Using Raspberry Pi & OpenCV Eğitimi

Eğitim Hakkında

Kameradan görüntü işlemeye, yüz ve nesne tespitinden GPIO entegrasyonuna Raspberry Pi ile

Using Raspberry Pi & OpenCV Eğitimi, bilgisayarlı görüyü uygun maliyetli bir tek kart bilgisayarda uygulamaya odaklanır. Katılımcılar Raspberry Pi'de OpenCV kurulumunu, Picamera2 ile kamera erişimini, görüntü işleme temellerini (eşikleme, kenar bulma, morfoloji), kontur ve renk tabanlı nesne takibini öğrenir.

Süre ve Format

3 Gün. Her gün dört modül; konular gerçek Raspberry Pi ve kamera modülü üzerinde OpenCV ile uygulamalı atölyelerle işlenir.

Seviye

Orta Seviye — Raspberry Pi üzerinde OpenCV ile görüntü işleme, nesne/yüz tespiti ve GPIO ile gerçek zamanlı görü uygulamaları

Öğrenme Metodu

Her konu gerçek Raspberry Pi ve kamera üzerinde atölyeyle işlenir; görüntü işleme ve tespit uygulamaları canlı video üzerinde çalıştırılır.

Neden Bu Eğitim?

👁️Pi'ye görü kat

Uygun maliyetli bir Raspberry Pi'yi kamera ve OpenCV ile görebilen, nesne tanıyan bir cihaza dönüştürmeyi öğrenirsiniz.

🎥Gerçek zamanlı işleme

Canlı video akışını kare kare işleyerek yüz ve nesne tespitini gerçek zamanlı çalıştıracak uygulamalar geliştirirsiniz.

🔌Görüyü eyleme bağla

GPIO ile görü sonuçlarını motor, röle ve LED gibi fiziksel çıktılarla birleştirerek görü tetikli sistemler kurarsınız.

Anahtar Konular

raspberry pi opencv eğitimiopencv eğitimibilgisayarlı görü kursugörüntü işleme eğitimiraspberry pi görü projesinesne tespiti opencvyüz tespiti eğitimipicamera2python opencvgömülü görü eğitimi

“Bir kamera, bir Raspberry Pi ve OpenCV; görmeyi öğrenen bir makine için gereken budur.”

Ön Koşullar

Eğitime başlamadan önce faydalı olacak bilgi ve deneyim alanları

1

Python temeli

Python'da değişken, döngü, fonksiyon ve liste gibi temel yapılara aşinalık OpenCV kodunu yazmayı belirgin biçimde

2

Raspberry Pi aşinalığı

Raspberry Pi OS kurulumu ve terminal kullanımına dair temel deneyim kart tarafı adımlarda rahatlık sağlar.

3

Temel matematik

Matris, koordinat ve piksel gibi kavramlara dair genel bir fikir görüntü işleme işlemlerini anlamaya yardımcı olur.

4

Komut satırı kullanımı

Terminal, paket kurulumu ve dosya işlemleriyle temel düzeyde çalışabilmek kurulum adımlarında işe yarar.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı Raspberry Pi'de OpenCV ortamını kurmayı, Picamera2 ile görüntü almayı ve temel görüntü işleme işlemlerini uygulayarak kavrar.

Modül 1

Raspberry Pi ve OpenCV Ortamı

Raspberry Pi modelleri ve görü projeleri için uygun seçim
Raspberry Pi OS kurulumu ve sistem güncellemesi
OpenCV'yi pip veya apt ile kurma ve sürüm doğrulama
Sanal ortam (venv) ile bağımlılık yönetimi
NumPy'nin görüntü verisiyle ilişkisi ve kurulumu
İlk betik: bir görüntüyü yükleyip ekranda gösterme

Modül 2

Kamera Erişimi ve Görüntü Alma

Pi kamera modülü bağlantısı ve arayüzü etkinleştirme
Picamera2 kütüphanesiyle fotoğraf ve video yakalama
USB webcam'i OpenCV VideoCapture ile kullanma
Çözünürlük, kare hızı (fps) ve pozlama ayarları
Görüntüyü dosyaya kaydetme ve geri okuma
Canlı önizleme penceresi açma ve kapatma

