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 - Custom

Bu fonksiyon bloğu, önceden eğitilmiş bir modeli kullanarak görüntülerde özel nesne tespiti yapmayı sağlar. Kullanıcılar, tespit etmek istedikleri nesne sınıflarını belirleyebilir ve tespit için güven eşiği ayarlayabilir.

📥 Girdiler

Image Any Nesne tespiti için işlenecek görüntü verisini beslemek için kullanılan giriş.

📤 Çıktılar

Image Any Tespit edilen nesnelerin vurgulandığı çıktı görüntüsü.

Object Count Giriş görüntüsündeki tespit edilen nesne sayısı.

Object Locations Tespit edilen nesnelerin koordinatlar listesini.

Object Sizes (w, h) Tespit edilen nesnelerin boyutlarını.

Object Class Tespit edilen nesne sınıflarının listesini.

Rectangles Tespit edilen nesnelerin etrafındaki sınırlayıcı dikdörtgenler.

🕹️ Kontroller

Open Weight File Nesne tespiti modeli için gerekli ağırlık dosyasını seçmek için bir buton.

Open Config File Model için yapılandırma dosyasını seçmek için bir buton.

Open Class File Tespit için mevcut nesne kategorilerini içeren sınıf adları dosyasını seçmek için bir buton.

Confidence Threshold % Tespitler için güven eşiğini ayarlamak üzere bir kaydırıcı, tespit hassasiyetini ince ayar yapmayı kolaylaştırır.

Class Names Table Tespit için mevcut sınıf adlarını gösteren bir ekran, kullanıcının hangi sınıflara odaklanacağını seçmesine olanak tanır.

🎨 Özellikler

Customizable Detection Farklı modeller yükleme ve hangi sınıfların tespit edileceğini belirleme esnekliği sağlar, çeşitli uygulamalar için özel kullanım imkanı sunar.

Real-time Detection Model, görüntüyü verimli bir şekilde işler ve obje tespit ederken hemen sonuç hakkında görsel geri bildirim sağlar.

Confidence Adjustment Kullanıcılar, güven eşiğini ayarlamak için kaydırıcıyı kullanarak, öznerlik seviyelerine bağlı olarak tespitleri dahil etme veya hariç tutma imkanı bulur.

📝 Kullanım Talimatları

  1. Model Dosyalarını Yükleyin:

    • Modelin ağırlık dosyasını seçmek için Open Weight File üzerine tıklayın.

    • Modelin yapılandırma dosyasını seçmek için Open Config File üzerine tıklayın.

    • Sınıf adlarını içeren dosyayı seçmek için Open Class File üzerine tıklayın.

  2. Sınıfları Seçin:

    • Sınıf dosyasından yüklenen sınıf adları Class Names Tableda görünecektir. Tespit için istenen sınıfları seçin.

  3. Güven Eşiklerini Ayarlayın:

    • İstenen tespit eşik değerini ayarlamak için Confidence Threshold % kaydırıcısını kullanın.

  4. Bağlayın ve Değerlendirin:

    • Girişe bir görüntü bağlayın. Blok görüntüyü işleyecek ve tespit edilen nesneleri gösteren değiştirilmiş görüntüyü döndürecektir.

📊 Değerlendirme

Çalıştırıldıktan sonra, bu fonksiyon bloğu, tespit edilen nesneler hakkında sayıları, boyutları, sınıfları ve konumları da içeren detaylarla birlikte notlandırılmış bir görüntü çıkaracaktır.

💡 İpuçları ve Püf Noktaları

Özel Modeller Kullanma

Ağırlık, yapılandırma ve sınıf dosyalarının birbiriyle örtüştüğünden ve YOLOv4 model mimarisi ile uyumlu olduğundan emin olun, böylece yükleme hatalarından kaçınabilirsiniz.

Birden Fazla Nesneyi İşleme

Farklı sınıflardan birden fazla nesne tespit ediyorsanız, sınıf dosyanızın ilginç olan tüm nesne sınıflarını içerdiğinden emin olun.

Tespit Hassasiyetini Ayarlama

Tespit hassasiyetini yönetmek için Confidence Threshold % kaydırıcısını ayarlayın. Bu değeri çok yüksek ayarlamak tespitleri kaçırmanıza neden olabilirken, çok düşük ayarlamak yanlış tespitlere yol açabilir.

🛠️ Sorun Giderme

Model Yüklenemedi

Model yüklenmiyorsa, ağırlık, yapılandırma ve sınıf dosyaları için yolların doğru şekilde ayarlandığından ve mevcut dosyalara işaret ettiğinden emin olun.

Tespit Bulunamadı

Hiçbir tespit döndürülmüyorsa, seçilen sınıfların giriş görüntüsündeki nesnelerle örtüştüğünü kontrol edin. Gerekirse güven eşiğini ayarlayın.

PreviousMask DetectionNextObject Detection

Last updated 8 months ago

Was this helpful?

🧱