Hızlı Başlangıç Kılavuzu: Ultralytics YOLO11 ile Raspberry Pi

Bu kapsamlı kılavuz, Ultralytics YOLO11'i Raspberry Pi cihazlarına dağıtmak için ayrıntılı bir yol haritası sunar. Ek olarak, YOLO11'in bu küçük ve güçlü cihazlardaki yeteneklerini göstermek için performans kıyaslamalarını sergilemektedir.

İzle: Raspberry Pi 5 güncellemeleri ve iyileştirmeleri.

Raspberry Pi nedir?

Raspberry Pi, küçük, uygun fiyatlı, tek kartlı bir bilgisayardır. Hobi amaçlı ev otomasyonundan endüstriyel kullanımlara kadar çok çeşitli projeler ve uygulamalar için popüler hale gelmiştir. Raspberry Pi kartları çeşitli işletim sistemlerini çalıştırabilir ve sensörler, aktüatörler ve diğer donanım bileşenleriyle kolay entegrasyon sağlayan GPIO (Genel Amaçlı Giriş/Çıkış) pinleri sunar. Farklı özelliklere sahip farklı modellerde gelirler, ancak hepsi düşük maliyetli, kompakt ve çok yönlü olma temel tasarım felsefesini paylaşır.

Raspberry Pi Serisi Karşılaştırması

Raspberry Pi OS nedir?

Raspberry Pi OS (eski adıyla Raspbian olarak bilinir), Raspberry Pi Vakfı tarafından dağıtılan kompakt tek kartlı bilgisayarların Raspberry Pi ailesi için Debian GNU/Linux dağıtımına dayanan Unix benzeri bir işletim sistemidir. Raspberry Pi OS, ARM CPU'lar ile Raspberry Pi için yüksek oranda optimize edilmiştir ve Openbox yığınlama pencere yöneticisi ile değiştirilmiş bir LXDE masaüstü ortamı kullanır. Raspberry Pi OS, Raspberry Pi'de mümkün olduğunca çok sayıda Debian paketinin kararlılığını ve performansını artırmaya vurgu yaparak aktif olarak geliştirilmektedir.

Raspberry Pi'ye Raspberry Pi OS'yi Flash'la Yükleme

Bir Raspberry Pi edindikten sonra yapılması gereken ilk şey, bir mikro-SD kartı Raspberry Pi OS ile yüklemek, cihaza takmak ve işletim sistemine önyükleme yapmaktır. Cihazınızı ilk kullanıma hazırlamak için ayrıntılı Raspberry Pi Başlangıç Belgeleri'ni takip edin.

Ultralytics'i Kurulumu

Bir sonraki Bilgisayar Görüsü projenizi oluşturmak için Raspberry Pi'ye Ultralytics paketini kurmanın iki yolu vardır. Bunlardan herhangi birini kullanabilirsiniz.

• Docker ile başlayın
• Docker olmadan başlayın

Docker ile başlayın

Raspberry Pi'de Ultralytics YOLO11'e başlamanın en hızlı yolu, Raspberry Pi için önceden oluşturulmuş docker görüntüsüyle çalıştırmaktır.

Docker konteynerini çekmek ve Raspberry Pi'de çalıştırmak için aşağıdaki komutu yürütün. Bu, Python3 ortamında Debian 12'yi (Bookworm) içeren arm64v8/debian docker görüntüsüne dayanmaktadır.

t=ultralytics/ultralytics:latest-arm64
sudo docker pull $t && sudo docker run -it --ipc=host $t

Bu işlem tamamlandıktan sonra, Raspberry Pi'de NCNN Kullanımı bölümüne geçin.

Docker olmadan başlayın

Ultralytics Paketini Kurulumu

Burada, PyTorch modellerini diğer farklı formatlara aktarabilmemiz için isteğe bağlı bağımlılıklarla birlikte Ultralytics paketini Raspberry Pi'ye kuracağız.

1. Paketler listesini güncelleyin, pip'i kurun ve en son sürüme yükseltin

   sudo apt update
   sudo apt install python3-pip -y
   pip install -U pip
   

2. Kurulum ultralytics isteğe bağlı bağımlılıkları olan pip paketi

   pip install ultralytics[export]
   

3. Cihazı yeniden başlatın

   sudo reboot
   

Raspberry Pi'de NCNN kullanın

Ultralytics tarafından desteklenen tüm model dışa aktarma formatları arasında, NCNN, Raspberry Pi cihazlarıyla çalışırken en iyi çıkarım performansını sunar, çünkü NCNN, mobil/gömülü platformlar (ARM mimarisi gibi) için yüksek düzeyde optimize edilmiştir.