Modül 3

Görüntü Temsili ve Temel İşlemler

Görüntünün NumPy dizisi olarak temsili ve piksel erişimi
Renk uzayları: BGR, Gri tonlama ve HSV dönüşümleri
Yeniden boyutlandırma, kırpma ve döndürme işlemleri
Parlaklık, kontrast ve bitwise maske işlemleri
Çizim: dikdörtgen, çizgi, daire ve metin ekleme
Görüntü üzerinde ROI (ilgi bölgesi) seçme ve işleme

Modül 4

Filtreleme ve Eşikleme

Gauss, medyan ve ortalama bulanıklaştırma (blur) filtreleri
Gürültü azaltma ve kenar koruyan filtreler
İkili (binary) ve uyarlamalı eşikleme (threshold)
Otsu yöntemiyle otomatik eşik belirleme
Morfolojik işlemler: erozyon, genişleme, açma ve kapama
Histogram ve histogram eşitleme ile kontrast iyileştirme

Günün hedefiKatılımcı kenar ve kontur bulmayı, renk tabanlı nesne takibini ve Haar cascade ile yüz tespitini canlı görüntü üzerinde uygulayarak öğrenir.

Modül 1

Kenar Bulma ve Kontur Analizi

Canny kenar bulma ve eşik parametrelerinin etkisi
Sobel ve Laplacian ile gradyan tabanlı kenar tespiti
Kontur bulma (findContours) ve hiyerarşi kavramı
Kontur alanı, çevresi ve sınırlayıcı dikdörtgen hesabı
Şekil yaklaştırma ile çokgen ve şekil tanıma
Konturlarla nesne sayma ve boyut ölçme uygulaması

Modül 2

Renk Tabanlı Nesne Takibi

HSV uzayında renk aralığı ile maske oluşturma
Belirli renkteki nesneyi segmentleme ve izole etme
Maske üzerinde morfoloji ile gürültü temizleme
Nesnenin merkezini (centroid) hesaplama ve işaretleme
Canlı videoda renkli nesneyi gerçek zamanlı takip etme
Takip sonucuna göre konum ve hareket bilgisi üretme

Modül 3

Haar Cascade ile Yüz Tespiti

Haar cascade sınıflandırıcının çalışma mantığı
Hazır yüz ve göz cascade modellerini yükleme
detectMultiScale ile görüntüde yüz tespiti
Ölçek faktörü ve komşu sayısı parametrelerini ayarlama
Tespit edilen yüzleri çerçeveleme ve sayma
Canlı videoda gerçek zamanlı yüz ve göz tespiti

Modül 4

Hareket Algılama ve Takip

Kare farkı ve arka plan çıkarma ile hareket algılama
MOG2 arka plan modeliyle hareketli nesneyi ayırma
Hareketli bölgeleri konturla tespit edip işaretleme
Basit nesne takibi ve kimlik atama mantığı
Optik akış kavramına giriş ve hareket vektörü
Güvenlik senaryosu: hareket olunca kayıt/uyarı tetikleme

Günün hedefiKatılımcı OpenCV DNN modülüyle derin öğrenme tabanlı nesne tanımayı, GPIO entegrasyonunu ve performans optimizasyonunu uygulayarak bir görü projesi tamamlar.

Modül 1

OpenCV DNN ile Nesne Tanıma

OpenCV DNN modülünün önceden eğitilmiş model desteği
MobileNet-SSD ile çoklu nesne tespiti uygulaması
YOLO modelini DNN ile yükleyip çıkarım yapma
blobFromImage ile girdi hazırlama ve ön işleme
Tespit kutularını, sınıf ve güven skorunu çizme
NMS (non-max suppression) ile çakışan kutuları ayıklama

Modül 2

Sınıflandırma ve Tanıma Uygulamaları

Önceden eğitilmiş sınıflandırma modeliyle görüntü etiketleme
LBPH ile basit yüz tanıma ve kişi ayırt etme
QR ve barkod okuma ile görü tabanlı veri alma
Metin bölgesi tespiti ve temel OCR entegrasyonu fikri
Uygulamaya uygun model ve doğruluk-hız dengesi seçimi
Tanıma sonucunu uygulama akışına bağlama

Modül 3

GPIO Entegrasyonu ve Fiziksel Çıktı

RPi.GPIO/gpiozero ile pin kontrolü temelleri
Görü sonucuyla LED, röle ve buzzer tetikleme
Servo ve DC motoru görü verisine göre kontrol etme
Kamera ile hizalanan pan-tilt mekanizması mantığı
Nesne/yüz algılanınca fiziksel eylem başlatma senaryosu
Görü ve GPIO'yu güvenli ve kararlı biçimde birleştirme

