47 Dolarla Nesne Algılama Yapay Zekası Geliştirdim. Şimdi 6 İşletme Bana Aylık 11.000 Dolar Ödüyor.

47 dolarlık araç. 11.000 dolarlık fatura. Aynı ay.

Bir kamera, arabaları, insanları, kutuları, işaret ettiğiniz her şeyi sayar. Geçen ay 6 farklı lokasyonda çalıştı ve ben ona sadece iki kez dokundum.

tek bir kare. 6 nesne, 40 ms'de kutulandı ve etiketlendi.

Çoğu insan bunun için bir doktora ve bir GPU çiftliği gerektiğini düşünür. Oysa sadece bir web kamerası ve bir hafta sonu yeterli.

Bunu çözenler, sessiz sedasız yerel işletmelere, bir insanın elle saydığı şeyleri saymak için ayda 1.800 dolar fatura kesiyor.

İşte tüm yapım.

Aslında ne bu

Bir kamera bir şeye doğrultur. Model, her nesneyi kutular, etiketler ve sayar.

İşletme tek bir rakam için ödeme yapar: kaç tane. Kaç araba girdi, kaç kişi içeri adım attı, kaç kutu taşındı.

Bu rakamı elde etmek için eskiden elinde pano olan birine ihtiyaç vardı. Şimdi ise 6 dolarlık bir sunucuda tek bir dosya yeterli.

Sistem bu.

Uçtan uca iş akışı

Kamera RTSP beslemesi: canlı YOLO11 tespiti: kare başına 40 ms ByteTrack kimlik ataması: gerçek zamanlı Sayaç CSV'ye kaydeder: anında Streamlit panosu: 7/24

Toplam yapım süresi: bir hafta sonu. Toplam işletme maliyeti: ayda 47 dolar. Gerçekten düzenlediğiniz satır sayısı: bir.

Adım 1: Yığını kurun

1pip install ultralytics supervision opencv-python

Terminalde tek bir satır. YOLO11 tespit eder, supervision sayar, opencv videoyu okur.

Kod yazmayı bilmiyor musunuz? Tüm yapımdaki tek kurulum komutu bu. Bir kere yapıştırın, her şeyi kurar. Buradan sonra tek bir dosyayı klonlayıp tek bir satırı değiştirirsiniz: kamera bağlantınız.

Adım 2: 4 satırda her şeyi tespit edin

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

YOLO11, 80 nesneyi bilerek gelir: insan, araba, bisiklet, kamyon, köpek, şişe. Herhangi bir görsele doğrultun, onları kutular. Henüz eğitim yok.

Bir satırı değiştirin: "street.jpg" yerine kendi fotoğrafınızı koyun. Tüm düzenleme bu kadar.

Adım 3: Kamerada canlı olarak çalıştırın

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.predict(source=0, show=True)   # 0 = web kamerası veya bir RTSP url'si yapıştırın

0'ı bir RTSP bağlantısıyla değiştirin, binadaki herhangi bir güvenlik kamerasını okur. Müşterinin ilgisini çeken an işte budur.

Bir satırı değiştirin: 0'ın olduğu yere müşterinin kamera bağlantısını yapıştırın. Geri kalan her şey aynı kalır.

Adım 4: Sadece tespit değil, takip ve sayma işlemi

Tek başına tespit, aynı arabayı her karede yeniden sayar. ByteTrack, her nesneye bir kimlik verir ve bunu kareler boyunca korur, böylece her şeyi bir çizgiyi geçerken yalnızca bir kez sayarsınız.

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 ve line[dot]out_count canlı toplamları tutar. Ürün işte budur. Bu bloğu olduğu gibi kopyalarsınız, sıfırdan yazmazsınız.

İlk denemem burada başarısız oldu. Kamera gölgeleri insan olarak saydı, bu yüzden otopark müşterisi boş bir alanda 400 araba gördü. Düzeltme, yukarıdaki kodda zaten olan conf=0.5 satırıydı: modelin %50'den az emin olduğu her şeyi yok say. Bunu yükseltin, hayaletler kaybolur. Müşteri ertesi gün imzaladı.

