalam lima saiz, setiap satu dengan pertukaran yang jelas antara ketepatan, kelajuan dan kos. Angka yang diterbitkan pada penanda aras COCO adalah antara 40.9 hingga 57.5 bagi ketepatan dan antara 1.7 hingga 11.8 milisaat pada kad T4:

  • Saiz terkecil: hanya 2.4 juta parameter, berjalan pada CPU biasa tanpa kad grafik. Pilihan yang wajar untuk satu kamera di cawangan atau gudang kecil.
  • Saiz pertengahan: keseimbangan yang baik untuk beberapa kamera pada satu peranti di premis.
  • Saiz terbesar: 55.7 juta parameter, untuk kes di mana ketepatan lebih penting daripada kos, seperti pemeriksaan kualiti yang sangat terperinci.

Peraturan praktikalnya: mulakan dengan saiz terkecil yang dapat menyelesaikan masalah anda. Kebanyakan projek penglihatan komputer yang gagal secara komersial tidak gagal kerana modelnya terlalu lemah — ia gagal kerana seseorang memilih model terbesar lalu mendapati bahawa menjalankannya pada dua puluh kamera menelan kos lebih tinggi daripada penjimatan yang dihasilkannya.

Di mana ia benar-benar membantu anda

  • Gudang: mengira palet dan kotak semasa penerimaan dan penghantaran, serta mengesan jurang antara apa yang bergerak secara fizikal dan apa yang direkodkan oleh sistem.
  • Kilang: pemeriksaan visual di barisan pengeluaran yang menghentikan satu kelompok apabila corak kecacatan berulang muncul, dan bukannya mengetahuinya di tangan pelanggan.
  • Peruncitan dan bilik pameran: mengukur pergerakan dalam cawangan, zon tempat pelanggan berlama-lama, dan rak yang kehabisan stok tanpa disedari sesiapa.
  • Keselamatan: mengesahkan peralatan pelindung di zon berbahaya dan memberi amaran serta-merta apabila seseorang memasuki kawasan larangan.
  • Laman dan armada: merekodkan kemasukan dan keluar lori serta memautkannya secara automatik kepada pesanan muatan.
  • Kontraktor: mendokumentasikan kemajuan tapak secara visual dan mengaitkannya dengan tuntutan bayaran dan bukannya bergantung kepada laporan manual.

Persamaan bagi kesemua ini ialah tiada satu pun daripadanya memerlukan kecerdasan buatan am atau model bahasa besar. Ia memerlukan satu soalan khusus — berapa banyak kotak yang keluar melalui pintu ini hari ini — dan sistem yang menjawabnya tanpa campur tangan manusia.

Pengesanan melalui penerangan dan bukannya senarai tetap

Keluaran ini juga menggerakkan varian kosa kata terbuka bernama YOLOE-26 yang dapat mengenal pasti kategori yang tidak pernah dilatih padanya, berpandukan penerangan teks atau contoh visual. Ini menyelesaikan masalah lama: setiap kategori baharu dahulunya bermakna satu lagi pusingan latihan. Dalam persekitaran yang produknya sentiasa berubah, seperti peruncitan, ciri ini bermakna hayat berguna yang lebih panjang sebelum sistem perlu dibina semula.

Lesen sebelum kod

Perkara ini boleh membunuh keseluruhan projek selepas ia siap. Pemberat dan kod YOLO26 tersedia di bawah AGPL-3.0 atau dengan lesen komersial daripada Ultralytics. AGPL mengenakan kewajipan kepada sesiapa sahaja yang membina produk yang dibekalkan kepada pihak lain melalui rangkaian, dan boleh mewajibkan anda berkongsi kod sumber. Jika penggunaannya semata-mata dalaman untuk operasi anda sendiri, keadaannya lebih mudah; jika anda membina produk untuk dijual kepada pelanggan, selesaikan isu lesen bersama penasihat undang-undang sebelum baris kod pertama, bukan selepas penyerahan.

Kamera dan Undang-undang Perlindungan Data Peribadi

Mana-mana kamera yang merakam orang menghasilkan data peribadi, dan ia tertakluk kepada Undang-undang Perlindungan Data Peribadi (PDPL) Arab Saudi serta peraturan pelaksanaannya daripada Pihak Berkuasa Data dan Kecerdasan Buatan Saudi (SDAIA). Secara praktikal, ini bermakna pendedahan dan notis di lokasi rakaman, tujuan pemprosesan yang jelas dan terhad, serta meminimumkan apa yang disimpan. Berita baiknya, kecekapan YOLO26 pada CPU biasa menjadikan pemprosesan di premis benar-benar praktikal: video tidak pernah keluar dari premis, dan apa yang disimpan ialah nombor yang terhasil, bukan imejnya. Reka bentuk ini mengurangkan pendedahan kawal selia dan kos anda pada masa yang sama.

Cara bermula dalam tempoh enam minggu

Jangan mulakan dengan projek penglihatan komputer yang merangkumi keseluruhan kemudahan. Pilih satu kamera dan satu soalan yang boleh diukur, kumpulkan data dari tapak anda sendiri dan bukannya dari internet, latih menggunakan saiz kecil, dan bandingkan hasilnya dengan pengiraan manual selama dua minggu. Jika projek rintis membuktikan bahawa sistem itu menjimatkan berjam-jam masa atau mencegah kerugian yang jelas nilainya, kembangkannya satu kamera demi satu kamera. Jika tidak, anda hanya membelanjakan enam minggu dan bukannya bajet setahun penuh.

Sumber