Tarla ortamında hızlı, doğru ve internetten bağımsız tespit.
RGBEYIN; OpenCV ve YOLOv11 ile eğitilen modelin ileride doğrudan bu siteye bağlanabileceği, veriERG tasarım diliyle hazırlanmış resmi proje vitrini ve ürün tabanıdır.
Tarla ortamında hızlı, doğru ve internetten bağımsız tespit.
Görüntü işleme ve nesne tespiti için gelecek bağlantı noktaları hazır.
Raspberry Pi 5 gibi düşük güç tüketimli cihazlara göre planlandı.
PDF raporundaki proje özeti, amaç ve toplumsal fayda bölümlerine göre hazırlanmış web özeti.
Tarım arazilerinde internet altyapısının yetersiz olması nedeniyle mevcut dijital tanı çözümleri sahada sürdürülebilir kullanılamıyor. Bu da yanlış tanımlama, yanlış ilaçlama ve verim kaybı riskini büyütüyor.
Kamera ile alınan görüntülerin cihaz üzerinde çalışan model tarafından işlenmesiyle bitki türü anlık olarak belirleniyor. Hedef, internetsiz çalışan gerçek saha çözümü üretmek.
Doğru bitki tanıma, hatalı ilaçlamanın azaltılması, tarımsal maliyetlerin düşmesi ve tarımda EdgeAI kullanımının yaygınlaşması.
PDF'deki karşılaştırma mantığı web üzerinde daha okunaklı olacak şekilde işlendi.
Bu sunum sürümünde canlı inference bulunmuyor. Aşağıdaki alan, OpenCV + YOLOv11 modelinin sonraki fazda bağlanacağı mimari zemini gösterir.
Kamera akışı veya görsel yükleme ile kare alınacak.
Boyutlandırma, filtreleme ve uygun veri hazırlığı uygulanacak.
Eğitilmiş model bitki sınıfını ve güven skorunu üretecek.
Etiket, skor ve kayıt bilgisi arayüzde gösterilecek.
window.RGBEYIN_MODEL = {
status: "pending",
infer: async (imageBlob) => {
// future: OpenCV preprocess
// future: YOLOv11 inference
return { label, confidence, boxes };
}
};Bu taban özellikle ileride modelin ve saha çıktılarının eklenebilmesi için bırakıldı.
Tarayıcıdan gelen görselin backend veya edge servis üzerinde YOLOv11 ile işlenmesi.
Video stream veya kamera karesinin anlık inference için siteye bağlanması.
Tahmin geçmişi, saha kayıtları ve görsel bazlı veri ekranı eklenmesi.
Türkçe merkezli yapı korunarak İngilizce ve teknik sunum dili eklenmesi.
Aşağıdaki alanlar, gönderdiğin PDF/DOCX içeriğinden alınan başlıkların web karşılığıdır.
Hero ve proje özeti bölümünde kullanıldı. Ana fikir, hedef kitle ve beklenen etki burada işlendi.
İnternet bağımlılığı, yanlış tanımlama ve verim kaybı problemleri karşılaştırma ve açıklama kartlarına aktarıldı.
Model tabanı, saha uygunluğu, taşınabilirlik ve edge çıkarım yaklaşımı bu başlıktan web'e taşındı.
Yol haritası ve gelecekteki entegrasyon akışı bu çalışma yöntemine paralel kurgulandı.
Hedef kitlenin çiftçiler, üreticiler ve teknik personel olması metin yapısına işlendi.
Alt bölümde OpenCV, YOLO ve tarımsal referanslar kısa liste halinde gösterildi.
Bu sayfa artık Firebase Hosting için hazır. Sunum tarafı tamamlandı; model bağlantısı ve canlı inference katmanı sonraki aşamada eklenebilir.