Adım 5: Kendi nesnenizi saymasını öğretin

Varsayılan 80 sınıf, arabaları ve insanları kapsar. Bir müşteri palet, şarap şişesi veya büyükbaş hayvan saymak istediğinde, Roboflow zor kısmı tarayıcıda halleder. 200 fotoğraf sürüklersiniz, nesnenin etrafına kutular tıklarsınız, eğitime basarsınız. Kod yok.

Roboflow'da özel bir sınıfı etiketleme. tıkla, adlandır, bitti

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

Ücretsiz bir Colab GPU'sunda 50 epoch 20 dakika sürer. Her iki durumda da, aynı iş akışı artık ona gösterdiğiniz her şeyi sayar. Başlıktaki satır işte budur.

Adım 6: Her sayıyı kaydedin

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])

Olay başına bir CSV satırı. Bu dosya, bir betiği işletmenin okuyabileceği bir rapora dönüştürür. Size gönderdiğim dosyaya zaten bağlıdır.

Adım 7: Bir pano arkasına koyun

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 komutunu çalıştırın, sunucuya bir alan adı yönlendirin, müşteriye bir bağlantı gönderin. Oturum açarlar ve kendi sayılarının hareket ettiğini izlerler. İşte bu bağlantı için ücret talep edersiniz.

Maliyet

Eski yöntem vs bu yapım:

• Model - CV ekibi, 6 ay → YOLO11, ücretsiz, 5 dakika
• Etiketleme - etiketleme firması → Roboflow, tıkla ve seç
• Donanım - yerinde GPU kutusu, 4.000 dolar → bulut sunucusu, ayda 46 dolar
• Pano - sözleşmeli geliştirici, 8.000 dolar → Streamlit, ücretsiz
• Alan adı - ajans retainer'ı → yılda 12 dolar, ayda yaklaşık 1 dolar

Sunucu + alan adı ayda 47 dolara mal olur. Tek bir müşteri bunu 38 kat karşılar.

İlk müşteriyi nasıl bulursunuz

Sunum dosyasını geçin. Halihazırda kamerası olan ve bir şeyleri elle sayan bir işletmeye gidin. Bir otopark, bir spor salonu, bir kafe, küçük bir depo.

RTSP bağlantılarını veya kamera beslemelerinden 2 dakikalık bir kesit isteyin. Dosyayı hemen orada, dizüstü bilgisayarınızda çalıştırın. Onlara, üzerinde canlı sayılar olan kendi kapı eşiklerini gösterin.

Kendi kameralarının onlar için saydığını izlemek, anlaşmayı herhangi bir slayttan daha hızlı kapatır. İlk 3 müşterim aynı ziyaret sırasında imzaladı.

Bunun ayda 11.000 dolara nasıl dönüştüğü

Kodu değil, sayıyı satıyorsunuz.

1. Ay

- Dizüstü bilgisayarımda inşa ettim. İlk müşteri: saatlik araba sayımı isteyen bir otopark. Ayda 500 dolar.

3. Ay

- 3 müşteri: otopark, bir perakende kapı sayacı, yoğun saatleri takip eden bir spor salonu. Ayda 4.500 dolar.

6. Ay

- Ortalama 1.800 dolardan 6 müşteri. Palet sayan bir depo, yaya trafiği sayan bir kafe, rafları takip eden bir bisiklet paylaşımı. Ayda 11.000 dolar.

12. Ay

- Kurulum satmayı bırakın, giriş bilgileri satın. Müşteri başına bir pano, aylık fiyatlandırma. Maliyet hala 60 doların altındayken ayda 20.000 doları geçin.

İş bir kere yapılır. Faturalar tekrarlanır.

Buradan başlayın

Yığın ücretsiz. Kamera zaten duvarda. Bir satırı düzenler ve bir dosyayı çalıştırırsınız.

"TESPİT ET" yorumunu yapın, size tam dosyayı göndereyim: kamera bağlantısı en üste gider, geri kalan her şey kendi kendine çalışır. Eğitim not defteri ve dataset[dot]yaml şablonu dahildir.

Sokağınızdaki işletmeler bugün elle saydı. Birisi kamera bağlantısıyla gelmezse yarın da aynısını yapacaklar.