Modeli NCNN'ye Dönüştürün ve Çıkarım Çalıştırın

PyTorch formatındaki YOLO11n modeli, dışa aktarılan modelle çıkarım çalıştırmak için NCNN'ye dönüştürülür.

from ultralytics import YOLO

# Load a YOLO11n PyTorch model
model = YOLO("yolo11n.pt")

# Export the model to NCNN format
model.export(format="ncnn")  # creates 'yolo11n_ncnn_model'

# Load the exported NCNN model
ncnn_model = YOLO("yolo11n_ncnn_model")

# Run inference
results = ncnn_model("https://ultralytics.com/images/bus.jpg")

# Export a YOLO11n PyTorch model to NCNN format
yolo export model=yolo11n.pt format=ncnn # creates 'yolo11n_ncnn_model'

# Run inference with the exported model
yolo predict model='yolo11n_ncnn_model' source='https://ultralytics.com/images/bus.jpg'

Raspberry Pi 5 YOLO11 Kıyaslamaları

YOLO11 kıyaslamaları, Ultralytics ekibi tarafından hız ve doğruluğu ölçen on farklı model formatında çalıştırılmıştır: PyTorch, TorchScript, ONNX, OpenVINO, TF SavedModel, TF GraphDef, TF Lite, PaddlePaddle, MNN, NCNN. Kıyaslamalar, varsayılan 640 giriş görüntü boyutuyla FP32 kesinliğinde bir Raspberry Pi 5 üzerinde çalıştırılmıştır.

Karşılaştırma Tablosu

Sadece YOLO11n ve YOLO11s modelleri için kıyaslamalar ekledik çünkü diğer model boyutları Raspberry Pi'lerde çalışamayacak kadar büyük ve iyi bir performans sunmuyor.

Detaylı Karşılaştırma Tablosu

Aşağıdaki tablo, Raspberry Pi 5 üzerinde çalışan iki farklı model (YOLO11n, YOLO11s) için on farklı formatta (PyTorch, TorchScript, ONNX, OpenVINO, TF SavedModel, TF GraphDef, TF Lite, PaddlePaddle, MNN, NCNN) elde edilen benchmark sonuçlarını göstermektedir ve bize her kombinasyon için durumu, boyutu, mAP50-95(B) metriğini ve çıkarım süresini vermektedir.

Sonuçlarımızı Tekrar Üretin

Yukarıdaki Ultralytics kıyaslamalarını tüm dışa aktarma biçimlerinde yeniden oluşturmak için bu kodu çalıştırın:

from ultralytics import YOLO

# Load a YOLO11n PyTorch model
model = YOLO("yolo11n.pt")

# Benchmark YOLO11n speed and accuracy on the COCO128 dataset for all all export formats
results = model.benchmark(data="coco128.yaml", imgsz=640)

# Benchmark YOLO11n speed and accuracy on the COCO128 dataset for all all export formats
yolo benchmark model=yolo11n.pt data=coco128.yaml imgsz=640

Raspberry Pi Kamera kullanın

Bilgisayar Görüşü projeleri için Raspberry Pi kullanırken, çıkarım gerçekleştirmek için gerçek zamanlı video akışlarını yakalamak önemli olabilir. Raspberry Pi üzerindeki yerleşik MIPI CSI konektörü, resmi Raspberry PI kamera modüllerini bağlamanıza olanak tanır. Bu kılavuzda, video akışlarını yakalamak ve YOLO11 modellerini kullanarak çıkarım gerçekleştirmek için bir Raspberry Pi Kamera Modülü 3 kullandık.

Kamerayı Test Etme

Kamerayı Raspberry Pi'ye bağladıktan sonra aşağıdaki komutu yürütün. Kameradan yaklaşık 5 saniye boyunca canlı bir video akışı görmelisiniz.

rpicam-hello

Kamera ile Çıkarım

Raspberry Pi Kamerayı kullanarak YOLO11 modellerini çıkarım yapmak için 2 yöntem vardır.

import cv2
from picamera2 import Picamera2

from ultralytics import YOLO

# Initialize the Picamera2
picam2 = Picamera2()
picam2.preview_configuration.main.size = (1280, 720)
picam2.preview_configuration.main.format = "RGB888"
picam2.preview_configuration.align()
picam2.configure("preview")
picam2.start()

