AugeLab Studio Manual
Türkçe
Türkçe
  • 👋AugeLab Studio Kullanıcı Kılavuzuna Hoş Geldiniz
  • 📘Giriş
    • AugeLab Studio
    • Ana Özellikler
    • Kullanım Durumları
    • Sistem Gereksinimleri
  • 🚀Başlarken
    • Kayıt Olma
    • Kurulum
    • İlk Bakış
    • Basit Tur
    • İlk Projeniz
      • Temel Bilgiler
      • Tespit
      • Tamamlama
    • Daha Fazla Yerel Örnek
    • Daha Fazla Okuma
  • 🖥️AugeLab Studio Arayüzü
    • Ayrıntılı İnceleme
    • Senaryo Alanı
    • Menü ve Araç Çubuğu
    • Projeleri Yönetme
    • Yapay Zeka Yükleme ve Daha Fazlası
      • Modül İndirme ile Yapay Zeka Kullanın
  • 🧱Fonksiyon Blokları
    • Blok Yapıları
    • Sockets
    • Bloklar Kolonu
    • Bağlantılar
    • Tüm Fonksiyon Blokları
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Cihazlar ve İletişim
    • Kamera Kullanımı
    • İletişim Protokolleri
    • Daha Fazla Okuma
  • 🧩Örnek Projeler
    • Demo Projeler
    • Çevre Ölçümü
    • Nesne Sayma
    • Karo Genişliği Ölçümü
    • İnsan Tespiti
    • Nesne Tespiti
  • 🔑Ana Özellikler
    • Özel HMI Uygulamaları Yayınlayın
    • Nesne Tespiti için Verileri İşaretleyin
    • Özel AI Modelleri Eğitin
      • Doğru Veritabanını Seçme
      • Eğitim Ne Zaman Durmalı
    • Eklentiler Oluşturun
      • Bileşenler
      • Kodlama Referansı
    • Çözümlerinizi Toplulukla Paylaşın
    • Python Paketlerini Yükleyin
  • 📑SSS
    • Bizimle İletişime Geçin
    • SSS
    • Tam bir projeyi kurma
  • Ek Kaynaklar
    • Eğitim Takvimi
    • Eğitim Materyalleri
    • AugeLab Uzmanları
  • Ek
    • Sözlük
    • Kaynaklar
Powered by GitBook
On this page
  • 📥 Girdiler
  • 📤 Çıktılar
  • 🕹️ Kontroller
  • 🎨 Özellikler
  • 📝 Kullanım Talimatları
  • 📊 Değerlendirme
  • 💡 İpuçları ve Püf Noktaları
  • 🛠️ Sorun Giderme

Was this helpful?

  1. Fonksiyon Blokları
  2. Tüm Fonksiyon Blokları
  3. AI Blocks

Object Detection

Bu fonksiyon bloğu, YOLOv4 tabanlı bir nesne tespit modeli kullanarak bir görüntüde belirli nesneleri tespit etmek için tasarlanmıştır. Kullanıcılar, tespit etmek istedikleri nesne sınıfını seçebilir ve tespit süreci için bir güven eşiği ayarlayabilir.

📥 Girdiler

Image Any Nesnelerin tespit edileceği giriş görüntüsü.

📤 Çıktılar

Image Any Tespit edilen nesnelerin dikdörtgenlerle vurgulandığı değiştirilmiş görüntüyü gösterir.

Object Count Bu çıktı, giriş görüntüsündeki tespit edilen nesnelerin toplam sayısını döndürür.

Object Center Locations Tespit edilen nesnelerin merkez noktalarını döndürür ve birden fazla tespit izleme imkanı sağlar.

Object Sizes (w, h) Tespit edilen nesnelerin genişlik ve yükseklikleri ile temsil edilen boyutları.

Rectangles Tespit edilen nesneleri saran dikdörtgenlerin koordinatları, birden fazla tespit imkanı ile birlikte.

🕹️ Kontroller

Confidence Threshold % Tespitler için güven eşiğini ayarlamak için kullanılan bir kaydırıcı. Bu değeri ayarlamak, daha az kesin tespitleri filtrelemeye yardımcı olur.

Select Detection Class Mevcut seçeneklerden tespit edilmesi gereken belirli nesne sınıflarını seçmek için bir açılır menü.

🎨 Özellikler

Multiple Detection Classes Kullanıcılar, "Hepsi", "İnsan", "Hayvanlar", "Kapalı Alan" ve "Açık Alan" gibi önceden tanımlanmış sınıflardan seçim yapabilir.

Dynamic Confidence Adjustment Eşik kaydırıcısı, tespit algoritmasının hassasiyetini gerçek zamanlı olarak ayarlama olanağı sağlar.

Comprehensive Outputs Tespit edilen nesneler hakkında ayrıntılı geri bildirim veren çoklu çıktılar, görüntü değişiklikleri, sayımlar ve sınırlayıcı dikdörtgen bilgilerini içerir.

📝 Kullanım Talimatları

  1. Connect Input: Potansiyel nesneleri içeren bir görüntüyü girişi ekleyin.

  2. Select Class: Nesne tespit algoritmasının aramasını yapacağı nesne sınıfını belirtmek üzere Select Detection Class açılır menüsünden istenen sınıfı seçin.

  3. Set Confidence: Bir nesnenin tespit edilmesi için modelin ne kadar güvenilir olması gerektiğini belirlemek üzere Confidence Threshold % kaydırıcısını ayarlayın.

  4. Evaluate: Nesne tespitini gerçekleştirmek için bloğu çalıştırın. Değiştirilmiş görüntü ve tespit sonuçları çıktılar olarak sağlanacaktır.

📊 Değerlendirme

Çalıştırıldığında, bu fonksiyon bloğu, seçilen nesnelerin varlığını analiz eder ve orijinal görüntünün değişikliklerini, yanı sıra niceliksel tespit verilerini döndürür.

💡 İpuçları ve Püf Noktaları

Detection Class Seçimi

Belirli bir sınıf seçmek (örneğin "Hayvanlar" veya "İnsan") yanlış pozitifleri önemli ölçüde azaltabilir, bu da tespit sürecini daha güvenilir hale getirir.

Güven Eşiğini Ayarlama

Güven eşiğini düşürmek, daha fazla nesneyi tespit etmeye olanak tanır ancak yanlış tespitler de ortaya çıkarabilir. Kendi kullanım durumunuza dayalı olarak bir denge bulmak iyi bir fikirdir.

Diğer Bloklarla Kullanma

Bu fonksiyon bloğu, tespit öncesinde görüntüyü hazırlamak için Image ROI veya Image Threshold gibi diğer görüntü işleme bloklarıyla birlikte iyi çalışır.

Performans Optimizasyonu

Gerçek zamanlı tespit gerçekleştirirken, daha hızlı işlem için bu bloğa bağlamadan önce giriş görüntüsü boyutunu küçültmeyi düşünün.

🛠️ Sorun Giderme

Tespit Yok

Hiçbir nesne tespit edilmezse, geçerli giriş görüntülerinin kullanıldığından emin olun ve güven eşiğini ayarlayın. Seçilen tespit sınıfının görüntüdeki nesnelerle örtüşüp örtüşmediğini kontrol etmek isteyebilirsiniz.

Yavaş İşlem Hızı

Daha büyük görüntülerde nesneleri tespit ederken, görüntüyü yeniden boyutlandırmayı veya daha düşük çözünürlüklü bir giriş kullanmayı düşünün; bu, tespit sürelerini önemli ölçüde hızlandırabilir.

PreviousObject Detection - CustomNextPose Estimation

Last updated 8 months ago

Was this helpful?

🧱