Yangın tespiti ve önlemede bilgisayarlı görü

Kentsel ve endüstriyel alanlar genişledikçe yangın kaynaklı afet riski artıyor; yalnızca ABD'deki endüstriyel veya üretim tesislerinde yılda tahminen 36.784 yangın çıkıyor. Bu olaylar canlara, mülklere ve çevreye ciddi tehdit oluşturuyor; ancak duman dedektörleri, ısı dedektörleri ve manuel alarm sistemleri gibi geleneksel yangın algılama yöntemleri bu tür yıkıcı olayları önlemede bazen yetersiz kalabiliyor.

Yapay zekâ (AI), güvenliği artırmak ve riskleri azaltmak için yenilikçi çözümler sunarak burada devreye giriyor. Yapay zekâ destekli termal görüntüleme ve bilgisayarlı görü sistemleri, bu mücadelede güçlü araçlar olarak öne çıkıyor. Anormal sıcaklık artışları veya duman varlığı gibi olası yangınların erken belirtilerini tespit eden bu yapay zekâ yangın önleme sistemleri, proaktif bir güvenlik yaklaşımı sunuyor ve küçük bir olay büyük bir felakete dönüşmeden ilk müdahale ekiplerine harekete geçmeleri için zaman kazandırıyor.

Yangın tespiti ve önlemede yapay zekânın rolü#

En yeni bilgisayarlı görü modelleri, termal görüntüleme ve duman tespiti gibi gelişmiş teknolojileri entegre ederek yangın tespiti ve önleme çalışmalarını dönüştürüyor. Bu yapay zekâ sistemlerinin temelinde, insan zekâsını taklit etme kapasitesi bulunuyor; bu sayede makineler normalde insan algısı ve karar verme becerisi gerektiren görevleri yerine getirebiliyor.

Yangın güvenliği bağlamında yapay zekâ sistemleri, makinelere görüntü ve video gibi görsel verileri yorumlama ve analiz etme olanağı sağlayan özel bir yapay zekâ dalı olan bilgisayarlı görüye büyük ölçüde dayanıyor. Bu sistemler, dumanın şekli ve hareketi ya da termal kameraların algıladığı belirli ısı izleri gibi olası yangın tehlikelerine işaret eden örüntüleri ve özellikleri tanımalarını sağlayan geniş veri kümeleriyle eğitiliyor.

Olası bir tehdit belirlendiğinde yapay zekâ sistemi verileri algoritmaları ve modelleri aracılığıyla işleyerek bunun yangın tehlikesi oluşturup oluşturmadığına hızla karar verir. Bir risk algılanırsa sistem alarmları otomatik olarak çalıştırabilir, acil durum ekiplerine bildirim gönderebilir ve hatta yangın söndürme sistemlerini devreye sokabilir. Bu hızlı ve doğru müdahale, hasarı en aza indirmek ve güvenliği sağlamak açısından kritik önem taşır.

Termal görüntüleme kameraları#

Termal görüntüleme kameraları, olası bir yangına işaret edebilecek sıcaklık anormalliklerini belirleyerek yangın tehlikelerini erken aşamada tespit etmeye yardımcı olabilir. AI ile entegre edildiğinde bu kameralar, normal ısı değişimleriyle tehlikeli ısı kaynaklarını ayırt etmek için termal verileri gerçek zamanlı olarak işleyebilir. Burada bilgisayarlı görü modelleri, termal görüntü verilerini analiz ederek çevredeki ortamdan ayrışan sıcak noktaları tespit etmede önemli bir rol oynayabilir. Bu sıcak noktalar, aşırı ısınan bir makine parçasına veya yangının ilk aşamalarına işaret ediyor olabilir. Model, algılanan bölgelerin çevresine bir sınırlayıcı kutu çizerek bu bölgeleri vurgular. Bu tehlikeler belirlendikten sonra görüntüler AI algoritmaları tarafından işlenir; AI algoritmaları daha sonra alarm verebilir veya ilk müdahale ekiplerine bildirim gönderebilir ve böylece hızlı ve etkili bir müdahale sağlanır.