# Load the YOLO11 model
model = YOLO("yolo11n.pt")

while True:
    # Capture frame-by-frame
    frame = picam2.capture_array()

    # Run YOLO11 inference on the frame
    results = model(frame)

    # Visualize the results on the frame
    annotated_frame = results[0].plot()

    # Display the resulting frame
    cv2.imshow("Camera", annotated_frame)

    # Break the loop if 'q' is pressed
    if cv2.waitKey(1) == ord("q"):
        break

# Release resources and close windows
cv2.destroyAllWindows()

rpicam-vid -n -t 0 --inline --listen -o tcp://127.0.0.1:8888

from ultralytics import YOLO

# Load a YOLO11n PyTorch model
model = YOLO("yolo11n.pt")

# Run inference
results = model("tcp://127.0.0.1:8888")

yolo predict model=yolo11n.pt source="tcp://127.0.0.1:8888"

Raspberry Pi kullanırken En İyi Uygulamalar

YOLO11'i çalıştıran Raspberry Pi'lerde maksimum performansı etkinleştirmek için izlenmesi gereken birkaç en iyi uygulama vardır.

1. Bir SSD kullanın

   Raspberry Pi'yi 7/24 sürekli kullanım için kullanırken, sistem için bir SSD kullanılması önerilir, çünkü bir SD kart sürekli yazmalara dayanamaz ve bozulabilir. Raspberry Pi 5 üzerindeki yerleşik PCIe konektörü ile artık Raspberry Pi 5 için NVMe Tabanı gibi bir adaptör kullanarak SSD'leri bağlayabilirsiniz.

2. GUI olmadan Flash'la Yükleme

   Raspberry Pi OS'yi kurarken, Masaüstü ortamını (Raspberry Pi OS Lite) kurmamayı seçebilirsiniz ve bu, cihazda biraz RAM tasarrufu sağlayarak bilgisayar görüşü işlemesi için daha fazla alan bırakabilir.

3. Raspberry Pi'yi Hız Aşırtmak

   Raspberry Pi 5 üzerinde Ultralytics YOLO11 modellerini çalıştırırken performansta küçük bir artış istiyorsanız, CPU'yu temel 2.4GHz'den 2.9GHz'e ve GPU'yu 800MHz'den 1GHz'e hız aşırtabilirsiniz. Sistem kararsız hale gelirse veya çökerse, hız aşırtma değerlerini 100MHz'lik artışlarla azaltın. Hız aşırtma ısı üretimini artırdığı ve termal kısılmaya yol açabileceği için uygun soğutmanın sağlandığından emin olun.

   a. Yazılımı yükseltin

   sudo apt update && sudo apt dist-upgrade
   

   b. Yapılandırma dosyasını düzenlemek için açın

   sudo nano /boot/firmware/config.txt
   

   c. Aşağıdaki satırları en alta ekleyin

   arm_freq=3000
   gpu_freq=1000
   force_turbo=1
   

   d. CTRL + X tuşlarına basıp ardından Y tuşuna basarak kaydedin ve çıkın, ardından ENTER tuşuna basın

   e. Raspberry Pi'yi yeniden başlatın

Sonraki Adımlar

Raspberry Pi'nizde YOLO'yu başarıyla kurduğunuz için tebrikler! Daha fazla bilgi ve destek için Ultralytics YOLO11 Belgelerini ve Kashmir World Foundation'ı ziyaret edin.

Teşekkür ve Atıflar

Bu kılavuz ilk olarak Daan Eeltink tarafından, nesli tükenmekte olan türlerin korunması için YOLO kullanımına adanmış bir kuruluş olan Kashmir World Foundation için oluşturulmuştur. Nesne algılama teknolojileri alanındaki öncü çalışmalarını ve eğitim odaklarını takdir ediyoruz.

Kashmir World Foundation'ın faaliyetleri hakkında daha fazla bilgi için web sitelerini ziyaret edebilirsiniz.

SSS

Docker kullanmadan bir Raspberry Pi üzerinde Ultralytics YOLO11'i nasıl kurarım?

Ultralytics YOLO11'i Docker olmadan bir Raspberry Pi'ye kurmak için şu adımları izleyin:

1. Paket listesini güncelleyin ve şunu kurun: pip:

   sudo apt update
   sudo apt install python3-pip -y
   pip install -U pip
   

2. İsteğe bağlı bağımlılıklarla birlikte Ultralytics paketini kurun:

   pip install ultralytics[export]
   

3. Değişiklikleri uygulamak için cihazı yeniden başlatın:

   sudo reboot
   

Ayrıntılı talimatlar için Docker olmadan Başlat bölümüne bakın.

