Hızlı Başlangıç Kılavuzu: Raspberry Pi ile Ultralytics YOLO26#

Raspberry Pi, gerçek zamanlı nesne algılama işlemlerini uçta gerçekleştirmek için Ultralytics YOLO26 çalıştırabilen küçük ve uygun fiyatlı bir bilgisayardır — GPU gerekmez. Bu kılavuzda YOLO26'yı Raspberry Pi 4 ve 5 üzerinde dağıtma işlemlerinde sana yol gösterilir: işletim sistemini yazma, Ultralytics'ı yükleme, ARM üzerinde en hızlı çıkarım için NCNN formatına aktarma ve canlı kamera akışı üzerinde tahminler çalıştırma. Ayrıca donanımın için en iyi hız ve doğruluk dengesini seçebilmen için sekiz dışa aktarma formatı genelinde performans kıyaslamaları da içerir.

Ultralytics kurulumuna, NCNN'e aktarma ve çıkarım çalıştırma, kıyaslamalara veya kamera çıkarımına geç.

Raspberry Pi nedir?#

Raspberry Pi, küçük ve uygun fiyatlı, tek kartlı bir bilgisayardır. Hobi amaçlı ev otomasyonundan endüstriyel kullanımlara kadar çok çeşitli proje ve uygulamalarda popüler hale gelmiştir. Raspberry Pi kartları çeşitli işletim sistemlerini çalıştırabilir ve sensörler, aktüatörler ile diğer donanım bileşenleriyle kolay entegrasyon sağlayan GPIO (Genel Amaçlı Giriş/Çıkış) pinleri sunar. Farklı özelliklere sahip çeşitli modelleri vardır; ancak tümü düşük maliyetli, kompakt ve çok yönlü olma şeklindeki temel tasarım anlayışını paylaşır.

Raspberry Pi Serisi Karşılaştırması#

Raspberry Pi OS nedir?#

Raspberry Pi OS (eski adıyla Raspbian), Raspberry Pi Foundation tarafından dağıtılan kompakt tek kartlı bilgisayarlardan oluşan Raspberry Pi ailesi için Debian GNU/Linux dağıtımını temel alan Unix benzeri bir işletim sistemidir. Raspberry Pi OS, ARM CPU'lara sahip Raspberry Pi için yüksek düzeyde optimize edilmiştir ve Openbox yığınlama pencere yöneticisiyle değiştirilmiş bir LXDE masaüstü ortamı kullanır. Raspberry Pi OS aktif olarak geliştirilmektedir ve mümkün olduğunca çok Debian paketinin Raspberry Pi üzerindeki kararlılığını ve performansını iyileştirmeye odaklanır.

Raspberry Pi OS'yi Raspberry Pi'ye Yazma#

Raspberry Pi'yi edindikten sonra yapman gereken ilk şey, bir micro-SD karta Raspberry Pi OS'yi yazmak, kartı cihaza takmak ve işletim sistemini başlatmaktır. Cihazını ilk kullanıma hazırlamak için Raspberry Pi'nin Ayrıntılı Başlangıç Belgelerini takip et.

Ultralytics'ı Kurma#

Bir sonraki Bilgisayarlı Görü projen için Raspberry Pi üzerinde Ultralytics paketini iki şekilde kurabilirsin:

• Docker ile başla
• Docker olmadan başla

Docker ile başla#

Raspberry Pi üzerinde Ultralytics YOLO26 ile başlamanın en hızlı yolu, Raspberry Pi için önceden oluşturulmuş bir Docker imajı kullanmaktır.

Docker container'ını çekmek ve Raspberry Pi üzerinde çalıştırmak için aşağıdaki komutu yürüt. Bu işlem, Python3 ortamında Ubuntu 24.04 çalıştıran arm64v8/ubuntu Docker imajını temel alır.

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

Docker imajında Ultralytics zaten bulunur; bu nedenle doğrudan modelini NCNN'e aktarabilirsin.

Docker olmadan başla#

Ultralytics Paketini Yükleme#

Burada Ultralytics paketini Raspberry Pi'ye yükleyeceğiz. NCNN gibi formatlara yönelik dışa aktarma bağımlılıkları, bir PyTorch modeli ilk kez dışa aktarıldığında otomatik olarak yüklenir; bu nedenle burada yalnızca temel paket gereklidir.

1. Paket listesini güncelle, pip'i yükle ve en son sürüme yükselt

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

2. ultralytics pip paketini yükle

   pip install ultralytics

3. Cihazı yeniden başlat

   sudo reboot

Raspberry Pi üzerinde NCNN kullanma#

Ultralytics tarafından desteklenen tüm model dışa aktarma formatları arasında NCNN, ARM mimarisi gibi mobil/gömülü platformlar için yüksek düzeyde optimize edildiğinden Raspberry Pi cihazlarında en iyi çıkarım performansını sunar. YOLO26n PyTorch modelini NCNN'e dönüştür, ardından dışa aktarılan modelle çıkarım çalıştır:

from ultralytics import YOLO

# Load a YOLO26n PyTorch model
model = YOLO("yolo26n.pt")

# Export the model to NCNN format
model.export(format="ncnn")  # creates 'yolo26n_ncnn_model'

# Load the exported NCNN model
ncnn_model = YOLO("yolo26n_ncnn_model")

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

YOLO26'nın YOLO11'e Göre Performans İyileştirmeleri#

YOLO26, Raspberry Pi 5 gibi donanım kaynakları kısıtlı cihazlarda çalışmak üzere özel olarak tasarlanmıştır. YOLO11n ile karşılaştırıldığında YOLO26n, Raspberry Pi 5 üzerinde ONNX'e aktarılmış modellerle 640 giriş boyutunda daha yüksek mAP (40.1'e karşı 39.5) sunarken FPS'de de yaklaşık ~%15 artış (6.79 → 7.79) elde eder. Aşağıdaki tablo ve grafik bu karşılaştırmayı gösterir.

Raspberry Pi 5 YOLO26 Kıyaslamaları#

YOLO26 kıyaslamaları, hız ve doğruluğu ölçmek üzere sekiz farklı model formatında Ultralytics ekibi tarafından gerçekleştirildi: PyTorch, TorchScript, ONNX, OpenVINO, MNN, NCNN, ExecuTorch, LiteRT. Kıyaslamalar, varsayılan giriş görüntüsü boyutu 640 olacak şekilde Raspberry Pi 5 üzerinde FP32 hassasiyetinde gerçekleştirildi.

Karşılaştırma Grafiği#

Diğer model boyutları Raspberry Pi'lerde çalıştırılamayacak kadar büyük olduğundan ve yeterli performans sunmadığından yalnızca YOLO26n ve YOLO26s modellerine ait kıyaslamaları dahil ettik.

Ayrıntılı Karşılaştırma Tablosu#

Aşağıdaki tablo, Raspberry Pi 5 üzerinde çalışan iki farklı modelin (YOLO26n, YOLO26s) sekiz farklı format (PyTorch, TorchScript, ONNX, OpenVINO, MNN, NCNN, ExecuTorch, LiteRT) genelindeki kıyaslama sonuçlarını gösterir ve her kombinasyon için durumu, boyutu, mAP50-95(B) metriğini ve çıkarım süresini sunar.

Sonuçlarımızı Yeniden Üretme#

Yukarıdaki Ultralytics kıyaslamalarını tüm dışa aktarma formatlarında yeniden üretmek için bu kodu çalıştır:

from ultralytics import YOLO

# Load a YOLO26n PyTorch model
model = YOLO("yolo26n.pt")

# Benchmark YOLO26n speed and accuracy on the COCO128 dataset for all export formats
results = model.benchmark(data="coco128.yaml", imgsz=640)

Raspberry Pi Kamerasını Kullanma#

Raspberry Pi'yi Bilgisayarlı Görü projelerinde kullanırken çıkarım gerçekleştirmek için gerçek zamanlı video akışlarını almak önemli olabilir. Raspberry Pi üzerindeki yerleşik MIPI CSI konektörü, resmi Raspberry PI kamera modüllerini bağlamana olanak tanır. Bu kılavuzda, video akışlarını almak ve YOLO26 modellerini kullanarak çıkarım gerçekleştirmek için bir Raspberry Pi Camera Module 3 kullandık.

