Görüntü işleme ve bilgisayarlı görü (computer vision), kamera görüntülerinden nesne tespiti, takip, sayma ve davranış analizi gibi anlamlı bilgi çıkaran yapay zekâ alanıdır. Güvenlik kamerası görüntüsünü ölçülebilir olaya ve metriğe çevirir.
Bu alandaki çalışmalar
Abdulaziz Akyol'un kurduğu CX Teknoloji, mevcut IP kameraların görüntüsünü GPU üzerinde gerçek zamanlı işliyor: RTSP akışı, donanımda kare çözme, tespit ve takip, kural motoru ve olay çıkışı. Yazılar bu zincirin her halkasındaki saha tecrübesini aktarıyor.
- Kişi saymada %96,2 saha doğruluğu, kare başına 40 ms altında tespit
- Sunucu başına 8–16 kamera; yüz tanımasız, KVKK uyumlu anonim işleme
- Forklift–yaya yakınlaşması, KKD tespiti, OEE ölçümü gibi endüstriyel senaryolar
- Python, YOLO, ONNX ve TensorRT ile uygulamalı kod rehberleri
Sık sorulan sorular (3)
Mevcut güvenlik kameralarıyla görüntü analitiği yapılabilir mi?
Evet. ONVIF uyumlu ve H.264/H.265 akış veren IP kameralar yeterlidir; görüntü RTSP ile alınıp sahadaki bir GPU sunucuda işlenir. Yeni kamera gerekmez, çoğu projede asıl iş ağ ve kamera yerleşimidir.
Görüntü analitiği KVKK'ya uygun olabilir mi?
Yüz tanıma yapmadan, görüntüyü saklamadan ve yalnızca anonim olay ile metrik üreterek kurulan sistemler kişisel veri işleme kapsamını büyük ölçüde daraltır. Aydınlatma, saklama süresi ve erişim yetkileri yine de tasarımın parçası olmalıdır.
Görüntü işleme sahada neden doğruluk kaybeder?
Kamera açısı, gece/IR görüntüsü, sayım çizgisinin yeri ve takip hataları laboratuvarda görünmez. Doğruluk sahada, gerçek görüntüyle ölçülmeli ve model bu verilerle kalibre edilmelidir.
- Kamerayla OEE mi, PLC/MES ile OEE mi? Karar RehberiGörüntü işlemeOEE verisi PLC/MES sinyalinden mi, kameradan mı alınmalı? Ölçüm gücü, kurulum, eski makine, mikro duruş, kalite kaybı ve KVKK açısından karşılaştırma rehberi.
- Docker ve Kubernetes ile GPU görüntü analitiği servislerini ölçeklemekYazılım geliştirmeKamera başına GPU analitiği servisini Docker ve Kubernetes'te çalıştırmak: NVIDIA Container Toolkit, GPU Operator, time-slicing/MIG, k3s, izleme, güncelleme.
- Edge AI'da model hızlandırma: ONNX, TensorRT ve INT8 quantizationYapay zekâPyTorch modelini ONNX'e aktarıp ONNX Runtime ve TensorRT ile hızlandırmak: FP16, INT8 kalibrasyonu, doğruluk kaybı ve p50/p95 gecikme ölçümü, kodlarıyla.
- Python ve YOLO ile gerçek zamanlı nesne tespiti: RTSP kameradan olayaGörüntü işlemeRTSP kameradan Python, OpenCV ve YOLO ile gerçek zamanlı tespit: ByteTrack takibi, çizgi sayımı, bölge ihlali ve MQTT'ye JSON olay. Çalışır örnek betikle.
- Mevcut kameralarla görüntü analitiği: RTSP akışından olaya giden zincirGörüntü işlemeMevcut IP kameralarla gerçek zamanlı analitik: RTSP akışı, GPU'da kare çözme, tespit ve takip, kural motoru ve olay çıkışından oluşan beş halkalık zincir.
