Bilgisayarlı görü kameraları ve uygulamaları
RGB kameralardan LiDAR sensörlerine kadar farklı bilgisayarlı görü kameralarının çeşitli sektörlerdeki uygulamalarda nasıl kullanıldığını keşfet.
Bir yapay zekâ (AI) uygulamasının başarısına veri, algoritmalar ve işlem gücü gibi birçok teknik etken katkıda bulunur. Özellikle makinelerin görüntüleri ve videoları analiz edip anlamasını sağlamaya odaklanan bir AI alt alanı olan bilgisayarlı görü için en kritik etkenlerden biri girdi veya veri kaynağıdır: kamera. Bir bilgisayarlı görü uygulamasında kullanılan kameraların kalitesi ve türü, AI modellerinin performansını doğrudan etkiler.
Doğru kamerayı seçmek çok önemlidir; çünkü farklı bilgisayarlı görü görevleri, farklı türlerde görsel veriler gerektirir. Örneğin, ince yüz ayrıntılarının hassasiyetle yakalanması gereken yüz tanıma uygulamalarında yüksek çözünürlüklü kameralar kullanılır. Buna karşılık, ince ayrıntılardan çok genel örüntülere dayanan kuyruk izleme gibi görevlerde daha düşük çözünürlüklü kameralar kullanılabilir.
Günümüzde, her biri belirli ihtiyaçları karşılamak üzere tasarlanmış pek çok kamera türü bulunuyor. Aralarındaki farkları anlamak, bilgisayarlı görü yeniliklerini en iyi şekilde kullanmana yardımcı olabilir. Farklı türlerdeki bilgisayarlı görü kameralarını ve bunların çeşitli sektörlerdeki uygulamalarını inceleyelim.
Bilgisayarlı görü için RGB kameraları inceleme#
RGB (kırmızı, yeşil ve mavi) kameralar, bilgisayarlı görü uygulamalarında yaygın olarak kullanılır. Bu kameralar, 400 ila 700 nanometre (nm) dalga boyları arasındaki görünür spektrumda görüntü yakalar. Bu görüntüler insanların görüşüne benzediğinden, RGB kameralar insan benzeri görüşün yeterli olduğu durumlarda nesne algılama, örnek segmentasyonu ve poz tahmini gibi birçok görevde kullanılır.
Şekil 1. RGB kameraların çalışma şekline genel bakış.
Bu görevler genellikle iki boyutlu (2D) bir perspektiften nesneleri tanımlamayı ve algılamayı içerir; bu durumda doğru sonuçlar için derinlik bilgisini yakalamak gerekmez. Ancak bir uygulamanın 3D nesne algılama veya robotik gibi derinlik bilgisine ihtiyaç duyduğu durumlarda RGB-D (Kırmızı, Yeşil, Mavi ve Derinlik) kameralar kullanılır. Bu kameralar, 3D ayrıntıları yakalamak ve gerçek zamanlı derinlik ölçümleri sağlamak için RGB verilerini derinlik sensörleriyle birleştirir.
Perakende mağazalarında RGB-D kameraların kullanımı#
RGB-D kameraların işe yarayabileceği ilginç bir uygulama, perakende mağazalarında giderek yaygınlaşan sanal kıyafet denemedir. Basitçe söylemek gerekirse, RGB-D kameralar ve sensörlerle donatılmış akıllı ekranlar müşterinin boyu, vücut şekli ve omuz genişliği gibi ayrıntıları toplayabilir. Sistem, bu bilgileri kullanarak kıyafetleri müşterinin canlı görüntüsünün üzerine dijital olarak yerleştirebilir. Örnek segmentasyonu ve poz tahmini gibi bilgisayarlı görü görevleri, görsel verileri işleyerek müşterinin vücudunu doğru şekilde algılayabilir ve kıyafeti gerçek zamanlı olarak vücut ölçülerine uygun biçimde hizalayabilir.
Şekil 2. Sanal kıyafet denemesi örneği.
Sanal kıyafet deneme, müşterilere bir kıyafetin üzerlerinde nasıl duracağına dair 3D bir görünüm sunar; bazı sistemler daha gerçekçi bir deneyim için kumaşın nasıl hareket edeceğini bile taklit edebilir. Bilgisayarlı görü ve RGB-D kameralar, müşterilerin soyunma kabinine girmeden anında kıyafet denemesini mümkün kılar. Bu, zaman kazandırır, stilleri ve bedenleri karşılaştırmayı kolaylaştırır ve genel alışveriş deneyimini iyileştirir.
Stereo görüntüleme ve uçuş süresi (ToF) kameralarını anlama#
Stereo kameralar, farklı açılardan çekilen görüntüleri karşılaştırarak derinliği yakalamak için birden fazla görüntü sensörü kullanan kamera türleridir. Tek sensörlü sistemlerden daha hassastırlar. Uçuş süresi (ToF) kameraları veya sensörleri ise nesnelere çarpıp sensöre geri dönen kızılötesi ışık yayarak mesafeleri ölçer. Işığın geri dönmesi için geçen süre, mesafeyi belirlemek üzere kameranın işlemcisi tarafından hesaplanır.
Şekil 3. ToF kameralarının çalışma şekline genel bakış.
Bazı durumlarda stereo kameralar ToF sensörleriyle birleştirilerek her iki cihazın güçlü yönleri bir araya getirilir ve derinlik bilgisi hızlı, hassas biçimde yakalanır. ToF sensörünün gerçek zamanlı mesafe ölçümlerini stereo kameranın ayrıntılı derinlik algılamasıyla birleştirmek, hız ve doğruluğun önemli olduğu otonom araçlar ve tüketici elektroniği gibi uygulamalar için idealdir.
Uçuş süresi (ToF) kamerasıyla derinlik algılamaya günlük hayattan bir örnek#
Farkında bile olmadan bir uçuş süresi (ToF) kamerası kullanmış olabilirsin. Aslında Samsung, Huawei ve Realme gibi markaların popüler akıllı telefonlarında derinlik algılama yeteneklerini geliştirmek için sıklıkla ToF sensörleri bulunur. Bu kameraların sağladığı hassas derinlik bilgisi, arka planın bulanıklaştırıldığı, öznenin ise net kaldığı popüler bokeh efektini oluşturmak için kullanılır.
ToF sensörleri, fotoğrafçılık dışındaki hareket tanıma ve artırılmış gerçeklik (AR) gibi uygulamalar için de vazgeçilmez hâle geliyor. Örneğin, Samsung Galaxy S20 Ultra ve Huawei P30 Pro gibi telefonlar, 3D derinliği gerçek zamanlı olarak haritalamak için bu sensörleri kullanıyor ve böylece hem fotoğrafçılığı hem de etkileşimli deneyimleri iyileştiriyor.
Isı algılama için kızılötesi veya termal kameralar#
Adından da anlaşılacağı gibi termal kameralar, imalat sektörleri ve otomobil fabrikaları dâhil çeşitli uygulamalarda ısı algılamak için yaygın olarak kullanılır. Bu kameralar sıcaklığı ölçer ve kritik düzeyde yüksek ya da düşük ısı algıladıklarında kullanıcıları uyarmak için kullanılabilir. İnsan gözüyle görülmeyen kızılötesi ışımayı algılayarak hassas sıcaklık ölçümleri sunarlar. Sıklıkla kızılötesi kameralar olarak adlandırılan termal kameraların kullanım alanları endüstriyel ortamların ötesine de uzanır. Örneğin termal kameralar, hayvanların sağlığını izlemek için tarımda, ısı kaçaklarını belirlemek için bina incelemelerinde ve sıcak noktaları bulmak için yangın söndürme çalışmalarında da kullanılır.
Şekil 4. Sıcak noktaları bulmak için termal kameralar kullanan itfaiyeciler.
Endüstriyel uygulamalar için termal görüntüleme#
Üretim tesislerindeki makineler ve elektrik sistemleri ya da petrol ve gaz sondaj platformları genellikle sürekli çalışır ve yan ürün olarak ısı üretir. Zaman içinde motor, rulman veya elektrik devreleri gibi bileşenlerde aşırı ısı birikebilir; bu da ekipman arızasına veya güvenlik tehlikelerine yol açabilir.
Termal kameralar, anormal sıcaklık artışlarını erken tespit ederek operatörlerin bu sistemleri izlemesine yardımcı olabilir. Aşırı ısınan bir motorun bakımı planlanarak maliyetli arızalar önlenebilir. Termal görüntülemeyi düzenli incelemelere entegre ederek endüstriler kestirimci bakım uygulayabilir, arıza süresini azaltabilir, ekipman ömrünü uzatabilir ve daha güvenli bir çalışma ortamı sağlayabilir. Genel olarak tesis performansı artırılabilir ve beklenmedik arıza riski en aza indirilebilir.
Hareket yakalama için yavaş ve yüksek hızlı kameralar#
Yüksek hızlı kameralar, hızlı hareketleri olağanüstü doğrulukla işleyebilmeleri için saniyede 10.000 kareden (FPS) fazlasını yakalayacak şekilde tasarlanmıştır. Örneğin, ürünler üretim hattında hızla hareket ettiğinde yüksek hızlı kameralar bu ürünleri izlemek ve anormallikleri tespit etmek için kullanılabilir.
Öte yandan ağır çekim kameraları, görüntüleri yüksek kare hızlarında yakalayıp oynatma hızını düşürmek için kullanılabilir. Böylece izleyiciler, gerçek zamanlı olarak çoğu zaman gözden kaçan ayrıntıları görebilir. Bu kameralar ateşli silahların ve patlayıcı maddelerin performansını değerlendirmek için kullanılır. Karmaşık hareketleri yavaşlatıp analiz edebilme özelliği, bu tür uygulamalar için idealdir.
Bazı durumlarda yüksek hızlı ve ağır çekim kameraları bir arada kullanmak, aynı olay içindeki hızlı ve yavaş hareket eden nesnelerin ayrıntılı analizine yardımcı olabilir. Örneğin bir golf oyununu analiz ettiğimizi düşünelim. Yüksek hızlı kameralar golf topunun hızını ölçerken ağır çekim kameraları golfçünün vuruş hareketlerini ve vücut kontrolünü analiz edebilir.
Şekil 5. Golfçünün vuruşunu analiz etmek için bilgisayarlı görü ve yüksek hızlı kameraların kullanımı.
Bilgisayarlı görüde çok bantlı görüntüleme#
Çok bantlı kameralar, ultraviyole ve kızılötesi dâhil olmak üzere ışık spektrumundaki birden fazla dalga boyunu tek bir çekimde kaydedebilen özel cihazlardır. Çok bantlı görüntüleme, geleneksel kameraların yakalayamadığı değerli ve ayrıntılı veriler sağlar. Daha fazla sayıda dar ve kesintisiz ışık bandını yakalayan hiperspektral kameralara benzer şekilde, çok bantlı kameralar tarım, jeoloji, çevresel izleme ve tıbbi görüntüleme gibi alanlarda kullanılır. Örneğin sağlık hizmetlerinde, çok bantlı kameralar farklı dalga boylarında görüntüler yakalayarak çeşitli dokuların görselleştirilmesine yardımcı olabilir.
Şekil 6. RGB, çok bantlı ve hiperspektral görüntülemenin karşılaştırması.
Benzer şekilde, multispektral görüntüleme donanımlı dronlar tarımda önemli ilerlemeler kaydediyor. Bu dronlar, sağlıksız bitkileri veya böceklerden ve zararlılardan etkilenen bitkileri erken aşamada belirleyebilir. Bu kameralar yakın kızılötesi spektrumunu analiz edebilir ve sağlıklı bitkiler genellikle sağlıksız bitkilere kıyasla daha fazla yakın kızılötesi ışık yansıtır. Çiftçiler, tarımda bu tür AI tekniklerini benimseyerek verimi artırmak ve ürün kaybını azaltmak için erken aşamada karşı önlemler alabilir.
Otonom araçlar için LiDAR kameraları#
LiDAR (Işık Algılama ve Mesafe Ölçümü) kameraları, 3D haritalar oluşturmak ve uzaktaki nesneleri algılamak için lazer darbeleri kullanır. Sis, yağmur, karanlık ve yüksek sıcaklık gibi birçok koşulda etkilidirler; ancak yağmur veya sis gibi zorlu hava koşulları performanslarını etkileyebilir. LiDAR, gezinme ve engel algılama için otonom araçlar gibi uygulamalarda yaygın olarak kullanılır.
LiDAR, lazer darbeleri gönderip bu darbelerin geri dönmesinin ne kadar sürdüğünü ölçerek aracın gözleri gibi çalışır. Bu bilgiler aracın mesafeleri hesaplamasına ve arabalar, yayalar ve trafik ışıkları gibi nesneleri tanımasına yardımcı olur; böylece daha güvenli sürüş için 360 derecelik bir görüş sağlar.
Her şeyi netleştirelim#
Bilgisayarlı görüde kameralar, makinelerin dünyayı insanlar gibi görüp yorumlamasını sağlayan gözler görevi görür. Farklı bilgisayarlı görü uygulamalarının başarısı için doğru kamera türünü seçmek çok önemlidir. Standart RGB kameralardan gelişmiş LiDAR sistemlerine kadar her tür, belirli görevlere uygun benzersiz özellikler sunar. Geliştiriciler ve araştırmacılar, kamera teknolojilerinin çeşitlerini ve kullanım alanlarını anlayarak bilgisayarlı görü modellerini karmaşık gerçek dünya sorunlarını çözmek üzere daha iyi optimize edebilir.
GitHub depomuza göz atarak AI hakkında daha fazla bilgi edin. Benzer görüşlere sahip diğer görsel AI meraklılarıyla bağlantı kurmak için topluluğumuza katıl. Çözüm sayfalarımızda sağlık hizmetleri ve imalat alanlarındaki bilgisayarlı görü uygulamaları hakkında daha fazla bilgi edin.
