Bilgisayarlı görü kameraları ve uygulamaları

Veri, algoritmalar ve hesaplama gücü gibi birçok teknik etken, bir yapay zekâ (AI) uygulamasının başarısına katkıda bulunur. Görüntü ve videoları analiz edip anlamaları için makineleri güçlendirmeye odaklanan AI'ın bir alt alanı olan bilgisayarlı görüde en kritik etkenlerden biri, girdi veya veri kaynağı olan kameradır. Bilgisayarlı görü uygulamasında kullanılan kameraların kalitesi ve türü, AI modellerinin performansını doğrudan etkiler.

Doğru kamerayı seçmek çok önemlidir; çünkü farklı bilgisayarlı görü görevleri farklı türde görsel veriler gerektirir. Örneğin, ince yüz ayrıntılarının hassas biçimde yakalanması gereken yüz tanıma gibi uygulamalarda yüksek çözünürlüklü kameralar kullanılır. Buna karşılık, karmaşık ayrıntılardan çok genel örüntülere dayanan kuyruk izleme gibi görevlerde daha düşük çözünürlüklü kameralar kullanılabilir.

Günümüzde her biri belirli ihtiyaçlara göre tasarlanmış pek çok kamera türü mevcuttur. Aralarındaki farkları anlamak, bilgisayarlı görü projelerini optimize etmene yardımcı olabilir. Bilgisayarlı görü kameralarının farklı türlerini 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 ile 700 nanometre (nm) dalga boyları arasındaki görünür spektrumda görüntüler yakalar. Bu görüntüler insanların gördüklerine benzediğinden RGB kameralar, insan görüşüne benzer algının yeterli olduğu durumlarda nesne algılama, örnek segmentasyonu ve poz tahmini gibi pek çok görevde kullanılır.

Şekil 1. RGB kameraların çalışma şekline genel bakış.

Bu görevlerde genellikle nesnelerin iki boyutlu (2D) bir perspektiften tanımlanması ve algılanması gerekir; doğru sonuçlar için derinliği yakalamak şart değildir. Ancak 3B nesne algılama veya robotikte olduğu gibi bir uygulama derinlik bilgisi gerektirdiğinde RGB-D (kırmızı, yeşil, mavi ve derinlik) kameralar kullanılır. Bu kameralar, 3B ayrıntıları yakalayıp gerçek zamanlı derinlik ölçümleri sağlamak için RGB verilerini derinlik sensörleriyle birleştirir.

Perakende mağazalarında RGB-D kameraların kullanımı#

RGB-D kameraların yararlı olabileceği ilginç bir uygulama, sanal kıyafet denemedir; bu uygulama perakende mağazalarında giderek yaygınlaşıyor. Basitçe anlatmak gerekirse, RGB-D kameralar ve sensörlerle donatılmış akıllı ekranlar müşterinin boyu, vücut şekli ve omuz genişliği gibi ayrıntıları toplayabilir. Sistem bu bilgileri kullanarak giysileri müşterinin canlı görüntüsünün üzerine dijital olarak yerleştirebilir. Örnek segmentasyonu ve poz tahmini gibi bilgisayarlı görü görevleri, görsel verileri işleyerek müşterinin vücudunu doğru biçimde algılayabilir ve giysileri gerçek zamanlı olarak vücut ölçülerine göre hizalayabilir.

Şekil 2. Sanal kıyafet denemesi örneği.

Sanal kıyafet deneme uygulamaları müşterilere bir giysinin üzerlerinde nasıl duracağını 3B olarak gösterir; bazı sistemler daha gerçekçi bir deneyim için kumaşın hareketini bile taklit edebilir. Bilgisayarlı görü ve RGB-D kameralar sayesinde müşteriler deneme kabinini kullanmadan giysileri anında deneyebilir. Bu sistemler zaman kazandırır, stil ve bedenleri karşılaştırmayı kolaylaştırır ve genel alışveriş deneyimini iyileştirir.

Stereo görüntüleme ve uçuş süresi (ToF) kameralarını anlama#

Stereo kameralar, farklı açılardan alınan görüntüleri karşılaştırarak derinliği yakalamak için birden fazla görüntü sensörü kullanan kamera türleridir. Tek sensörlü sistemlerden daha hassastırlar. Öte yandan Uçuş Süresi (ToF) kameraları veya sensörleri, nesnelerden yansıyıp sensöre 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 entegre edilerek her iki cihazın güçlü yönleri bir araya getirilir; böylece derinlik bilgileri hızlı ve yüksek hassasiyetle yakalanır. ToF sensörünün gerçek zamanlı mesafe ölçümleri ile stereo kameranın ayrıntılı derinlik algısının birleşimi, hızın ve doğruluğun çok 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, fotoğrafçılığın yanı sıra hareket tanıma ve artırılmış gerçeklik (AR) gibi diğer uygulamalar için de giderek vazgeçilmez hâle geliyor. Örneğin Samsung Galaxy S20 Ultra ve Huawei P30 Pro gibi telefonlar, fotoğrafçılığı ve etkileşimli deneyimleri geliştirmek amacıyla 3B derinliği gerçek zamanlı olarak haritalandırmak için bu sensörleri kullanıyor.