Buna ek olarak, termal verilerin renk kodlu görsel bir temsilini sunmak için ısı haritaları kullanılabilir. Renk kullanımı, güvenli ve potansiyel olarak tehlikeli alanları hızla ayırt etmeye yardımcı olarak yangın tespit sisteminin etkinliğini artırır. Ancak bilgisayarlı görü modellerinde ısı haritaları kullanılırken, ham termal verilerin ısı haritalarına dönüştürülmesi sürecinde farklı renkler için belirli eşik değerlerinin ayarlandığını göz önünde bulundurmak önemlidir. Bu eşikler dikkatle ayarlanmazsa ortaya çıkan ısı haritaları hatalara yol açabilir ve modelin yangınları doğru tespit etme becerisini etkileyebilir.

Şekil 1. Bilgisayarlı görü kullanan yapay zekâ tabanlı radyometrik termal kamera sıcaklık anormalliklerini tespit ediyor (Kaynak: hanwhavision.com).

Duman tespiti#

Yangın tespitinde termal görüntülemeyi tamamlayan yapay zekâ destekli duman dedektörleri, genellikle yangının erken belirtilerinden biri olan dumanı tespit etmeye odaklanarak ek bir güvenlik katmanı sağlar. Geleneksel duman dedektörleri genellikle iyonizasyon veya ışık sensörleri kullanarak havadaki parçacıkları algılar. Bu dedektörler etkilidir ancak özellikle duman parçacıklarının yavaş yayıldığı durumlarda tepki vermeleri daha uzun sürebilir.

Ancak daha yeni modeller, etkinliklerini büyük ölçüde artıran bilgisayarlı görü özellikleri içeriyor. Yapay zekâ destekli duman dedektörleri; dumanın şekli, hareketi, rengi ve yoğunluğu gibi görsel örüntüleri belirlemek üzere veri kümeleriyle özel olarak eğitilmiş bilgisayarlı görü modelleri içerebilir. Yalnızca parçacık tespitine dayanan geleneksel dedektörlerin aksine, bu gelişmiş sistemler Ultralytics YOLOv8 gibi modelleri kullanarak görsel verileri gerçek zamanlı analiz edebilir; nesne algılama ve segmentasyon gibi görevler aracılığıyla duman örüntülerini, yoğunluk değişimlerini ve diğer görsel ipuçlarını belirleyebilir.

Segmentasyon, özellikle dumanın dağılabileceği ormanlar gibi zorlu ortamlarda bu sistemler için son derece önemlidir. Segmentasyon kullanılarak model, çevresindeki ortamda bulunan dumanı algılayıp vurgulayabilir ve görüş mesafesi düşük olduğunda ya da ortam yoğun bitki örtüsüyle kaplıyken bile etkilenen alanları açıkça işaretleyip konumlandırabilir.

Ultralytics YOLOv8 gibi son teknoloji bilgisayarlı görü modelleri, görsel verileri belirgin bölümlere ayırmak için harika bir araçtır ve modelin dumanın boyutunu ve şiddetini doğru değerlendirmesini sağlar. Yapay zekâ algoritmaları, alarmı çalıştırmaya veya acil durum ekiplerini uyarmaya karar vermek için algılanan dumanın yoğunluğunu, boyutunu, yayılımını ve zaman içindeki sürekliliğini temel alarak bu bilgileri işler; böylece müdahalenin zamanında ve doğru yapılmasını sağlar.

Şekil 2. Ultralytics YOLOv8 ile duman tespiti ve segmentasyonu.

Yangın önlemede tahmine dayalı analiz#

Yapay zekâ yalnızca yangınları tespit etmekle kalmaz; yangınları aktif olarak önlemeye de yardımcı olur. Geçmiş verileri analiz edip hava koşulları, bitki örtüsü yoğunluğu ve insan etkinliği gibi çevresel etkenleri göz önünde bulunduran yapay zekâ modelleri, yangın risklerini tahmin edebilir. Bu tahmin yeteneği, riskin yüksek olduğu petrol ve gaz, üretim ve ormancılık gibi sektörlerde özellikle değerlidir. Bu ortamlarda bilgisayarlı görü, görsel verileri sürekli izleyip analiz ederek kritik bir rol oynar ve yangın riskinin arttığına işaret edebilecek erken uyarı belirtilerini belirlemeye yardımcı olur. Böylece yangınları başlamadan önlemeye katkıda bulunabilecek proaktif önlemler alınabilir.

Yapay zekâyla yangın tespitinin faydaları#

Yapay zekâ, yangın tehlikelerini tespit etme ve bunlara müdahale etme biçimimizi önemli ölçüde geliştirerek geleneksel yangın güvenliği yöntemlerini güçlendiren çeşitli temel avantajlar sunuyor. Bunlardan bazıları şunlardır:

Tehditleri doğru tespit etme#

Geleneksel yangın algılama sistemleri bazen yanlış alarmları tetikleyebilir; bu da kaynakların boşa harcanmasına yol açmakla kalmaz, gereksiz paniğe de neden olur. Bu yanlış alarmlar genellikle geleneksel sistemlerdeki temel sensör teknolojilerinin gerçek yangın tehlikeleri ile buhar, toz, sigara dumanı veya yemek pişirme dumanı gibi tehdit oluşturmayan çevresel etkenleri ayırt edememesinden kaynaklanır.

Örneğin, iyonizasyon tipi duman dedektörleri zararsız buharı duman parçacıklarıyla karıştırabilir veya ısı dedektörleri endüstriyel ortamlardaki normal sıcaklık dalgalanmalarıyla tetiklenebilir. Bu aşırı hassasiyet, operasyonları aksatan ve acil durum kaynaklarının gereksiz yere başka yöne aktarılmasına yol açan sık yanlış alarmlara neden olur.

Ancak bilgisayarlı görüye dayalı yangın algılama modelleri, gerçek tehditleri belirlemek için daha doğru bir yaklaşım sunar. Bu modeller görsel verileri analiz etmek üzere eğitilir ve böylece duman, alev veya yangınla ilgili diğer anormalliklerle ilişkili belirgin görsel örüntüleri tanıyabilir. Yalnızca belirli parçacıklara veya sıcaklık değişikliklerine tepki verebilen geleneksel sensörlerin aksine, bilgisayarlı görü modelleri dumanın şekli, rengi ve hareketi ya da alevlerin görünümü gibi birden fazla görsel ipucunu gerçek zamanlı olarak değerlendirir. Bu sayede gerçek yangın tehlikelerini buhar veya gölge gibi zararsız olaylardan etkili biçimde ayırabilir ve yanlış alarm olasılığını önemli ölçüde azaltabilirler.

Yüksek riskli ortamlarda daha fazla güvenlik#

Endüstriyel tesisler, rafineriler ve kimya fabrikaları gibi yüksek riskli ortamlarda yanıcı maddelerin ve karmaşık makinelerin varlığı nedeniyle yangın çıkma olasılığı çok daha yüksektir. Bilgisayarlı görü destekli sistemler, aşırı ısınma, gaz sızıntıları veya ekipman arızaları gibi yangın tehlikelerinin erken belirtilerini tespit edebilen, kesintisiz 7/24 izleme sağlar. Bu sürekli gözetim, hızlı müdahaleye olanak tanıyarak yangın çıkma riskini azaltır ve hem personelin hem de değerli varlıkların güvenliğini sağlar.

Maliyet tasarrufu#

Yangınlar büyük çaplı hasara, dolayısıyla maliyetli onarımlara, üretkenlik kaybına ve olası hukuki yükümlülüklere yol açabilir. Yangınları erken tespit ederek ve yanlış alarmları azaltarak bilgisayarlı görü, kuruluşların maliyet tasarrufu yapmasına yardımcı olabilir. Bu proaktif yaklaşım, büyük çaplı yangın olaylarını önler, gereksiz acil durum müdahalelerini en aza indirir, yangın hasarı, hukuki süreçler ve sigorta talepleriyle ilişkili yüksek giderleri azaltırken yatırımları da korur.

