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 artırmaya ve riskleri azaltmaya bu noktada yardımcı olabilir. Yapay zekâ destekli termal görüntüleme ve bilgisayarlı görü sistemleri, bu mücadelede etkili araçlar olarak öne çıkıyor. Bu yapay zekâ destekli yangın önleme sistemleri, olağandışı sıcaklık artışları veya dumanın varlığı gibi olası yangınların erken belirtilerini tespit ederek güvenliğe proaktif bir yaklaşım sunar ve ilk müdahale ekiplerine küçük bir olay büyük bir felakete dönüşmeden harekete geçme zamanı kazandırır.

Yangın tespiti ve önlemede yapay zekânın rolü#

Bilgisayarlı görü modelleri, termal görüntüleme ve duman algılama gibi teknolojileri entegre ederek yangın algılama ve önlemeyi geliştiriyor. Bu yapay zekâ sistemlerinin temelinde, makinelerin genellikle insan algısı ve karar verme yeteneği gerektiren görevleri yerine getirmesini sağlayan, insan zekâsını taklit etme becerisi bulunur.

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.

Ayrıca ısı haritaları, termal verilerin renk kodlu görsel temsillerini sunmak için kullanılabilir. Renk kullanımı, güvenli ve potansiyel olarak tehlikeli alanların hızla ayırt edilmesine yardımcı olarak yangın algılama sisteminin etkinliğini artırır. Ancak bilgisayarlı görü modellerinde ısı haritaları kullanılırken, ham termal verilerin ısı haritalarına dönüştürülmesi sürecinde farklı renkler için belirli eşiklerin ayarlandığını göz önünde bulundurmak önemlidir. Bu eşikler dikkatlice kalibre edilmezse ortaya çıkan ısı haritaları yanlışlıklara yol açabilir ve bu da modelin yangınları doğru algılama 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 önlemek için de etkin biçimde çalışır. Geçmiş verileri analiz ederek hava koşulları, bitki örtüsü yoğunluğu ve insan faaliyetleri gibi çevresel etkenleri dikkate alan yapay zekâ modelleri yangın risklerini tahmin edebilir. Bu tahmin yeteneği, risklerin yüksek olduğu petrol ve gaz, imalat ve ormancılık gibi sektörlerde özellikle değerlidir. Bu ortamlarda bilgisayarlı görü, görsel verileri sürekli izleyip analiz ederek yangın riskinin arttığına işaret edebilecek erken uyarı işaretlerini belirlemeye yardımcı olur. Böylece yangınlar başlamadan önce önleyici tedbirler 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 durum yalnızca kaynakları boşa harcamakla kalmaz, gereksiz paniğe de yol açar. Bu yanlış alarmlar genellikle geleneksel sistemlerdeki temel sensör teknolojilerinin gerçek yangın tehlikeleriyle 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 görü tabanlı yangın algılama modelleri, gerçek tehditleri belirlemek için daha doğru bir yaklaşım sunar. Bu modeller, görsel verileri analiz etmek üzere eğitilir ve duman, alev veya yangınla ilgili diğer anormalliklerle ilişkili belirgin görsel örüntüleri tanıyabilir. Yalnızca belirli parçacıklara veya sıcaklık değişikliklerine tepki verebilen geleneksel sensörlerden farklı olarak bilgisayarlı görü modelleri; dumanın şekli, rengi ve hareketi ya da alevlerin görünümü gibi birden fazla görsel ipucunu gerçek zamanlı olarak değerlendirir. Böylece gerçek yangın tehlikelerini buhar veya gölge gibi zararsız durumlardan etkili bir şekilde 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 maddeler ve karmaşık makineler bulunduğundan yangın çıkma olasılığı çok daha yüksektir. Bilgisayarlı görü destekli sistemler, aşırı ısınma, gaz sızıntısı veya ekipman arızası gibi yangın tehlikelerinin erken belirtilerini tespit edebilen, 7/24 kesintisiz izleme sağlar. Bu sürekli gözetim hızlı müdahaleye olanak tanıyarak yangın çıkma riskini azaltır ve hem çalışanların 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 yangınla mücadele robotları, insanların müdahale etmesinin çok tehlikeli olduğu ortamlarda koruma sunan yeni bir yangın güvenliği gelişmesidir. 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 ısı ve zehirli ortamlar gibi aşırı koşullarda çalışabilmeleri, insan itfaiyecilerin karşı karşıya kaldığı riskleri azaltır.

Bu robotlar, gerçek zamanlı veri sağlayıp yangına müdahale çalışmalarının genel etkinliğini artırmak için dronlar ve diğer yangınla mücadele teknolojileriyle eşgüdümlü çalışabilir. Yangınla mücadelede yapay zekâ ve robotik entegrasyonu, yangınları önleme ve kontrol altına alma çalışmalarını daha güvenli ve verimli hâle getirebilir.

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, verilerin uzaktaki bir sunucuya gönderilmesi yerine doğrudan kaynakta, yani kameraların veya sensörlerin içinde işlenmesini sağlayarak bu sorunu çözer. Yerel işleme gecikmeyi önemli ölçüde azaltır; böylece termal ve görsel veriler daha hızlı analiz edilir ve olası yangın tehlikeleri daha çabuk algılanır. Verileri üretildikleri yere daha yakın işleyerek uç bilişim, alarm verme veya müdahale ekiplerini bilgilendirme gibi kritik kararların neredeyse anında alınmasını sağlar. Bu özellik, yangınların büyüyüp yayılmasını önlemek için kritik önem taşır 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 hakkında daha fazla bilgi edinmek için GitHub depomuzu ziyaret et ve topluluğumuza katıl. Çözüm sayfalarımızda bilgisayarlı görünün sağlık ve imalat gibi sektörlerde nasıl uygulandığını gör.