Görsel AI'a ve çalışma şekline kısa bir bakış

Fabrikalardaki, hastanelerdeki, şehirlerdeki, araçlardaki ve tüketici cihazlarındaki kameralar her gün çok büyük miktarlarda görüntü ve video yakalar. Bu sürekli görsel veri akışı yeni olanaklar yaratırken neler olduğunu anlamayı ve hızlıca harekete geçmeyi de zorlaştırır.

Örneğin yoğun kavşaklar veya kalabalık kamusal alanlar bir andan diğerine değişebilir. Bu ortamları manuel olarak izlemek yavaştır ve özellikle hızlı ve güvenilir kararların gerektiği durumlarda çoğu zaman hatalı sonuçlar verir.

Bu tür durumlarla başa çıkmak için sistemlerin görsel bilgileri ortaya çıktığı anda anlaması ve gerçek zamanlı olarak yanıt vermesi gerekir. Bilgisayarlı görü, makinelerin görüntü ve videoları analiz etmesini, örüntüleri tanımasını ve yararlı bilgiler çıkarmasını sağlayarak bunu mümkün kılar.

Önceki bilgisayarlı görü sistemleri, kontrollü ortamlarda işe yarayan ancak aydınlatma veya kamera açıları gibi koşullar değiştiğinde çoğu zaman başarısız olan sabit kurallara dayanıyordu. Modern Vision AI, yapay zekâ ve makine öğrenimini kullanarak bu yaklaşımı geliştirir.

Bu sistemler görselleri yalnızca yakalamak veya depolamak yerine görsel verileri gerçek zamanlı olarak analiz eder, örneklerden öğrenir ve değişen ortamlara uyum sağlar. Bu, Vision AI'yi gerçek dünya koşullarında daha etkili kılar ve daha fazla uygulamada kullanıldıkça zaman içinde gelişmesini sağlar.

Bu makalede Vision AI'nin ne olduğuna ve uçtan uca akıllı iş akışları oluşturmak için nasıl kullanılabileceğine daha yakından bakacağız. Hadi başlayalım!

Vision AI nedir?#

Vision AI, makinelerin görüntüleri ve videoları anlamasını ve yorumlamasını sağlayan bir yapay zekâ dalıdır. Başka bir deyişle Vision AI sistemleri gördüklerini analiz eder ve bu bilgileri daha geniş bir iş akışının parçası olarak eylemleri desteklemek, tahminleri optimize etmek veya kararlar almak için kullanır. Yeni içerikler oluşturan üretken yapay zekânın aksine Vision AI, mevcut görsel verileri anlamaya ve bu verilerden bilgi çıkarmaya odaklanır.

Örneğin bir fabrika alanındaki veya kamusal alandaki etkinlikleri uzun süreler boyunca izlemek, manuel olarak sürdürülmesi zor olabilen bir hız ve tutarlılık gerektirir. Vision AI sistemleri, yeni görsel bilgiler ortaya çıktıkça örüntüleri tanımak, ilgili ayrıntıları belirlemek ve yanıt vermek için makine öğrenimi ve derin öğrenme tekniklerini uygulayarak bu zorluğun üstesinden gelebilir.

Şekil 1. Bir görüntüde nesneleri algılamak için Vision AI kullanımına bir örnek (Kaynak)

Görüntüler ve videolar çoğu zaman büyük hacimlerde ve yüksek hızda üretildiğinden Vision AI sistemleri görsel verileri sürekli olarak işleyebilir ve aynı kuralları her kareye uygulayabilir. Bu, sonuçları daha tutarlı hâle getirir ve koşullar değişirken doğruluğu koruyarak ekiplerin operasyonlarını geliştirmesine yardımcı olur.

Gerçek dünya kullanımında Vision AI genellikle uçtan uca bir yapay zekâ sisteminin parçasıdır. Vision AI modellerini karar mantığına ve sonuçlar üzerinde işlem yapan diğer araçlara bağlar. Görsel girdiyi yararlı içgörülere dönüştüren Vision AI, rutin görevleri otomatikleştirebilir ve birçok bilgisayarlı görü uygulamasında daha hızlı ve güvenli karar almayı destekleyebilir.