Modül 4

Performans, Optimizasyon ve Proje

Raspberry Pi'de gerçek zamanlı işleme için kare hızı yönetimi
Çözünürlük düşürme ve ROI ile işlem yükünü azaltma
Çoklu iş parçacığı ile kamera ve işlemeyi ayırma
Gereksiz kopyalardan kaçınma ve bellek yönetimi
Hızlandırıcı (Coral/USB) kullanımına genel bakış
Uçtan uca proje: canlı video ile gerçek zamanlı görü uygulaması

Eğitim Kazanımları

Program sonunda katılımcılar:

🛠️

Ortam kurulumu

Raspberry Pi'de OpenCV ortamını kurabilir, Picamera2 ve USB kamera ile canlı görüntü akışını alabilirsiniz.

🖼️

Görüntü işleme

Renk uzayı dönüşümü, eşikleme, filtreleme ve morfoloji ile görüntüleri amacınıza uygun biçimde işleyebilirsiniz.

🔷

Kontur ve özellik

Kenar bulma ve kontur analiziyle nesne sayma, boyut ölçme ve şekil tanıma uygulamaları geliştirebilirsiniz.

🎯

Nesne takibi

HSV renk maskeleriyle belirli nesneleri segmentleyip canlı videoda gerçek zamanlı olarak takip edebilirsiniz.

🙂

Yüz tespiti

Haar cascade ile yüz ve göz tespiti yapabilir, tespitleri canlı video üzerinde gerçek zamanlı çerçeveleyebilirsiniz.

🧠

DNN ile tanıma

OpenCV DNN modülüyle MobileNet-SSD ve YOLO gibi modelleri kullanarak derin öğrenme tabanlı nesne tanıma yapabilirsiniz.

🔌

GPIO entegrasyonu

Görü sonuçlarını GPIO üzerinden LED, röle ve motor gibi çıkışlara bağlayarak görü tetikli fiziksel sistemler kurabilirsiniz.

⚡

Performans optimizasyonu

Çözünürlük, ROI ve çoklu iş parçacığı teknikleriyle Pi üzerinde gerçek zamanlı ve akıcı görü uygulamaları oluşturabilirsiniz.

Kimler İçin Uygundur?

Bilgisayarlı görüye ilgi duyan yazılımcılar
elektronik ve mekatronik öğrencileri
IoT ve maker projeleri geliştirenler
robotik meraklıları
Raspberry Pi ile görü projesi yapmak isteyenler için uygundur

Sıkça Sorulan Sorular

Raspberry Pi ve OpenCV eğitimi kimler için uygundur?

Bilgisayarlı görüye ilgi duyan yazılımcılar, elektronik ve mekatronik öğrencileri, IoT ve maker projeleri geliştirenler ile robotik meraklıları için uygundur. Python temeli olan katılımcılar, Raspberry Pi üzerinde çalışan gerçek zamanlı bir görü uygulaması geliştirme yetkinliği kazanır.

Eğitim için hangi donanım gerekli?

Bir Raspberry Pi kartı ve kamera (Pi kamera modülü veya USB webcam) temel donanımdır. GPIO uygulamaları için LED, röle, buzzer ya da motor gibi basit bileşenler kullanılır. Eğitim yüz yüze veya online işlenebilir; donanıma erişim kurumun ihtiyacına göre uyarlanır.

Derin öğrenme bilgisi gerekli mi?

Hayır. Eğitim OpenCV'nin önceden eğitilmiş modellerini (MobileNet-SSD, YOLO) DNN modülüyle kullanmayı öğretir; model eğitimi değil, hazır modellerle çıkarım odaktadır. Bu nedenle derin öğrenme teorisi gerekmez; Python ve temel görüntü işleme bilgisi yeterlidir.

Eğitimde hangi görü teknikleri işleniyor?

Görüntü işleme temelleri (eşikleme, filtreleme, morfoloji), kenar ve kontur analizi, HSV renk tabanlı nesne takibi, Haar cascade ile yüz tespiti, arka plan çıkarmayla hareket algılama ve OpenCV DNN ile derin öğrenme tabanlı nesne tanıma ele alınır. Ayrıca GPIO entegrasyonu ve performans optimizasyonu işlenir.

Eğitim sonunda sertifika veriliyor mu?

Evet. Programı tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası alır. Sertifika, katılımcının eğitime katılımını ve Raspberry Pi üzerinde geliştirdiği görü uygulamasıyla gösterdiği başarıyı belgeler.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika