Şehir bakım görevlerinde bilgisayarlı görünün rolü

Bir şehrin bakımını yapmak için çok fazla iş gerekir, ancak bu görevlerin çoğu fark edilmez. Örneğin geceleri bakım ekipleri yolları onarır, atıkları temizler, ışıkları kontrol eder ve şehrin güvenli ve işlevsel kalmasını sağlar.

Yıpranmış yollar, tıkalı kanalizasyonlar ve bozuk sokak lambaları başlangıçta küçük sorunlar gibi görünebilir. Ancak kontrol edilmezlerse hızla daha büyük sorunlara dönüşebilirler. Bu rutin bakım görevleri kamu güvenliği açısından önemlidir. Bununla birlikte, artan nüfus ve sınırlı belediye personeli nedeniyle geleneksel bakım yöntemleri ihtiyaçlara yetişmekte zorlanabilir.

Görsel verileri işlemeye ve anlamaya odaklanan bir yapay zekâ dalı olan bilgisayarlı görme, akıllı şehirlerde günlük bakım için daha hızlı ve verimli bir yaklaşım sunar. Vision AI çözümleri, video akışlarını veya hava görüntülerini analiz ederek sorunları otomatik olarak tespit edip izleyebilir ve manuel ekiplerin üzerindeki yükü azaltabilir.

Şehirler, Ultralytics YOLO11 gibi gelişmiş bilgisayarlı görme modellerini kullanarak atıkları, çukurları veya devrilmiş dalları kolayca tespit etmek gibi görevleri gerçekleştirebilir. Nesne tespiti ve örnek segmentasyonu gibi Vision AI görevleri, bakım ekiplerinin hızlı yanıt vermesine ve kamusal alanları düzenli, temiz ve güvenli tutmasına yardımcı olabilir.

Şekil 1. Ultralytics YOLO11’in nesne tespiti yetenekleri kullanılarak atıkların tespit edilmesi. (Kaynak)

Bu makalede bilgisayarlı görmenin kentsel bakımı nasıl desteklediğini, bazı yaygın uygulamaları ve sunduğu avantajları inceleyeceğiz. Hadi başlayalım!

Şehir bakımında bilgisayarlı görmeye genel bakış#

Kentsel yetkililer, şehir altyapısını daha iyi anlamak ve yönetmek için bilgisayarlı görme gibi teknolojileri kullanıyor. Görsel veriler dronlar, kameralar ve sensörler aracılığıyla toplanıyor, ardından hızlı ve doğru içgörüler elde etmek için Ultralytics YOLO11 gibi bilgisayarlı görme modelleri kullanılarak işleniyor.

Örneğin akıllı şehirlerde bilgisayarlı görme, hava görüntüleri ve sokak seviyesindeki kameralar aracılığıyla duvar yazılarını tespit etmek için kullanılıyor. Bu da şehir ekiplerinin bunları hızla temizlemesine ve kamusal alanları davetkâr tutmasına yardımcı oluyor.

Akıllı şehir sistemlerini mümkün kılan temel bilgisayarlı görme görevlerinden bazıları şunlardır:

• Nesne tespiti: Ultralytics YOLO11 gibi bilgisayarlı görme modelleri, bir görüntü veya video akışındaki belirli nesneleri tanımlayıp konumlandırabilir. Kentsel bakımda bu, ekiplerin trafik konileri, çöp kutuları veya ilgilenilmesi gereken bozuk trafik levhaları gibi nesneleri tespit etmesine yardımcı olur.

• Görüntü sınıflandırma: Bir görüntünün görünümüne göre görüntünün tamamına bir etiket atar. Örneğin yolların hava görüntüleri temiz, çatlak veya su basmış olarak sınıflandırılabilir; bu da ekiplerin farklı durumları daha verimli şekilde ayırıp bunlara yanıt vermesine yardımcı olur.

• Nesne takibi: Takip, hareketli nesneleri video kareleri boyunca izleyerek rotalarını takip etmek için kullanılır. Şehirlerde araçları ve yayaları izlemeye yardımcı olarak trafik yönetimini ve güvenliği iyileştirir.

• Örnek segmentasyonu: Bu teknik, aynı nesnenin ayrı örneklerini birbirinden ayırır. Kentsel ortamlarda daha iyi takip ve bakım için birden fazla sokak lambasını, ağacı veya park edilmiş aracı ayırt etmek amacıyla kullanılabilir.

Şehir bakım uygulamalarında bilgisayarlı görme#

Bilgisayarlı görmenin kentsel şehir bakımını nasıl desteklediğine dair artık daha iyi bir fikrimiz olduğuna göre, gerçek dünyadaki bazı uygulamalarını inceleyelim.