Vision AI nasıl çalışır: Görsel veriden eyleme dönüştürülebilir içgörülere#

Peki bir sistem veya makine bir görüntü ya da videoyu gördükten sonra neler olduğunu nasıl anlar ve bundan sonra ne yapacağına nasıl karar verir?

Süreç, fotoğraflar, video klipleri, canlı kamera akışları veya sensör akışları gibi gerçek dünyadan alınan görsel girdilerle başlar. Bu verilerin kalitesi, aydınlatması ve kamera açısı büyük ölçüde değişebileceğinden analizden önce genellikle hazırlanması gerekir.

Bu hazırlık; görüntüleri yeniden boyutlandırmayı, aydınlatmayı ayarlamayı ve video karelerini tutarlı bir biçimde düzenlemeyi içerebilir. Daha doğru bir analizi desteklemek için zaman damgaları veya kamera konumu gibi ek bağlam bilgileri de sıklıkla eklenir.

Hazırlanan veriler daha sonra sistemin görsel örüntüleri tanımasını sağlayan bir öğrenme çerçevesi içinde kullanılır. Vision AI modeli, etiketlenmiş görüntü ve videolarla eğitilerek nesnelerin, örüntülerin ve olayların farklı koşullarda nasıl göründüğünü öğrenir.

Bu öğrenilmiş anlayış; nesne algılama (bir görüntü içindeki nesneleri belirleme ve konumlandırma) ve örnek segmentasyonu (tek tek nesneleri piksel düzeyinde ayırma ve etiketleme) gibi yaygın bilgisayarlı görü görevlerinin temelini oluşturur. Ultralytics YOLO26 gibi son teknoloji Vision AI modelleri, gerçek dünya ortamlarında hızlı ve doğru kalırken bu görevleri destekleyecek şekilde tasarlanmıştır.

Şekil 2. Örnek segmentasyonu için YOLO kullanımına bir bakış (Kaynak)

Sistem dağıtıldıktan sonra görsel girdiler, uçtan uca bir iş akışının parçası olarak sürekli işlenir. Model görüntüleri ve videoları analiz eder ve çıktılarını panolara, otomasyon araçlarına veya diğer yapay zekâ sistemlerine gönderir. Bazı durumlarda Vision AI aracıları, eylemleri tetiklemek veya karar almayı desteklemek için bu sonuçları kullanır ve görsel anlayışı pratik, eyleme dönüştürülebilir içgörülere çevirir.

Vision modellerinin ve mimarilerinin evrimi#

Vision AI hakkında daha fazla şey öğrendikçe modellerin ve mimarilerin neden önemli olduğunu ve sistem performansını nasıl etkilediğini merak edebilirsin. Vision AI modelleri, günümüzdeki bilgisayarlı görü yenilikleri için kritik öneme sahiptir.

Çoğu Vision AI sistemi, görüntülerin ve videoların nasıl analiz edileceğini belirleyen bir model etrafında oluşturulur. Model, sistemin bir sahnede neleri tanıyabileceğini ve farklı koşullarda ne kadar iyi performans göstereceğini tanımlar.

Vision AI uygulamaları daha çeşitli ve karmaşık hâle geldikçe Vision AI modelleri ve bunların temelindeki mimariler de gelişmeye, bu ihtiyaçlara ayak uydurmaya ve kullanıcı dostu olmaya devam etti. İlk bilgisayarlı görü sistemleri, sistemin ne araması gerektiğinin (belirli kenarlar, renkler veya şekiller gibi) mühendisler tarafından manuel olarak tanımlanmasını gerektiriyordu.

Bu kural tabanlı yaklaşımlar kontrollü ortamlarda iyi çalıştı, ancak aydınlatma değiştiğinde, kamera kalitesi farklılık gösterdiğinde veya sahneler daha karmaşık hâle geldiğinde çoğu zaman başarısız oldu. Modern Vision AI modelleri farklı bir yaklaşım benimser.

Birçok açık kaynak model görsel örüntüleri doğrudan verilerden öğrenir; bu da onları koşulların öngörülemez olduğu gerçek dünya ortamları için daha esnek ve daha uygun hâle getirir. Model mimarisindeki gelişmeler, görüntü ve videoların işlenme biçimini de basitleştirerek bu sistemlerin dağıtılmasını ve pratik Vision AI platformlarına entegre edilmesini kolaylaştırdı.

Ultralytics YOLO modelleri bu dönüşümün iyi bir örneğidir. YOLO26 gibi modeller, özellikle canlı video uygulamalarında hız ve tutarlılık gerektiren nesne algılama görevlerinde yaygın olarak kullanılır.

Temel Vision AI görevlerini keşfetme#

Yapay zekâ destekli görsel sistemlerin görsel bilgileri anlamak ve gerçek dünya ortamlarını daha verimli hâle getirmek için dayandığı temel bilgisayarlı görü görevlerinden bazıları şunlardır:

• Nesne algılama: Bu görev, bir görüntü veya videoda hangi nesnelerin bulunduğunu belirlemeyi ve genellikle her nesnenin çevresine sınırlayıcı kutular çizerek bunların nerede konumlandığını tespit etmeyi sağlar.
• Görüntü sınıflandırma: Bu yaklaşımda görüntünün tamamı analiz edilir ve genel içeriğine göre bir veya daha fazla etiket atanır; böylece görsellerin düzenlenmesine ve kararların bilgilendirilmesine yardımcı olunur.
• Örnek segmentasyonu: Daha yüksek hassasiyet gerektiren görevlerde bu görev, bir sahnedeki nesneleri veya bölgeleri ayırmak için görüntüyü piksel düzeyinde parçalara böler.
• Nesne takibi: Video tabanlı uygulamalarda bu özellik, nesnelerin kimliklerini ve zaman içindeki hareketlerini koruyarak kareler boyunca takip edilmesini mümkün kılar.
• Poz tahmini: Dinamik ortamlarda konumlarını, duruşlarını ve hareketlerini belirlemek için insanlar veya nesneler üzerindeki eklemler ya da referans noktaları gibi temel noktaları tespit eder.

Şekil 3. YOLO kullanarak araçları algılama ve takip etme (Kaynak)

Vision AI'de veri kümelerinin rolü#

Her etkili Vision AI sisteminin arkasında özenle seçilmiş bir veri kümesi bulunur. Bu Vision AI veri kümeleri, Vision AI modellerinin öğrendiği görüntü ve videoları sağlayarak gerçek dünya ortamlarındaki nesneleri, örüntüleri ve sahneleri tanımalarına yardımcı olur.

Verilerin kalitesi, sistemin ne kadar doğru ve güvenilir olacağını doğrudan etkiler. Görsel verilerden etkili biçimde yararlanmak için veri kümelerine açıklama eklenir. Bu, nesneleri etiketlemek, belirli alanları vurgulamak veya kategoriler atamak gibi önemli ayrıntıların her görüntüye ya da videoya eklenmesi anlamına gelir.

Etiketlerin yanı sıra verileri düzenlemeye ve anlayışı geliştirmeye yardımcı olmak için zaman, konum veya sahne türü gibi ek meta veriler de eklenebilir. Sistemlerin daha önce görmediği görsellerle değerlendirilebilmesi için veri kümeleri genellikle eğitim, doğrulama ve test kümelerine ayrılır.

ImageNet, COCO ve Open Images gibi popüler veri kümeleri, büyük ve çeşitli etiketli görüntü koleksiyonları sağlayarak Vision AI'nin ilerlemesinde önemli bir rol oynamıştır. Buna rağmen gerçek dünya verilerini toplamak hâlâ zordur.

Önyargılar, kapsam boşlukları ve sürekli değişen ortamlar, gerçek koşulları gerçekten yansıtan veri kümeleri oluşturmayı zorlaştırır. Ölçekli ve doğru veri dengesini sağlamak, güvenilir Vision AI sistemleri oluşturmanın anahtarıdır.

Çeşitli Vision AI kullanım alanlarına bir bakış#

Artık Vision AI'nin nasıl çalıştığını daha iyi anladığımıza göre gerçek dünya uygulamalarında nasıl kullanıldığına bakalım. Vision AI, birçok sektörde ekiplerin görsel görevleri büyük ölçekte ele almasına yardımcı olarak daha hızlı yanıtlar ve daha verimli operasyonlar sağlar.

Vision AI'nin farklı sektörlerde kullanılmasının yaygın yollarından bazıları şunlardır:

• Üretim: Fabrika alanında Vision AI, ürünleri üretimin her aşamasından geçerken izlemek için kullanılabilir. Kusurları, eksik parçaları veya tutarsızlıkları erkenden tespit ederek ekiplerin yeniden işlemeyi azaltmasına, kaliteyi korumasına ve beklenmedik duruşları önlemesine yardımcı olabilir.
• Perakende: Perakende alanlarında Vision AI çözümleri envanteri takip edebilir, rafların durumunu kontrol edebilir ve kayıpları azaltabilir. Bu sistemler mağaza içindeki görselleri analiz ederek çalışanların alanda neler olduğunu anlamasını ve operasyonların sorunsuz ilerlemesi için daha hızlı ayarlamalar yapmasını kolaylaştırabilir.
• Sağlık hizmetleri: Vision AI, taramalar veya test sonuçları gibi tıbbi görüntülerin incelenmesine yardımcı olarak sağlık profesyonellerini destekleyebilir. Daha yakından incelenmesi gerekebilecek alanları işaretleyerek klinisyenlerin daha verimli çalışmasını sağlarken nihai kararları insanların vermesini koruyabilir.
• Ulaşım ve akıllı şehirler: Yollarda ve kamusal alanlarda Vision AI, şehirlerin trafik akışını izlemesine, olayları tespit etmesine ve güvenliği bir üst seviyeye taşımasına yardımcı olur. Kamera akışlarının gerçek zamanlı analizi, değişen koşullara daha hızlı yanıt verilmesini sağlar ve kentsel altyapının daha iyi yönetilmesini destekler.

Şekil 4. Üretimde Vision AI kullanılarak otomatik ürün izleme (Kaynak)

Vision AI araçlarının artıları ve eksileri#

Vision AI'yi gerçek dünya uygulamalarında kullanmanın temel faydalarından bazıları şunlardır:

• Kullanım alanları arasında ölçeklenebilir: Eğitildikten sonra Vision AI sistemleri, minimum değişiklikle birden fazla konum veya uygulamada dağıtılabilir.
• Daha hızlı yapay zekâ desteği: Görüntüleri ve videoları yakalandıkları anda analiz eden Vision AI destekli sistemler, daha hızlı yanıtları ve daha iyi karar almayı destekleyen gerçek zamanlı içgörüler sağlayabilir.
• Mevcut iş akışlarına kolayca entegre olur: Vision AI çıktıları sonraki sistemlere, panolara veya otomasyon işlem hatlarına bağlanabilir.

Bu avantajlara rağmen Vision AI sistemlerinin performansını etkileyebilecek sınırlamalar vardır. Dikkate alman gereken bazı faktörler şunlardır:

• Veri kalitesine ve kullanılabilirliğine bağımlılık: Vision AI sistemleri büyük ve iyi hazırlanmış veri kümelerine büyük ölçüde dayanır. Yüksek kaliteli görsel verileri toplamak ve sürdürmek zaman alıcı ve maliyetli olabilir.
• Çevresel değişikliklere duyarlılık: Yeniden eğitim veya ayarlama yapılmadan kameralar hareket ettiğinde, aydınlatma değiştiğinde veya sahneler önemli ölçüde farklılaştığında performans düşebilir.
• Hesaplama ve altyapı gereksinimleri: Vision AI modellerini özellikle gerçek zamanlı veya büyük ölçekte çalıştırmak, önemli miktarda hesaplama kaynağı ve özel donanım gerektirebilir.

Önemli çıkarımlar#

Vision AI, görüntüleri ve videoları sistemlerin anlayabileceği ve kullanabileceği anlamlı bilgilere dönüştürür. Bu, görsel görevlerin otomatikleştirilmesine yardımcı olur ve daha hızlı, daha güvenilir karar almayı destekler. Etkililiği; yetenekli modellerin, yüksek kaliteli veri kümelerinin ve iyi tasarlanmış iş akışlarının birlikte çalışmasına bağlıdır.

Vision AI ile ilgileniyor musun? Topluluğumuza katıl ve tarımda bilgisayarlı görü ile otomotiv sektöründe Vision AI hakkında bilgi edin. Bilgisayarlı görüyle çalışmaya başlamak için lisanslama seçeneklerimize göz at. Yapay zekâyı keşfetmeye devam etmek için GitHub depomuzu ziyaret et.