← Tüm ProjelerYapay Zekâ
Sızma Girişimi Tespit Sistemi
YOLOv8 ve ONNX Runtime ile güçlendirilmiş, yasaklı bölgelerdeki sızma girişimlerini ve yetkisiz askeri personeli gerçek zamanlı tespit eden akıllı gözetleme sistemi.
PythonYOLOv8ONNX RuntimeOpenCVComputer Vision
❓
Problem
Sınır güvenliği ve kritik tesislerde, geleneksel hareket sensörlerinin yetersiz kalması ve insan operatörlerin sızma girişimlerini gözden kaçırma riski.
🎯
Hedefler
- Sızma ve ihlal girişimlerinin otonom tespiti
- Hatalı alarmların (False Positives) yapay zeka ile minimize edilmesi
- Farklı donanımlarda çalışabilen optimize edilmiş mimari
💡
Çözüm
- YOLOv8 Detection: "Asker" ve "Tehdit Unsuru" sınıfları için özelleştirilmiş veri setleriyle eğitilen derin öğrenme modeli.
- ONNX Optimization: Eğitilen modelin askeri sınıf uç cihazlarda (Edge Devices) çalışabilmesi için ONNX formatına dönüştürülmesi.
- Intrusion Analysis: Görüntü işleme algoritmaları ile tespit edilen nesnelerin yasaklı bölge sınırlarını ihlal edip etmediğinin analizi.
- Real-Time Alert: Tehdit algılandığında anlık görsel işaretleme ve sistem uyarısı üretilmesi.
✓
Sonuç
Kritik bölgelerde sızma girişimlerini %95 üzeri doğrulukla tespit eden ve operatör yükünü azaltan proaktif güvenlik çözümü.
Kullanılan Teknolojiler
Python
YOLOv8
ONNX Runtime
OpenCV
Computer Vision
🛠️ Kurulum Rehberi
Bu projeyi kendi bilgisayarınızda çalıştırmak için aşağıdaki adımları izleyin:
- 1Bağımlılıkları kurun: `pip install ultralytics torch opencv-python onnxruntime`
- 2Veri setini `data.yaml` ile yapılandırın
- 3Modeli eğitmek ve çalıştırmak için `python main.py` komutunu çalıştırın
- 4Çıktıları `run/train` ve `models/` klasörlerinden kontrol edin
Benzer bir proje mi düşünüyorsunuz?
Size özel çözüm önerisi için iletişime geçin.