Link to this sectionHızlı Başlangıç Kılavuzu: Ultralytics YOLO26 ile Raspberry Pi#

Raspberry Pi is a small, affordable computer that runs Ultralytics YOLO26 for real-time object detection at the edge — no GPU required. This guide walks you through deploying YOLO26 on Raspberry Pi 4 and 5: flashing the OS, installing Ultralytics, exporting to NCNN for the fastest inference on ARM, and running predictions on a live camera feed. It also includes performance benchmarks across ten export formats so you can pick the best speed and accuracy trade-off for your hardware.

Ultralytics kurulumuna, NCNN'e aktarma ve çıkarım çalıştırmaya, kıyaslamalara veya kamera çıkarımına atlayın.

Link to this sectionRaspberry Pi nedir?#

Raspberry Pi, küçük ve uygun fiyatlı bir tek kartlı 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 çeşitli modelleri mevcuttur ancak hepsi düşük maliyetli, kompakt ve çok yönlü olma temel tasarım felsefesini paylaşır.

Link to this sectionRaspberry Pi Serisi Karşılaştırması#

Link to this sectionRaspberry Pi OS nedir?#

Raspberry Pi OS (eski adıyla Raspbian), Raspberry Pi Foundation tarafından dağıtılan kompakt tek kartlı bilgisayarlar olan Raspberry Pi ailesi için Debian GNU/Linux dağıtımına dayalı Unix benzeri bir işletim sistemidir. Raspberry Pi OS, ARM CPU'lara sahip Raspberry Pi için oldukça optimize edilmiştir ve Openbox yığın pencere yöneticisi ile değiştirilmiş bir LXDE masaüstü ortamı kullanır. Raspberry Pi OS, Raspberry Pi üzerinde mümkün olduğunca çok Debian paketinin kararlılığını ve performansını artırmaya vurgu yaparak aktif geliştirme aşamasındadır.

Link to this sectionRaspberry Pi OS'i Raspberry Pi'ye Flash'la#

Bir Raspberry Pi edindikten sonra yapılacak ilk şey, bir micro-SD karta Raspberry Pi OS'i yazdırmak, cihazı takmak ve işletim sistemini başlatmaktır. Cihazını ilk kullanıma hazırlamak için ayrıntılı Raspberry Pi Başlangıç Dokümantasyonunu takip et.

Link to this sectionUltralytics Kurulumu#

Bir sonraki Bilgisayarlı Görü projeniz için Raspberry Pi üzerinde Ultralytics paketini iki şekilde kurabilirsiniz:

• Docker ile Başla
• Docker olmadan Başla

Link to this sectionDocker ile Başla#

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

Docker konteynerini çekmek ve Raspberry Pi üzerinde çalıştırmak için aşağıdaki komutu yürütün. Bu, 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 imajı zaten Ultralytics'i içerdiğinden, doğrudan modelinizi NCNN'e aktarmaya geçebilirsiniz.

Link to this sectionDocker olmadan Başla#

Link to this sectionUltralytics Paketini Yükleyin#

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

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

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

2. İsteğe bağlı bağımlılıklarla ultralytics pip paketini kurun

   pip install ultralytics[export]

3. Cihazı yeniden başlatın

   sudo reboot

Link to this sectionRaspberry 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 sağlar. YOLO26n PyTorch modelinizi NCNN'e dönüştürün ve ardından dışa aktarılan modelle çıkarım çalıştırın:

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")

Link to this sectionYOLO11'e kıyasla YOLO26 Performans İyileştirmeleri#

YOLO26, özellikle Raspberry Pi 5 gibi donanım kısıtlı cihazlarda çalışmak üzere tasarlanmıştır. YOLO11n ile karşılaştırıldığında YOLO26n, Raspberry Pi 5 üzerinde ONNX ile dışa aktarılmış modellerle 640 giriş boyutunda %~15 FPS artışı (6.79 → 7.79) sağlarken aynı zamanda daha yüksek mAP (40.1'e karşı 39.5) sunar. Aşağıdaki tablo ve grafik bu karşılaştırmayı göstermektedir.

Link to this sectionRaspberry Pi 5 YOLO26 Kıyaslamaları#

YOLO26 kıyaslamaları, Ultralytics ekibi tarafından hız ve doğruluk ölçülerek on farklı model formatında yürütüldü: PyTorch, TorchScript, ONNX, OpenVINO, TF SavedModel, TF GraphDef, TF Lite, MNN, NCNN, ExecuTorch. Kıyaslamalar, Raspberry Pi 5 üzerinde 640 varsayılan giriş görsel boyutu ile FP32 hassasiyetinde çalıştırıldı.

Link to this sectionKarşılaştırma Tablosu#

Yalnızca YOLO26n ve YOLO26s modelleri için kıyaslamaları dahil ettik çünkü diğer model boyutları Raspberry Pi'lerde çalışmak için çok büyük ve yeterli performans sunmuyor.

Link to this sectionAyrıntılı Karşılaştırma Tablosu#

Aşağıdaki tablo, Raspberry Pi 5 üzerinde çalışan on farklı formatta (PyTorch, TorchScript, ONNX, OpenVINO, TF SavedModel, TF GraphDef, TF Lite, MNN, NCNN, ExecuTorch) iki farklı model (YOLO26n, YOLO26s) için sonuçları göstermekte olup her kombinasyon için durum, boyut, mAP50-95(B) metriği ve çıkarım süresini vermektedir.

Link to this sectionSonuçlarımızı Yeniden Oluştur#

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)

Link to this sectionRaspberry Pi Kamerası Kullan#

Bilgisayarlı Görü projeleri için Raspberry Pi kullanırken, çıkarım yapmak adına gerçek zamanlı video akışları almak çok önemli olabilir. Raspberry Pi üzerindeki yerleşik MIPI CSI konektörü, resmi Raspberry Pi kamera modüllerini bağlamana olanak tanır. Bu kılavuzda, video akışlarını yakalamak ve YOLO26 modellerini kullanarak çıkarım yapmak için bir Raspberry Pi Kamera Modülü 3 kullandık.

Link to this sectionKamerayı Test Et#

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

rpicam-hello

Link to this sectionKamera ile Çıkarım#

YOLO26 modellerinde 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()

Link to this sectionRaspberry Pi kullanırken en iyi uygulamalar#

YOLO26 çalıştıran Raspberry Pi cihazlarında maksimum performansı elde etmek için takip etmen gereken birkaç en iyi uygulama bulunmaktadır.

1. SSD kullan

   Raspberry Pi'yi 7/24 sürekli kullanım için kullanırken, sistemde bir SSD kullanılması önerilir; çünkü bir SD kart sürekli yazma işlemlerine dayanamayabilir ve bozulabilir. Raspberry Pi 5 üzerindeki dahili PCIe konektörü ile artık Raspberry Pi 5 için NVMe Base gibi bir adaptör kullanarak SSD'leri bağlayabilirsin.

2. GUI olmadan yükle

   Raspberry Pi OS'i kurarken Masaüstü ortamını yüklememeyi (Raspberry Pi OS Lite) seçebilirsin; bu, cihazda biraz RAM tasarrufu sağlayarak bilgisayarlı görü işleme için daha fazla alan bırakır.

3. Raspberry Pi'ye hız aşırtma (overclock) yap

   Raspberry Pi 5 üzerinde Ultralytics YOLO26 modellerini çalıştırırken biraz performans artışı istiyorsan, işlemciyi (CPU) 2.4GHz taban hızından 2.9GHz'e ve grafik işlemciyi (GPU) 800MHz'den 1GHz'e hız aşırtabilirsin. Eğer sistem kararsızlaşır veya çökerse, hız aşırtma değerlerini 100MHz'lik adımlarla düşür. Hız aşırtma ısı üretimini artırdığından ve ısıl kısıtlamaya (thermal throttling) yol açabileceğinden uygun soğutmanın sağlandığından emin ol.

   a. Yazılımı güncelle

   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, ardından Y tuşlarına basarak kaydet ve çık, sonra ENTER tuşuna bas

   e. Raspberry Pi'yi yeniden başlat

Link to this sectionSonraki Adımlar#

YOLO26'yı Raspberry Pi üzerinde başarıyla kurdun. Daha ileri gitmek için daha fazla çıkarım seçeneği için Tahmin modu kısmını, ek dağıtım formatları için Dışa Aktarma modu kısmını veya uç cihazda daha fazla işlem gücüne ihtiyacın varsa NVIDIA Jetson rehberini keşfet. Eksiksiz dokümantasyon için Ultralytics YOLO26 Dokümanlarını ziyaret et.

Link to this sectionTeşekkür ve Alıntılar#

Bu kılavuz, nesli tükenmekte olan türlerin korunması için YOLO kullanımına kendini adamış bir kuruluş olan Kashmir World Foundation adına başlangıçta Daan Eeltink tarafından 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 edebilirsin.

Link to this sectionSSS#

Link to this sectionDocker kullanmadan bir Raspberry Pi üzerinde Ultralytics YOLO26 kurulumunu nasıl yaparım?#

Ultralytics YOLO26'yı Raspberry Pi üzerinde Docker olmadan kurmak için şu adımları izle:

1. Paket listesini güncelle ve pip yükle:

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

2. İsteğe bağlı bağımlılıklarla birlikte Ultralytics paketini kur:

   pip install ultralytics[export]

3. Değişiklikleri uygulamak için cihazı yeniden başlat:

   sudo reboot

Ayrıntılı talimatlar için Docker olmadan başlat bölümüne başvur.

Link to this sectionYapay zeka görevleri için Raspberry Pi'de neden Ultralytics YOLO26'nın NCNN formatını kullanmalıyım?#

Ultralytics YOLO26'nın NCNN formatı, mobil ve gömülü platformlar için yüksek düzeyde optimize edilmiştir, bu da onu Raspberry Pi cihazlarında yapay zeka görevlerini çalıştırmak için ideal kılar. NCNN, ARM mimarisinden yararlanarak çıkarım performansını maksimize eder ve diğer formatlara kıyasla daha hızlı ve verimli bir işleme sağlar. Desteklenen dışa aktarma formatları hakkında daha fazla ayrıntı için model dışa aktarma seçeneklerine göz at.

Link to this sectionRaspberry Pi'de kullanmak için bir YOLO26 modelini nasıl NCNN formatına dönüştürebilirim?#

Bir PyTorch YOLO26 modelini Python veya CLI komutlarını kullanarak NCNN formatına dönüştürebilirsin:

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")

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

Link to this sectionYOLO26 çalıştırmakla ilgili olarak Raspberry Pi 4 ve Raspberry Pi 5 arasındaki donanım farkları nelerdir?#

Temel farklar şunlardır:

• CPU: Raspberry Pi 4, Broadcom BCM2711, Cortex-A72 64-bit SoC kullanırken, Raspberry Pi 5, Broadcom BCM2712, Cortex-A76 64-bit SoC kullanır.
• Maksimum CPU Frekansı: Raspberry Pi 4, 1.8GHz maksimum frekansa sahipken, Raspberry Pi 5 2.4GHz'e ulaşır.
• Bellek: Raspberry Pi 4, 8GB'a kadar LPDDR4-3200 SDRAM sunarken, Raspberry Pi 5, 4GB ve 8GB seçenekleriyle sunulan LPDDR4X-4267 SDRAM özelliğine sahiptir.

Bu geliştirmeler, YOLO26 modellerinin Raspberry Pi 5 üzerinde Raspberry Pi 4'e kıyasla daha iyi performans göstermesine katkıda bulunur. Daha fazla ayrıntı için Raspberry Pi Serisi Karşılaştırması tablosuna bak.

Link to this sectionRaspberry Pi Kamera Modülünü Ultralytics YOLO26 ile çalışacak şekilde nasıl ayarlayabilirim?#

Raspberry Pi kamerasını YOLO26 çıkarımı için ayarlamanın iki yöntemi vardır:

1. picamera2 Kullanarak:

   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("yolo26n.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 Kullanarak:

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

   from ultralytics import YOLO
   
   model = YOLO("yolo26n.pt")
   results = model("tcp://127.0.0.1:8888")

Ayrıntılı kurulum talimatları için Kamera ile Çıkarım bölümünü ziyaret et.