Yapay zeka görevleri için Raspberry Pi'de neden Ultralytics YOLO11'in NCNN formatını kullanmalıyım?

Ultralytics YOLO11'in NCNN formatı, mobil ve gömülü platformlar için son derece optimize edilmiştir ve bu da onu Raspberry Pi cihazlarında yapay zeka görevlerini çalıştırmak için ideal hale getirir. NCNN, ARM mimarisinden yararlanarak çıkarım performansını en üst düzeye çıkarır ve diğer formatlara kıyasla daha hızlı ve daha verimli işlem sağlar. Desteklenen dışa aktarma seçenekleri hakkında daha fazla bilgi için, Ultralytics'in dağıtım seçenekleri hakkındaki belgeler sayfasını ziyaret edin.

Raspberry Pi'de kullanmak için bir YOLO11 modelini NCNN formatına nasıl dönüştürebilirim?

Bir PyTorch YOLO11 modelini, Python veya CLI komutlarını kullanarak NCNN biçimine dönüştürebilirsiniz:

from ultralytics import YOLO

# Load a YOLO11n PyTorch model
model = YOLO("yolo11n.pt")

# Export the model to NCNN format
model.export(format="ncnn")  # creates 'yolo11n_ncnn_model'

# Load the exported NCNN model
ncnn_model = YOLO("yolo11n_ncnn_model")

# Run inference
results = ncnn_model("https://ultralytics.com/images/bus.jpg")

# Export a YOLO11n PyTorch model to NCNN format
yolo export model=yolo11n.pt format=ncnn # creates 'yolo11n_ncnn_model'

# Run inference with the exported model
yolo predict model='yolo11n_ncnn_model' source='https://ultralytics.com/images/bus.jpg'

Daha fazla ayrıntı için Raspberry Pi'de NCNN Kullanımı bölümüne bakın.

Raspberry Pi 4 ve Raspberry Pi 5 arasında YOLO11 çalıştırmakla ilgili donanım farklılıkları nelerdir?

Temel farklılıklar şunları içerir:

• CPU: Raspberry Pi 4, Broadcom BCM2711, Cortex-A72 64-bit SoC kullanırken, Raspberry Pi 5, Broadcom BCM2712, Cortex-A76 64-bit SoC kullanır.
• Maks CPU Frekansı: Raspberry Pi 4'ün maksimum frekansı 1,8 GHz iken, Raspberry Pi 5 2,4 GHz'e ulaşır.
• Bellek: Raspberry Pi 4, 8 GB'a kadar LPDDR4-3200 SDRAM sunarken, Raspberry Pi 5, 4 GB ve 8 GB varyantlarında bulunan LPDDR4X-4267 SDRAM'e sahiptir.

Bu geliştirmeler, Raspberry Pi 4'e kıyasla Raspberry Pi 5'teki YOLO11 modelleri için daha iyi performans kıyaslamalarına katkıda bulunur. Daha fazla ayrıntı için Raspberry Pi Serisi Karşılaştırması tablosuna bakın.

Ultralytics YOLO11 ile çalışmak üzere bir Raspberry Pi Kamera Modülünü nasıl kurabilirim?

YOLO11 çıkarımı için bir Raspberry Pi Kamerası kurmanın iki yöntemi vardır:

1. Kullanarak picamera2:

   import cv2
   from picamera2 import Picamera2
   
   from ultralytics import YOLO
   
   picam2 = Picamera2()
   picam2.preview_configuration.main.size = (1280, 720)
   picam2.preview_configuration.main.format = "RGB888"
   picam2.preview_configuration.align()
   picam2.configure("preview")
   picam2.start()
   
   model = YOLO("yolo11n.pt")
   
   while True:
       frame = picam2.capture_array()
       results = model(frame)
       annotated_frame = results[0].plot()
       cv2.imshow("Camera", annotated_frame)
   
       if cv2.waitKey(1) == ord("q"):
           break
   
   cv2.destroyAllWindows()
   

2. TCP Akışı Kullanma:

   rpicam-vid -n -t 0 --inline --listen -o tcp://127.0.0.1:8888
   

   from ultralytics import YOLO
   
   model = YOLO("yolo11n.pt")
   results = model("tcp://127.0.0.1:8888")
   

Ayrıntılı kurulum talimatları için Kamera ile Çıkarım bölümünü ziyaret edin.

📅 1 yıl önce oluşturuldu ✏️ 1 ay önce güncellendi

Yorumlar