Yapay zekâ ile akıllı altyapı denetimi#

Yer altı kanallarının bakımı zorlu ancak gerekli bir iştir; çünkü hasar ciddi sağlık veya çevre sorunlarına yol açabilir. Bilgisayarlı görme artık bu denetimleri daha güvenli ve verimli hâle getirmek için kullanılıyor. Kameralar, sensörler ve Işık Algılama ve Menzil Ölçümü (LiDAR) sistemleri taşıyan dronlar, tünelleri kontrol etmek ve gaz seviyeleri, sıcaklık ve hasar gibi konularda gerçek zamanlı veri toplamak için kullanılıyor.

ABD'nin Michigan eyaletindeki Macomb County, teknolojinin yer altı denetimlerini nasıl iyileştirdiğine dair harika bir örnektir. 2016'daki bir boru hattı çökmesinin ardından ilçe, manuel kontrollerden uzaklaşmaya ve otomatik sistemleri kullanmaya başladı.

Artık yer altı tünellerini güvenli bir şekilde keşfetmek için Elios 3 ve Asio X gibi dronlar kullanıyorlar. Dronlar video ve sensör verileri topluyor, ardından bu veriler yapısal sorunları tespit etmek için bilgisayarlı görme kullanılarak analiz ediliyor. İlçe bu yaklaşıma geçtiğinden beri denetim maliyetlerini neredeyse %40 azalttı ve çalışmaları ekipleri için çok daha güvenli hâle getirdi.

Şekil 2. Elios 3 dronu kanalizasyon denetimi için kullanılabilir. (Kaynak)

Kamuya açık yol çalışmalarında bilgisayarlı görme#

Benzer şekilde, yolların bakımını yapmak ve trafiği yönetmek, bir şehrin sorunsuz işlemesini sağlamanın önemli bir parçasıdır. Yoğun trafik ve hava koşulları nedeniyle yollar zamanla yıpranabilir; bu da çatlaklara, çukurlara ve hasarlı levhalara yol açabilir.

Bununla başa çıkmak için birçok şehir, yol koşullarını ve trafiği gerçek zamanlı olarak izlemek üzere bilgisayarlı görmeyle güçlendirilmiş dronlar ve araçlara monte edilen kameralar kullanıyor. Bu teknoloji sorunları erken tespit etmeye, güvenliği artırmaya, trafik sıkışıklığını azaltmaya ve onarımları daha hızlı ve doğru yapmaya yardımcı oluyor.

Hindistan'daki Ahmedabad şehrinin belediye araçlarına yolları gerçek zamanlı olarak tarayan yapay zekâ destekli araç kameraları yerleştirmesinin nedeni tam olarak bu. Bu kameralar çukurları tespit ediyor, çatlakları ve yüzey aşınmalarını belirliyor, görüntüleri yakalıyor ve hasarı coğrafi olarak etiketliyor. Toplanan veriler, yetkililerin onarımlara öncelik vermek için raporlar ve ısı haritaları oluşturduğu bir kontrol merkezine gönderiliyor; bu da yol bakımını hızlandırmaya yardımcı oluyor.

Şekil 3. Bilgisayarlı görme kullanılarak boyut tahminiyle çukur tespitine bir örnek. (Kaynak)

Şehirlerde yeşil alanların bilgisayarlı görme ile izlenmesi#

İnsan nüfusu arttıkça şehirler genişliyor ve şehirler genişledikçe yeşil alanlar daralıyor. Ne yazık ki bu durum hava kalitesini, sıcaklığı ve yaban hayatını olumsuz etkileyebilir. Ağaçlar karbon gazlarını emmeye, kentsel alanları serinletmeye ve biyolojik çeşitliliği desteklemeye yardımcı olur.

Yeşil dönüşüme odaklanan birçok şehir, yeşil örtüyü izlemek için dronlar, görme modelleri, LiDAR ve coğrafi bilgi sistemlerini (GIS) kullanmaya başlıyor. Bu teknolojiler ağaçların konumlarını haritalamaya, sağlık durumlarını değerlendirmeye ve koruma, yeniden ağaçlandırma ve geliştirme çalışmalarına yön vermeye yardımcı oluyor. Bu sayede yeşil alan yönetimi daha doğru hâle geliyor ve sürdürülebilir kentsel planlama için gerekli desteği sağlıyor.

Şekil 4. Yüksek çözünürlüklü hava verileri kullanılarak kentsel ağaçların belirlenmesi. (Kaynak)

İlginç bir örnek, şehrin hava kirliliğiyle mücadele ettiği Hindistan'daki Yeni Delhi'dir. Sorunu ele almak için Orman Araştırma Enstitüsü öncülüğünde dört yıllık bir ağaç sayımı başlattılar.

Dronlar, LiDAR ve GIS kullanarak kentsel ağaçları haritalandırıp izliyor; türlerini, sağlık durumlarını ve konumlarını takip ediyorlar. Bu teknoloji kullanımı, şehrin yeşil alanlarını daha etkili yönetmesine yardımcı oluyor. Bu da hava kalitesini iyileştirebilir ve Hindistan'ın 2070'e kadar net sıfır emisyona ulaşma hedefini destekleyebilir.