- Edge mi bulut mu? Görüntü işleme projelerinde işlemenin yerini seçmekGörüntü işlemeGörüntü sahada mı işlenmeli, bulutta mı? Bant genişliği, gecikme, KVKK ve üç yıllık maliyet hesabıyla verdiğimiz karar ve bu kararın istisnaları.
- Kişi sayma doğruluğunu %96'ya çıkarmak: saha kalibrasyonu notlarıGörüntü işlemeLaboratuvarda %99 çıkan model sahada %85'e düşer. Farkı kapatan kamera açısı, sayım çizgisi, gece verisi ve ölçüm yöntemi: %96,2'ye giderken tutulan notlar.
- KVKK ve görüntü işleme: yüz tanıma yapmadan analitik kurmakGörüntü işlemeGörüntü analitiğinde hukukçuların beş sorusuna mühendislik cevabı: görüntü nereye gidiyor, ne saklanıyor, kim erişiyor, yüz tanıma var mı, ne kadar tutuluyor?
- Işıksız Fabrika Mümkün mü? Otonom Üretimde Görüntünün RolüGörüntü işlemeKaranlık fabrika (lights-out manufacturing) konsepti: insansız üretimde kalite kontrol, arıza tespiti ve görüntü analitiğinin yeri.
- Forklift–yaya yakınlaşma tespiti: depoda ölçülebilir güvenlik kurallarıGörüntü işlemeDepoda forklift–yaya mesafesini kamerayla ölçmek: piksel değil metre, tek kare değil hız vektörü, tek alarm değil kademeli uyarı. Kural setinin mühendisliği.
- Kalite 4.0: İstatistiksel Kontrolden Sürekli MuayeneyeGörüntü işlemeKalite 4.0 yaklaşımı: örneklemli SPC yerine %100 görüntü muayenesi, kök neden analizi ve kapalı döngü süreç kontrolü.
- Doğru Pilot Nasıl Tasarlanır? 30 Günde Karar Verilebilir SonuçGörüntü işlemeGörüntü analitiği pilot projesi tasarımı: kapsam seçimi, başarı kriteri, ölçüm yöntemi ve yaygınlaştırma kararı.
- Kurulum Süreci: Keşiften Devreye Almaya 6 AdımGörüntü işlemeGörüntü analitiği kurulum süreci: saha keşfi, kamera değerlendirmesi, kural tasarımı, kalibrasyon, doğrulama ve eğitim.
- Analitik Olgunluk Modeli: Kurumunuz Hangi Basamakta?Görüntü işlemeGörüntü analitiği olgunluk seviyeleri: kayıttan tespite, tespitten öngörüye, öngörüden otonom aksiyona geçiş yol haritası.
- Üretim hattında OEE'yi kamera ile ölçmekGörüntü işlemeOEE'nin iki bileşeni PLC'den okunur; üçüncüsü ve duruş nedeni kamerada saklı. Duruşu, operatör varlığını ve çevrim süresini görüntüden çıkarma notları.
- Tespit modellerini sahada ayakta tutmak: drift, yeniden eğitim ve veri seti disipliniYapay zekâModel eğitmek işin kısa kısmı; zor olan, 40 lokasyondaki modeli mevsim, ışık ve yerleşim değişirken doğru tutmak. Drift izleme, veri seti ve sürüm disiplini.
- İSG'de Dijital Dönüşüm: Reaktiften Proaktif GüvenliğeGörüntü işlemeİSG'de dijital dönüşüm: kaza sonrası soruşturmadan ramak kala analitiğine. Kameralarla öncü göstergeler, pano, kurulum ve KVKK ile proaktif iş güvenliği.
- Görüntü Analitiği Yatırım Getirisi: ROI Nasıl Hesaplanır?Görüntü işlemeGörüntü analitiği ROI hesabı: kaza maliyeti, duruş kaybı, kayıp ciro ve enerji kalemleriyle yatırım geri dönüş modeli.