YOLO ile Tarımsal Yapay Zeka Çözümleri Üzerine

YOLOv5, YOLO (You Only Look Once) ailesinin son üyesidir ve nesne tespiti için son derece etkili bir derin öğrenme modelidir. YOLOv5, birçok farklı uygulama için kullanılabilen açık kaynaklı bir yazılımdır ve TensorFlow, PyTorch veya ONNX formatında mevcuttur.

YOLOv5, YOLOv4'e kıyasla daha hızlı ve daha doğru sonuçlar sağlayan yeni bir algoritma kullanır. Bu algoritma, modelin eğitim verilerindeki nesneleri daha iyi algılamasını ve daha doğru koordinatları tahmin etmesini sağlar. Ayrıca, YOLOv5, daha hızlı ve daha hafif bir modeldir, bu da gerçek zamanlı uygulamalar için idealdir.

YOLOv5, birçok farklı nesne tespiti görevi için kullanılabilir, örneğin trafik akışını izlemek, nesneleri saymak, araçları ve yaya trafiğini analiz etmek gibi görevlerde kullanılabilir. YOLOv5 ayrıca, görüntü segmentasyonu ve nesne izleme gibi diğer ileri görüntü işleme görevleri için de kullanılabilir.

Sonuç olarak, YOLOv5, son derece etkili bir nesne tespiti modelidir ve birçok farklı uygulama için kullanılabilir. Hızlı, doğru ve hafif olması sayesinde gerçek zamanlı uygulamalar için idealdir ve birçok ileri görüntü işleme görevi için kullanılabilir. Kıca Bu şekilde bahsettikten sonra küçük uygulamar yapabiliriz .

Yolov5 ile örnek bir çalışma :

Öncelikle Bilgisayarımız da CUDA’nın kurulu olması gerekli . Aşşağıda paylaşacağım link’ten yararlanabilirsiniz.

• https://developer.nvidia.com/cuda-downloads

Bir sonraki adımımız projenin indirilmesi ve ‘Environment’ oluşturma :

mkdir yoloV5
cd yoloV5   
# Projemizi github'dan indiriyoruz
git clone https://github.com/ultralytics/yolov5 
cd yolov5
python3 -m venv env # environment oluşturduk
source env/bin/activate
pip3 install -r requirements.txt  # Gerekli kütüphanelerin kurulumu.

Eğer Bilgisarımıza CUDA kurulumunu doğru bir şekilde yaptıysak ve yukarıdaki adımlarda bir sorun ile karşılaşmadıysak aşşağıdaki kod ile küçük bir webcam yani camera üzerinde eğitilmiş hazır bir model çalıştırılabilir.

# Burada --source 0 olması bizim default ta bulunan camera mıza erismesi anlamına geliyor.
python detect.py --weights yolov5s.pt --source 0

Aşşağıda farklı konularda nesneleri tanıma üzerine örnekler görebilirsiniz bu örnekleri yapabilmek için tanımak istediğimiz konu üzerine bir veri seti oluştururuz ve bunu yolov5 kullanarak eğitiriz sonuç olarakta tespitlerimizi yapmış oluruz.

Sunflower Detection Example

Wheat Detection

Burada Çok basit bir şekilde ilerledik bir sonraki yazımızda Kendi oluşturduğumuz datasetimizde nasıl objeleri tespit edebiliriz bunları inceliyeceğiz .

Teşekkürler .