मैंने $47 में एक ऑब्जेक्ट डिटेक्शन AI बनाया। अब 6 कंपनियां मुझे $11,000/महीना देती हैं।

$47 में टूल्स। $11,000 के इनवॉइस। एक ही महीने में।

एक कैमरा कारों, लोगों, बक्सों, आप जिस भी चीज़ पर इसे लगाएँ, उसे गिनता है। पिछले महीने यह 6 स्थानों पर चला और मैंने इसे केवल दो बार छुआ।

एक फ्रेम। 6 ऑब्जेक्ट 40ms में बॉक्स और लेबल किए गए।

ज़्यादातर लोग सोचते हैं कि इसके लिए PhD और GPU फार्म चाहिए। इसके लिए बस एक वेबकैम और एक वीकेंड चाहिए।

जिन लोगों ने यह समझ लिया, वे चुपचाप स्थानीय व्यवसायों से हर महीने $1,800 वसूल रहे हैं, ताकि वह गिन सकें जो पहले एक इंसान हाथ से गिनता था।

यह रहा पूरा निर्माण।

यह वास्तव में क्या है

एक कैमरा किसी चीज़ पर पॉइंट करता है। मॉडल हर ऑब्जेक्ट को बॉक्स करता है, लेबल करता है, गिनता है।

व्यवसाय एक नंबर के लिए भुगतान करता है: कितने। कितनी कारें आईं, कितने लोग अंदर आए, कितने बक्से हिले।

उस नंबर के लिए पहले एक क्लिपबोर्ड वाले इंसान की ज़रूरत होती थी। अब इसके लिए $6 के सर्वर पर एक फ़ाइल चाहिए।

यही सिस्टम है।

पाइपलाइन, शुरू से अंत तक

कैमरा RTSP फ़ीड करता है: लाइव YOLO11 डिटेक्ट करता है: 40ms प्रति फ्रेम ByteTrack आईडी असाइन करता है: रियल टाइम काउंटर CSV में लॉग करता है: इंस्टेंट Streamlit डैशबोर्ड परोसता है: 24/7

कुल निर्माण समय: एक वीकेंड। कुल चलाने की लागत: $47/महीना। वे लाइनें जिन्हें आप वास्तव में एडिट करते हैं: एक।

चरण 1: स्टैक इंस्टॉल करें

1pip install ultralytics supervision opencv-python

टर्मिनल में एक लाइन। YOLO11 डिटेक्ट करता है, supervision गिनता है, opencv वीडियो पढ़ता है।

कोडर नहीं हैं? पूरे निर्माण में यह एकमात्र सेटअप कमांड है। इसे एक बार पेस्ट करें, यह सब कुछ इंस्टॉल कर देता है। यहाँ से आप एक फ़ाइल क्लोन करते हैं और एक लाइन बदलते हैं: आपका कैमरा लिंक।

चरण 2: 4 लाइनों में कुछ भी डिटेक्ट करें

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4results = model("street.jpg")
5results[0].show()

YOLO11 80 ऑब्जेक्ट जानता है: व्यक्ति, कार, साइकिल, ट्रक, कुत्ता, बोतल। इसे किसी भी इमेज पर पॉइंट करें और यह उन्हें बॉक्स कर देता है। अभी तक कोई ट्रेनिंग नहीं।

एक लाइन बदलें: "street.jpg" को अपनी खुद की फोटो से बदलें। बस इतना ही एडिट है।

चरण 3: इसे कैमरे पर लाइव चलाएँ

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.predict(source=0, show=True)   # 0 = वेबकैम, या RTSP url पेस्ट करें

0 को RTSP लिंक से बदलें और यह बिल्डिंग के किसी भी सुरक्षा कैमरे को पढ़ लेता है। यह वह पल है जब क्लाइंट झुक जाता है।

एक लाइन बदलें: जहाँ 0 है, वहाँ क्लाइंट का कैमरा लिंक पेस्ट करें। बाकी सब कुछ वैसा ही रहता है।

चरण 4: सिर्फ डिटेक्ट न करें, ट्रैक और गिनें

अकेला डिटेक्शन हर फ्रेम में उसी कार को फिर से गिनता है। ByteTrack हर ऑब्जेक्ट को एक आईडी देता है और उसे फ्रेम्स में बनाए रखता है, ताकि आप एक लाइन पार करते समय हर चीज़ को एक बार गिनें।

1import cv2
2from ultralytics import YOLO
3import supervision as sv
4
5model = YOLO("yolo11n.pt")
6tracker = sv.ByteTrack()
7line = sv.LineZone(start=sv.Point(0, 500), end=sv.Point(1920, 500))
8annot = sv.LineZoneAnnotator()
9
10cap = cv2.VideoCapture("traffic.mp4")
11while True:
12    ok, frame = cap.read()
13    if not ok:
14        break
15    result = model(frame, conf=0.5)[0]
16    detections = sv.Detections.from_ultralytics(result)
17    detections = tracker.update_with_detections(detections)
18    line.trigger(detections)
19    frame = annot.annotate(frame, line_counter=line)
20    cv2.imshow("count", frame)
21    if cv2.waitKey(1) == 27:
22        break

line[dot]in_count और line[dot]out_count में लाइव टोटल रहते हैं। यही उत्पाद है। आप इस ब्लॉक को पूरा कॉपी करते हैं, इसे लिखते नहीं हैं।

मेरा पहला डेमो यहाँ फेल हुआ। कैमरे ने परछाइयों को लोगों के रूप में गिना, जिससे पार्किंग क्लाइंट ने खाली जगह पर 400 कारें देखीं। फिक्स था conf=0.5, ऊपर कोड में पहले से मौजूद लाइन: मॉडल जिस चीज़ के बारे में 50% सुनिश्चित नहीं है, उसे अनदेखा करें। इसे बढ़ाएँ, भूत गायब हो जाते हैं। क्लाइंट ने अगले दिन साइन कर लिया।

चरण 5: इसे अपनी वस्तु गिनना सिखाएँ

डिफ़ॉल्ट 80 क्लासेस कारों और लोगों को कवर करती हैं। जब कोई क्लाइंट पैलेट, वाइन की बोतलें या मवेशी चाहता है, तो Roboflow ब्राउज़र में मुश्किल काम करता है। आप 200 फोटो खींचते हैं, ऑब्जेक्ट के चारों ओर बॉक्स क्लिक करते हैं, ट्रेन दबाते हैं। कोई कोड नहीं।

Roboflow में एक कस्टम क्लास को लेबल करना। क्लिक करें, नाम दें, हो गया

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.train(data="dataset.yaml", epochs=50, imgsz=640)

फ्री Colab GPU पर 50 एपॉक में 20 मिनट लगते हैं। किसी भी तरह, वही पाइपलाइन अब आपके द्वारा दिखाई गई किसी भी चीज़ को गिनती है। यही हेडलाइन की लाइन है।

चरण 6: हर नंबर लॉग करें

1import csv, datetime
2
3def log_count(label, count):
4    with open("counts.csv", "a", newline="") as f:
5        csv.writer(f).writerow([datetime.datetime.now(), label, count])

प्रति इवेंट एक CSV पंक्ति। यह फ़ाइल एक स्क्रिप्ट को एक रिपोर्ट में बदल देती है जिसे व्यवसाय पढ़ सकता है। यह पहले से ही उस फ़ाइल में वायर्ड है जो मैं आपको भेजता हूँ।

चरण 7: इसे एक डैशबोर्ड के पीछे रखें

1import streamlit as st
2import pandas as pd
3
4df = pd.read_csv("counts.csv", names=["time", "object", "count"])
5st.metric("Total today", int(df["count"].sum()))
6st.line_chart(df, x="time", y="count")

streamlit run app[dot]py चलाएँ, सर्वर पर एक डोमेन पॉइंट करें, क्लाइंट को एक लिंक भेजें। वे लॉग इन करते हैं और अपने खुद के नंबरों को चलते हुए देखते हैं। वह लिंक वही है जिसके लिए आप चार्ज करते हैं।

लागत

पुराना तरीका बनाम यह निर्माण:

• मॉडल - CV टीम, 6 महीने → YOLO11, मुफ्त, 5 मिनट
• लेबलिंग - एनोटेशन फर्म → Roboflow, पॉइंट और क्लिक
• हार्डवेयर - ऑन-साइट GPU बॉक्स, $4,000 → क्लाउड सर्वर, $46/महीना
• डैशबोर्ड - कॉन्ट्रैक्ट डेव, $8,000 → Streamlit, मुफ्त
• डोमेन - एजेंसी रिटेनर → $12/साल, लगभग $1/महीना

सर्वर + डोमेन की कुल लागत $47/महीना है। एक क्लाइंट इसे 38 गुना कवर करता है।

पहला क्लाइंट कैसे लाएँ

पिच डेक छोड़ें। ऐसे व्यवसाय में जाएँ जिसके पास पहले से कैमरे हों और वह हाथ से गिनती करता हो। एक पार्किंग लॉट, एक जिम, एक कैफे, एक छोटा गोदाम।

उनका RTSP लिंक या उनके कैमरे की 2 मिनट की फ़ीड माँगें। वहीं अपने लैपटॉप पर फ़ाइल चलाएँ। उन्हें उनका अपना दरवाज़ा लाइव नंबरों के साथ दिखाएँ।

अपने खुद के कैमरे को उनके लिए गिनते देखना किसी भी स्लाइड से ज़्यादा तेज़ी से डील बंद करता है। मेरे पहले 3 क्लाइंट ने उसी विज़िट में साइन किए।

यह $11,000/महीना कैसे बनता है

आप नंबर बेचते हैं, कोड नहीं।

महीना 1

- मेरे लैपटॉप पर बनाया। पहला क्लाइंट: एक पार्किंग लॉट जो हर घंटे कारों की गिनती चाहता था। $500/महीना।

महीना 3

- 3 क्लाइंट: पार्किंग, एक रिटेल डोर काउंटर, एक जिम पीक आवर्स ट्रैक कर रहा है। $4,500/महीना।

महीना 6

- $1,800 औसत पर 6 क्लाइंट। एक गोदाम पैलेट गिन रहा है, एक कैफे फुट ट्रैफिक गिन रहा है, एक बाइक-शेयर रैक ट्रैक कर रहा है। $11,000/महीना।

महीना 12

- सेटअप बेचना बंद करें, लॉगिन बेचें। प्रति क्लाइंट एक डैशबोर्ड, मासिक मूल्य। लागत अभी भी $60 से कम है, $20,000/महीना पार कर गए।

काम एक बार किया जाता है। इनवॉइस दोहराए जाते हैं।

यहाँ से शुरू करें

स्टैक मुफ्त है। कैमरा पहले से दीवार पर लगा है। आप एक लाइन एडिट करते हैं और एक फ़ाइल चलाते हैं।

"DETECT" कमेंट करें और मैं पूरी फ़ाइल भेज दूँगा: कैमरा लिंक ऊपर जाता है, बाकी सब कुछ अपने आप चलता है। ट्रेनिंग नोटबुक और dataset[dot]yaml टेम्पलेट शामिल है।

आपकी सड़क के व्यवसायों ने आज हाथ से गिनती की। वे कल फिर से ऐसा करेंगे जब तक कोई कैमरा लिंक लेकर नहीं आता।