Isı algılama için kızılötesi veya termal kameralar#

Adından da anlaşılacağı gibi termal kameralar, imalat sektörü ve otomobil fabrikaları dâhil çeşitli uygulamalarda ısı tespiti için yaygın biçimde kullanılır. Bu kameralar sıcaklığı ölçer ve aşırı yüksek veya düşük kritik ısı seviyeleri algıladıklarında kullanıcıları uyarmak için kullanılabilir. İnsan gözünün göremediği kızılötesi ışınımı algılayarak hassas sıcaklık ölçümleri sağlarlar. Kızılötesi kameralar olarak da bilinen bu kameraların kullanım alanları endüstriyel ortamların ötesine uzanır. Örneğin termal kameralar tarımda çiftlik hayvanlarının sağlığını izlemek, bina denetimlerinde ısı kaçaklarını belirlemek ve yangınla mücadelede sıcak noktaları tespit etmek için de kullanılır.

Şekil 4. Sıcak noktaları bulmak için termal kameralar kullanan itfaiyeciler.

Endüstriyel uygulamalar için termal görüntüleme#

Üretim tesislerindeki veya petrol ve gaz sahalarındaki makineler ve elektrik sistemleri genellikle sürekli çalışır ve yan ürün olarak ısı üretir. Zamanla motorlar, yataklar veya elektrik devreleri gibi bileşenlerde aşırı ısı birikebilir; bu da ekipman arızalarına veya güvenlik tehlikelerine yol açabilir.

Termal kameralar, olağan dışı sıcaklık artışlarını erken tespit ederek operatörlerin bu sistemleri izlemesine yardımcı olabilir. Aşırı ısınan bir motor, maliyetli arızaları önlemek için bakıma alınabilir. Termal görüntülemeyi düzenli denetimlere entegre ederek sektörler kestirimci bakım uygulayabilir, arıza süresini azaltabilir, ekipman ömrünü uzatabilir ve daha güvenli bir çalışma ortamı sağlayabilir. Böylece tesis performansı genel olarak iyileştirilebilir ve beklenmedik arıza riski en aza indirilebilir.

Hareket yakalama için yavaş ve yüksek hızlı kameralar#

Yüksek hızlı kameralar, hızlı hareketleri ayrıntılı biçimde kaydedebilmek için saniyede 10.000'den fazla kare (FPS) çekecek şekilde tasarlanır. Örneğin, ürünler üretim hattında hızla ilerlerken yüksek hızlı kameralar bunları izlemek ve olası anormallikleri tespit etmek için kullanılabilir.

Öte yandan ağır çekim kameraları, yüksek kare hızlarıyla görüntü çekip oynatma hızını düşürmek için kullanılabilir. Bu sayede 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 yeteneği, bu tür uygulamalar için idealdir.

Bazı durumlarda yüksek hızlı ve ağır çekim kameralarını bir arada kullanmak, aynı olay içindeki hızlı ve yavaş hareket eden nesneleri ayrıntılı biçimde analiz etmeye yardımcı olabilir. Bir golf oyununu analiz ettiğimizi düşünelim. Yüksek hızlı kameralar golf topunun hızını ölçebilirken 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 spektrumlu kameralar; morötesi ve kızılötesi dâhil olmak üzere ışık spektrumundaki birden fazla dalga boyunu tek çekimde kaydedebilen özel cihazlardır. Çok spektrumlu görüntüleme, geleneksel kameraların yakalayamadığı değerli ve ayrıntılı veriler sağlar. Daha dar ve kesintisiz ışık bantlarını yakalayan hiperspektral kameralara benzer şekilde çok spektrumlu kameralar tarım, jeoloji, çevresel izleme ve tıbbi görüntüleme gibi alanlarda kullanılır. Örneğin sağlık hizmetlerinde çok spektrumlu kameralar, birden fazla dalga boyunda görüntü yakalayarak farklı dokuların görselleştirilmesine yardımcı olabilir.

Şekil 6. RGB, çok bantlı ve hiperspektral görüntülemenin karşılaştırması.

Benzer şekilde çok spektrumlu görüntüleme donanımlı dronlar tarımda önemli ilerlemeler sağlıyor. Sağlıksız bitkileri veya böcek ve haşerelerden etkilenen bitkileri erken aşamada belirleyebilirler. Bu kameralar yakın kızılötesi spektrumunu analiz edebilir; sağlıklı bitkiler genellikle sağlıksız bitkilere kıyasla daha fazla yakın kızılötesi ışık yansıtır. Tarımda bu tür AI tekniklerini benimseyen çiftçiler, verimi artırmak ve ürün kaybını azaltmak için erken önlemler alabilir.

Otonom araçlar için LiDAR kameraları#

LiDAR (Işık Algılama ve Mesafe Belirleme) kameraları, 3B haritalar oluşturmak ve uzaktaki nesneleri algılamak için lazer darbeleri kullanır. Yağmur veya sis gibi şiddetli hava koşulları performanslarını etkileyebilse de karanlık ve yüksek sıcaklık gibi pek çok koşulda etkilidirler. LiDAR, yön bulma ve engel algılama için otonom araçlar gibi uygulamalarda yaygın olarak kullanılır.

LiDAR, lazer darbeleri gönderip bunların geri dönmesinin ne kadar sürdüğünü ölçerek aracın gözleri gibi çalışır. Bu veriler aracın mesafeleri hesaplamasına ve otomobiller, yayalar ve trafik ışıkları gibi nesneleri tanımlamasına 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 işlevi 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, farklı kamera teknolojilerini ve kullanım alanlarını anlayarak karmaşık gerçek dünya zorluklarının üstesinden gelmek için bilgisayarlı görü modellerini 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.