YOLO Vision 2024'te sunulan SharkEye'ın gerçek zamanlı nesne algılama ve plaj güvenliği için Ultralytics YOLOv8 'den nasıl yararlandığını anlayın.
İster bir çiftlikte otlayan sığırlar ister kıyıya yakın hareket eden köpekbalıkları olsun, hayvanları doğal ortamlarında izlemek, güvenlikleri ve refahları için her zaman önemli olmuştur. Ancak onları elle gözlemlemek kolay değildir. Gözlemcilerin davranış veya hareketlerdeki herhangi bir değişikliği yakından izlemeleri gerektiğinden, genellikle saatlerce sabır ve dikkatli odaklanma gerektirebilir. O zaman bile, ince ama önemli işaretleri gözden kaçırmak kolaydır.
Yapay zekanın (AI) devreye girmesi sayesinde, bu süreç daha hızlı, daha akıllı ve çok daha verimli hale geliyor ve doğruluğu artırırken insan gözlemcilerin üzerindeki yükü azaltıyor. Özellikle bilgisayar görüşü hayvanları izlemek, tehlikeleri tespit etmek ve gerçek zamanlı kararlar almak için kullanılabiliyor. Bir zamanlar saatler süren görevler artık dakikalar içinde yapılabiliyor ve hayvan davranışlarını anlamanın yeni yollarını açıyor.
Ultralytics tarafından her yıl düzenlenen hibrit bir etkinlik olan YOLO Vision 2024'te (YV24), uzmanlar ve yenilikçiler yapay zekanın günlük zorlukların üstesinden nasıl geldiğini keşfetmek için bir araya geldi. Sergilenen konulardan bazıları, gerçek zamanlı nesne algılama ve hayvan izlemedeki ilerlemeleri içeriyordu ve yapay zekanın çeşitli alanlarda güvenliği ve verimliliği nasıl artırdığını gösteriyordu.
Etkinliğin en önemli noktalarından biri, AI Master Group'un Kurucusu Jim Griffin'in Vision AI' nın köpekbalıklarını kıyıya çok yaklaşmadan tespit ederek plajları nasıl daha güvenli hale getirdiğini gösterdiği konuşmasıydı. Nasıl kullandıklarını açıkladı Ultralytics YOLOv8köpekbalıklarını dalgalı dalgalar, parlama ve su altı engelleri gibi zorlu koşullarda bile gerçek zamanlı olarak doğru bir şekilde tanımlamak için son teknoloji bir bilgisayarla görme modeli.
Bu makalede, SharkEye projesine daha yakından bakacak ve Jim'in konuşmasından ilginç bilgiler paylaşacağız.
Jim, SharkEye'ın kaputunun altında neler olduğunu ve köpekbalığı algılama çözümünün nasıl sadece basit bir nesne alg ılama görevi içermediğini ayrıntılarıyla anlattı. Kolayca köpekbalığı sanılabilecek yüzen deniz yosunu gibi dinamik, öngörülemeyen koşullarla başa çıkmak zorundaydı. Sabit bir nesneyi tespit etmenin aksine, bir köpekbalığını tanımlamak hassasiyet ve uyarlanabilirlik gerektirdiğinden YOLOv8 ideal bir seçimdir.
YOLOv8 'in bir diğer avantajı da bulut sunucularına bağlı kalmadan bir drone üzerinde kullanılabilmesiydi. Jim, bu yaklaşımın SharkEye'ın anında uyarı göndermesini nasıl mümkün kıldığını açıkladı - bu, öngörülemeyen okyanus koşullarında zamanında müdahale sağlamanın önemli bir parçası.
Jim, SharkEye'ın nasıl çalıştığını ve arkasındaki işbirlikçi çabayı vurguladıktan sonra canlı bir demo sergiledi.
Jim Griffin, canlı demosuna izleyicileri tanıdık bir örnek üzerinden yürüterek başladı - Ultralytics YOLO modelleri için bir "merhaba dünya" kod parçacığı. Sadece altı satırlık Python koduyla, önceden eğitilmiş bir Ultralytics YOLOv8 modelinin bir görüntüdeki bir otobüsü nasıl zahmetsizce tespit edebileceğini gösterdi.
Demosunda dronlar gibi düşük güçlü cihazlar için hafif bir versiyon olan YOLOv8 Nano modelini kullandı. Aynı model SharkEye'da gerçek zamanlı köpekbalığı tespiti için kullanıldı.
Daha fazla bağlam sağlamak için Jim, demodaki modelin yaygın olarak kullanılan COCO veri setinin daha küçük bir alt kümesi olan COCO128 üzerinde eğitildiğinden bahsetti. COCO veri kümesi 80 farklı nesne kategorisinde 20.000'den fazla görüntü içeriyor. COCO128 hızlı gösterimler için iyi çalışsa da, SharkEye'ın daha sağlam bir şeye, yani gerçek dünya senaryolarının karmaşıklıklarıyla başa çıkabilecek uygulamaya özel bir köpekbalığı algılama veri setine ihtiyacı olduğunu belirtti.
Jim Griffin'in konuşmasından ilgi çekici bir alıntı olan "Altı satırlık kod bir gün hayatınızı kurtarabilir", yapay zekanın ne kadar gelişmiş ancak erişilebilir hale geldiğini mükemmel bir şekilde yansıtıyor. Ultralytics YOLO modelleri, en son bilgisayarla görme teknolojisini her ölçekteki geliştiriciler ve işletmeler için erişilebilir hale getirerek bu düşünceyle oluşturulmuştur. Ultralytics YOLO11 daha hızlı çıkarımlar ve daha yüksek doğruluk ile bunu geliştirir.
İşte YOLO11 'i diğerlerinden ayıran özelliklere hızlı bir bakış:
Bu özellikler, YOLO11 'i ister çiftlikte ister vahşi doğada olsun, dinamik ortamlarda hayvan davranışlarını izlemek için mükemmel bir seçim haline getirir.
Görme Yapay Zekası alanındaki gelişmeler, çeşitli alanlar için pratik araçlar sağlayarak gerçek dünyadaki zorlukların üstesinden gelmeyi kolaylaştırıyor. Örneğin, YOLO11 gibi bilgisayarla görme modelleri, zorlu koşullarda bile hayvanların gerçek zamanlı olarak izlenmesi ve takip edilmesi için kullanılabilir.
Jim Griffin'in YV24'teki açılış konuşması, YOLOv8 'in karmaşık sorunları minimum kodlama ile çözmek için nasıl kullanılabileceğini gösterdi. Gerçek zamanlı köpekbalığı tespiti için drone'ları yapay zeka ile birleştiren SharkEye projesi, teknolojinin plaj güvenliğini nasıl artırabileceğini gösterdi.
Erişilebilir yapay zekanın farklı geçmişlere sahip insanları etkili çözümler üretme konusunda nasıl güçlendirdiğine dair büyüleyici bir vaka çalışmasıydı. Yapay zeka gelişmeye devam ettikçe, sektörleri dönüştürüyor ve bireylerin dünyayı daha güvenli, daha akıllı ve daha verimli bir yer haline getirme potansiyelinden yararlanmasını mümkün kılıyor.
Topluluğumuzun bir parçası olun ve yapay zekayı daha derinlemesine incelemek için GitHub depomuzu keşfedin. Tarımda bilgisayarla gör meden sürücüsüz araçlarda yapay zekaya kadar, bu teknolojilerin inovasyonu nasıl yönlendirdiğini görün. Yapay zeka projelerinize bugün başlamak için lisanslama seçeneklerimize göz atın!
Makine öğreniminin geleceği ile yolculuğunuza başlayın