Esneklik ve ölçeklenebilirlik#

Yapay zekâ tabanlı yangın algılama sistemleri önemli ölçüde esneklik ve ölçeklenebilirlik sunarak küçük işletmelerden büyük sanayi tesislerine kadar çeşitli ortamlara uyum sağlar.

Örneğin, Ultralytics YOLOv8 gibi modeller, endüstriyel ortamlardaki kimyasal döküntüler, üretimde aşırı ısınan makineler, petrol ve gaz yangınları ve orman yangınları gibi farklı sektörlere özgü yangın tehlikelerini tanıyacak şekilde eğitilebilir. Bu düzeyde uzmanlaşma için modelin, bu tehlikeleri çeşitli senaryolarda gösteren farklı görüntülere ihtiyacı vardır. Bu görüntülerin dikkatle sınıflandırılıp etiketlenmesi gerekir; örneğin, kimyasal döküntü görüntülerine döküntü türünü belirten özel etiketler atanırken, aşırı ısınan makine görüntüleri makine türüne ve görünen aşırı ısınma belirtilerine göre etiketlenir. Bu sınıflandırma süreci, modelin gerçek dünyadaki durumlarda bu tehlikeleri doğru biçimde tanımayı öğrenmesi açısından kritik önemdedir ve farklı ortamlardaki olası yangın risklerini etkili bir şekilde tespit edip bunlara müdahale etmesini sağlar.

Zorluklar ve dezavantajlar#

Yapay zekâ, yangın algılama ve önleme konusunda birçok avantaj sunsa da dikkate alınması gereken çeşitli zorluklar ve dezavantajlar da vardır.

• Yüksek İlk Maliyet: Yapay zekâ destekli yangın algılama sistemlerini uygulamaya koymak, özellikle küçük işletmeler veya mali kaynakları kısıtlı tesisler için maliyetli olabilir. Bu gelişmiş yangın algılama teknolojisi için gereken yüksek başlangıç yatırımı çoğu zaman önemli bir engel oluşturur ve bazı kuruluşların bu teknolojiyi benimsemesini zorlaştırır.

• Yüksek Kaliteli Verilere Bağımlılık: Yapay zekânın yangın tehlikelerini tespit etmedeki doğruluğu, büyük ölçüde yüksek kaliteli etiketli verilerin bulunmasına bağlıdır. Veriler eksikse veya kötü etiketlenmişse sistemin performansı düşebilir ve yangın risklerinin tespitinde hatalar ortaya çıkabilir.

• Aşırı Koşullarda Arıza Olasılığı: Her teknoloji gibi yapay zekâ sistemleri de arızalara karşı bağışık değildir. Aşırı sıcaklık, nem veya toz gibi zorlu çevre koşulları bu sistemlerin doğruluğunu ve güvenilirliğini etkileyerek yangın güvenliği açısından risk oluşturabilir.

• Sürekli Bakım ve Güncellemeler: Yapay zekâ destekli yangın önleme çözümlerinin etkili kalması için düzenli bakım ve güncellemeler gerekir. Teknik desteğe duyulan bu sürekli ihtiyaç kaynakları zorlayabilir ve yangın algılama için yapay zekâ kullanımının uzun vadeli maliyetlerini artırabilir.

Yangın algılama ve önlemede yapay zekânın geleceği#

Yapay zekâ gelişmeye devam ederken, yangın söndürme robotları ve uç bilişim gibi gelişmekte olan teknolojilerle entegrasyonunun yangın algılama ve önleme çalışmalarını önemli ölçüde geliştirmesi bekleniyor.