Kamerayı Test Etme#

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

rpicam-hello

Kamerayla Çıkarım#

YOLO26 modelleri üzerinde çıkarım çalıştırmak için Raspberry Pi Kamerasını kullanmanın iki yöntemi 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 YOLO26 model
model = YOLO("yolo26n.pt")

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

    # Run YOLO26 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()

Raspberry Pi kullanırken en iyi uygulamalar#

YOLO26 çalıştıran Raspberry Pi'lerde maksimum performansı etkinleştirmek için izlenmesi gereken birkaç en iyi uygulama vardır.

1. SSD kullan

   Raspberry Pi'yi 7/24 kesintisiz kullanırken sistem için SSD kullanman önerilir; çünkü bir SD kartı sürekli yazma işlemlerine dayanamayabilir ve bozulabilir. Raspberry Pi 5 üzerindeki yerleşik PCIe konektörü sayesinde artık Raspberry Pi 5 için NVMe Base gibi bir adaptör kullanarak SSD'leri bağlayabilirsin.

2. GUI olmadan yazma

   Raspberry Pi OS'yi yazarken masaüstü ortamını yüklememeyi (Raspberry Pi OS Lite) seçebilirsin; bu, cihazda bir miktar RAM tasarrufu sağlayarak bilgisayarlı görü işlemleri için daha fazla alan bırakır.

3. Raspberry Pi'yi hız aşırtma

   Raspberry Pi 5 üzerinde Ultralytics YOLO26 modellerini çalıştırırken performansta küçük bir artış istiyorsan, CPU'yu temel 2.4GHz'den 3.0GHz'e ve GPU'yu 800MHz'den 1GHz'e hızaşırtma (overclock) yapabilirsin. Sistem kararsız hale gelirse veya çökerse, hızaşırtma değerlerini 100MHz'lik artışlarla azalt. Hızaşırtma ısı üretimini artırdığı ve ısıl kısıtlamaya (thermal throttling) yol açabileceği için uygun soğutmanın sağlandığından emin ol.

   a. Yazılımı yükselt

   sudo apt update && sudo apt dist-upgrade

   b. Yapılandırma dosyasını düzenlemek için aç

   sudo nano /boot/firmware/config.txt

   c. Aşağıdaki satırları en alta ekle

   arm_freq=3000
   gpu_freq=1000
   force_turbo=1

   d. CTRL + X'e, ardından Y'ye basıp ENTER'a basarak kaydet ve çık

   e. Raspberry Pi'yi yeniden başlat

Sonraki Adımlar#

Raspberry Pi üzerinde YOLO26 kurulumunu başarıyla tamamladın. Daha fazlası için daha fazla çıkarım seçeneği sunan Tahmin modunu, ek dağıtım formatları sunan Dışa Aktarma modunu veya uçta daha fazla hesaplama gücüne ihtiyacın varsa NVIDIA Jetson kılavuzunu incele. Belgelerin tamamı için Ultralytics YOLO26 Belgelerini ziyaret et.

Teşekkürler ve Atıflar#

Bu kılavuz başlangıçta, nesli tükenmekte olan türlerin korunması amacıyla YOLO kullanımına adanmış bir kuruluş olan Kashmir World Foundation için Daan Eeltink tarafından oluşturulmuştur. Nesne algılama teknolojileri alanındaki öncü çalışmalarını ve eğitime verdikleri önemi takdir ediyoruz.

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

SSS#