Kentsel planlama ve izlemede Vision AI uygulamaları#

Kaçak yapılaşma şehirlerde ciddi sorunlar oluşturur. Yolları kapatabilir, kamu hizmetleri üzerinde baskı oluşturabilir ve planlanan gelişimi engelleyebilir. Bu sorunla başa çıkmaya yönelik yeni yaklaşımlardan biri, zaman içinde çekilen hava görüntülerini karşılaştırmak için bilgisayarlı görme kullanır. Bu sayede binalarda veya arazi kullanımında meydana gelen küçük değişiklikleri bile erken tespit etmek mümkün olur ve yetkililer sorun büyümeden önce yanıt verebilir.

Örneğin Almanya'nın Bavyera bölgesinde araştırmacılar, uydu görüntülerini ve jeo-uzamsal haritaları analiz ederek izinsiz binaları tespit etmek için yapay zekâ ve bilgisayarlı görme kullanan yöntemler geliştirdi. Ayrıca yüzey yüksekliğindeki değişimleri zaman içinde izleyen Zamansal Sayısal Yüzey Modeli (tDSM) sisteminden de yararlandılar.

Araştırmacılar bu araçları birleştirerek yükseklik değişimlerini izleyip görüntüleri karşılaştırarak yeni yapıları belirleyebilir. Bu yaklaşım, yerel yetkililerin yapı düzenlemelerini daha etkili şekilde uygulamasına, sürdürülebilir kalkınma planlamasına ve doğru kayıtlar tutmasına yardımcı olur.

Şekil 5. Şehirde kayıtlı ve kayıtsız binaları gösteren harita. (Kaynak)

Şehir bakımında bilgisayarlı görmenin artıları ve eksileri#

Akıllı şehir bakımı için bilgisayarlı görme kullanmanın bazı temel avantajları şunlardır:

• Ölçeklenebilir kapsama: Bilgisayarlı görme, CCTV veya dronlar gibi mevcut altyapıyı kullanarak geniş kentsel alanları izleyebilir ve manuel denetim ihtiyacını azaltabilir.
• Dinamik kaynak kullanımı: Gerçek zamanlı analiz, görevleri aciliyetlerine göre önceliklendirmeye yardımcı olarak bakımı daha verimli ve uygun maliyetli hâle getirir.
• Daha hızlı acil durum uyarıları: Yapay zekâ destekli görme sistemleri yangın, kaza veya sel gibi olayları neredeyse anında tespit ederek daha hızlı yanıt verilmesini ve hasarın azaltılmasını sağlayabilir.

Bilgisayarlı görme sistemleri şehirlerin bakımında güvenilir destek sağlasa da bazı sınırlamalara da sahiptir. Bu teknolojileri kullanırken göz önünde bulundurman gereken birkaç temel faktör şunlardır:

• Yüksek başlangıç maliyetleri: Bilgisayarlı görme sistemlerinin kurulumu; kameralar, sensörler ve yapay zekâ altyapısı için önemli bir ön yatırım gerektirir. Daha küçük belediyeler başlangıçta bu masrafları karşılamakta zorlanabilir.
• Gizlilik endişeleri: Sürekli görsel izleme, şehir sakinleri arasında gözetim ve kişisel gizlilik konusunda endişelere yol açabilir.
• Altyapı zorlukları: Daha eski şehirlerde büyük ölçekli uygulama için gereken dijital altyapı (ör. istikrarlı bağlantı, enerji veya sensör ağları) bulunmayabilir.

Önemli çıkarımlar#

Akıllı şehirler, altyapıyı daha iyi korumak için bilgisayarlı görme kullanarak kentsel yaşamı dönüştürüyor. Gerçek zamanlı izleme ve öngörücü içgörüler sayesinde bu teknoloji, şehirlerin sorunlara daha hızlı yanıt vermesine, kaynakları daha verimli kullanmasına ve sakinleri güvende tutmasına yardımcı oluyor. Belediyeler giderek tepkisel onarımlardan proaktif, veriye dayalı planlamaya geçiyor.

Geleceğe baktığımızda yapay zekâ ve bilgisayarlı görmenin şehirleri daha yeşil, adil ve verimli hâle getirmede daha büyük bir rol oynaması muhtemel. Dijital ikizler ve üretken yapay zekâ gibi araçlar, planlamacıların yeni fikirleri test etmesine, kamu hizmetlerini iyileştirmesine ve erişimdeki boşlukları kapatmasına olanak tanıyarak bu teknolojileri tamamlıyor. Bu yenilikler birlikte, yalnızca daha akıllı ve güvenli değil, aynı zamanda topluluklarının ihtiyaçlarına daha duyarlı kentsel ortamların şekillenmesine yardımcı oluyor.

Bilgisayarlı görme hakkında daha fazla bilgi edinmek için topluluğumuza katıl ve GitHub depomuzu incele. Çözüm sayfalarımızda üretimde yapay zekâ ve sağlık hizmetlerinde bilgisayarlı görme ile ilgili çeşitli uygulamaları keşfet. Vision AI ile çalışmaya başlamak için lisanslama seçeneklerimize göz at.