Yapay zekâ destekli yangın söndürme robotları#

Yapay zekâ destekli yangın söndürme robotları, insan müdahalesinin çok tehlikeli olduğu ortamlarda yeni bir koruma düzeyi sunarak yangın güvenliğinde çığır açan bir yenilik olarak öne çıkıyor. Gelişmiş sensörler, bilgisayarlı görü ve yapay zekâ algoritmalarıyla donatılan bu robotlar, karmaşık ve tehlikeli arazilerde otonom olarak ilerleyebilir, termal görüntüleme yoluyla yangın kaynaklarını tespit edebilir ve en etkili yangın söndürme tekniklerini uygulayabilir. Yüksek sıcaklık ve zehirli ortamlar gibi aşırı koşullarda çalışabilmeleri, insan itfaiyecilerin karşılaştığı riskleri azaltır.

Bu robotlar, dronlar ve diğer yangın söndürme teknolojileriyle koordineli çalışarak gerçek zamanlı veri sağlayabilir ve yangına müdahale çalışmalarının genel etkinliğini artırabilir. Yangın söndürmede yapay zekâ ve robotik entegrasyonu, alanı dönüştürerek yangın önleme ve kontrolünü daha güvenli ve verimli hâle getirecek.

Şekil 3. Otonom, yapay zekâ destekli yangın söndürme robotu.

Yangınları daha hızlı tespit etmek için uç bilişimin entegrasyonu#

Bilgisayarlı görü destekli kameralar, duman dedektörleri ve ısı dedektörleri gibi geleneksel yangın algılama sistemlerinde sensörler veya kameralar tarafından yakalanan veriler genellikle yapay zekâ modellerinin işlediği merkezi bir sunucuya gönderilir. Bu modeller, anormal sıcaklık artışları veya duman varlığı gibi olası yangın tehlikelerini belirlemek için verileri analiz eder. Ancak verilerin sunucuya gidip gelmesi zaman aldığından bu süreç gecikmeye yol açabilir.

Yangın algılama için uç bilişim, uzak bir sunucuya güvenmek yerine verilerin doğrudan kaynağında, yani kameraların veya sensörlerin içinde işlenmesini sağlayarak yenilikçi bir çözüm sunar. Bu yerel işleme gecikmeyi önemli ölçüde azaltır, termal ve görsel verilerin daha hızlı analiz edilmesini ve olası yangın tehlikelerinin daha çabuk tespit edilmesini sağlar. Uç bilişim, verileri üretildikleri yere daha yakın bir noktada işleyerek alarm verme veya müdahale ekiplerine bildirim gönderme gibi kritik kararların neredeyse anında alınmasını sağlar. Bu özellik, yangınların büyüyüp yayılmasını önlemek açısından kritik önemdedir ve yangın algılama sistemlerini daha duyarlı ve etkili hâle getirir.

Önemli çıkarımlar#

Yapay zekâ destekli termal görüntüleme ve nesne tespiti, yangınları tespit etme ve önleme yöntemlerimizi önemli ölçüde geliştirerek daha erken uyarılar ve yangın tehlikelerinin daha doğru belirlenmesini sağlıyor. Bu teknolojiler daha hızlı müdahale süreleri, daha az yanlış alarm ve yüksek riskli ortamlarda daha fazla güvenlik gibi pek çok fayda sunuyor.

Bununla birlikte, yüksek uygulama maliyetleri ve sürekli bakım gereksinimi gibi zorluklar da getiriyorlar. Geleceğe baktığımızda yangın güvenliğinde yapay zekâ ve bilgisayarlı görünün önündeki fırsatlar umut verici; yangın söndürme robotları ve uç bilişim gibi gelişmekte olan teknolojilerle daha fazla bütünleşerek çeşitli sektörlerde yangın önleme ve müdahale çalışmalarını daha da iyileştirme potansiyeli taşıyorlar.

Ultralytics olarak yapay zekâ inovasyonunu yeni zirvelere taşıyoruz. Gelişmiş yapay zekâ çözümlerimizi keşfetmek ve en son yeniliklerimizi takip etmek için GitHub depomuzu ziyaret et. Aktif topluluğumuza katıl ve sağlık ile üretim gibi sektörleri nasıl dönüştürdüğümüzü gör.