Bilgisayarlı Görü ve Multimodal Uygulamalar: Sahada Ne Çalışıyor

Bilgisayarlı görü uygulamaları, kameralardan gelen görselleri makinelerin anlamlandırıp karar üretmesini sağlayan çözümlerdir; ama sahada asıl soru "hangi model" değil, "bu iş gerçekten çalışır mı" sorusudur. Bu rehber, bilgisayarlı görü uygulamalarının nerede güvenilir biçimde işe yaradığını, nerede pilotta takıldığını ve bir görü projesinin başarısını neyin belirlediğini bir danışman gözüyle ele alır. Amacımız parlak demoların değil, ışık değiştiğinde, ürün yenilendiğinde ve kamera kaydığında da ayakta kalan sistemlerin mantığını anlatmaktır.

Sahada yıllarca çalışan herkesin öğrendiği tek bir ders vardır: bir görü projesinde başarıyı çoğu zaman model değil, ortam belirler. En gelişmiş algoritma bile kötü bir görüntüden iyi sonuç çıkaramaz; buna karşılık iyi konumlanmış bir kamera ve sabit bir ışık, mütevazı bir modelle bile şaşırtıcı isabet üretir. Bu yüzden bilgisayarlı görü uygulamaları bir "model projesi" değil, bir "ortam + veri + operasyon" projesi olarak yürütülmelidir. Bu yazıda çalışan senaryo tiplerini, kurulum gerçeklerini, veri ve etiketleme yükünü, yanlış alarm ekonomisini, bakım ve yeniden eğitim disiplinini, model seçimini ve multimodal uygulamaların açtığı yeni alanı sırayla inceleyeceğiz.

Tanım

Bilgisayarlı görü (computer vision)

Kameralardan veya görüntü kaynaklarından gelen görselleri makinelerin anlamlandırıp karar üretmesini sağlayan yapay zeka alanı. Nesne tespiti, sınıflandırma, kalite kontrol, sayım, okuma (OCR), takip ve anomali yakalama gibi görevleri kapsar. Kurumsal görüntü işleme uygulamalarında başarı, çoğunlukla en gelişmiş modelden değil; kamera açısı, aydınlatma, montaj ve etiketli veri kalitesi gibi kurulum ve ortam koşullarından gelir.

Ayrıca: computer vision, makine görüsü, görüntü işleme, görsel yapay zeka, kurumsal görüntü işleme

Bilgisayarlı görü, bir makinenin görsel dünyayı anlamlandırma yeteneğidir: bir kameranın gördüğü pikselleri alıp bunlardan bir karar, bir sayı, bir etiket veya bir konum üretmek. İnsan gözü ve beyni saniyeler içinde "bu bir kusurlu parça", "rafta üç kutu var", "bu bölgede biri var" der; bilgisayarlı görü uygulamaları bu yorumlama işini otomatikleştirir ve ölçeklendirir. Fark, insanın yorulması, dikkatinin dağılması ve tutarsızlaşmasıdır; iyi kurulmuş bir görü sistemi ise aynı işi yorulmadan, tutarlı ve 7/24 yapar.

Teknik olarak görevler birkaç temel kalıba oturur. Sınıflandırma (classification), bir görüntüye bütün olarak bir etiket verir: "kusurlu / sağlam". Nesne tespiti (object detection), görüntüde nesnelerin nerede olduğunu kutucuklarla işaretler: "şurada bir kask var, şurada yok". Segmentasyon (segmentation), her pikseli bir sınıfa atar ve nesnenin tam sınırını çıkarır. Optik karakter tanıma (OCR), görüntüdeki yazıyı metne çevirir. Takip (tracking), aynı nesneyi kareler boyunca izler. Anomali tespiti (anomaly detection), "normalden sapan" durumları yakalar. Kurumsal görüntü işleme projelerinin neredeyse tamamı bu kalıpların bir veya birkaçının birleşimidir.

Bu tanımın altını çizen kritik nokta şudur: bilgisayarlı görü uygulamaları, dilin değil görüntünün yapay zekasıdır ve bu iki dünya farklı disiplinler gerektirir. Bir dil modeli metni işlerken bağlamı kelimelerden alır; bir görü modeli ise bağlamı ışıktan, açıdan, çözünürlükten ve sahnenin fiziksel düzeninden alır. Görüntünün nasıl parçalara ayrıldığını ve modele nasıl verildiğini anlamak, görü projelerini masabaşı bir yazılım işi değil, fiziksel dünyayla iç içe bir mühendislik işi haline getirir. Görüntü ve metni birlikte işleyen sistemler için multimodal model nedir yazısı iyi bir tamamlayıcıdır.

Bu tanımı akılda tutmak, sahadaki beklentileri de gerçekçi kılar. Bilgisayarlı görü uygulamaları "gören bir insan gibi her şeyi anlayan" sistemler değildir; belirli, iyi tanımlı görevleri, kontrollü koşullarda, insandan daha tutarlı ve daha ölçeklenebilir biçimde yapan araçlardır. Bu ayrımı baştan yapmak, hem doğru senaryoları seçmeyi hem de hayal kırıklığı yaratacak açık uçlu vaatlerden kaçınmayı sağlar; çünkü bir görü sisteminden gerçekçi olmayan bir esneklik beklemek, en sık yaşanan başarısızlık nedenlerinden biridir.

Bir görü projesinin kaderi genellikle daha ilk gün, henüz tek satır kod yazılmadan belirlenir. Başarıyı belirleyen üç şey vardır ve ilginç biçimde üçü de "model" değildir: problemin ne kadar dar tanımlandığı, kameranın gördüğü görüntünün ne kadar temiz olduğu ve etiketli verinin ne kadar iyi topladığı. Model, bu üçünün üzerine oturan son katmandır; sağlam bir temel yoksa en pahalı model bile projeyi kurtaramaz.

İlk belirleyici problem tanımıdır. "Fabrikadaki her şeyi denetleyelim" cümlesi bir proje değil, bir hayaldir; çünkü sistemin neyi "doğru" sayacağı belirsizdir. Buna karşılık "bu istasyonda geçen parçalarda çizik var mı" cümlesi çalışabilir bir problemdir: girdisi belli, çıktısı belli, doğru cevabı tanımlanabilir. Sahada başarılı olan bilgisayarlı görü uygulamalarının neredeyse tamamı, kapsamı acımasızca daraltılmış projelerdir. Kapsam genişledikçe, hem etiketleme yükü hem yanlış alarm riski hem de bakım karmaşıklığı katlanarak artar.

İkinci belirleyici görüntü kalitesidir; buna bu yazıda ısrarla döneceğiz çünkü en çok hafife alınan katman budur. Üçüncü belirleyici etiketli veridir: modele "neyin ne olduğunu" öğreten örneklerin miktarı, çeşitliliği ve doğruluğu. Bu üçünün ortak özelliği, "yazılım" değil "hazırlık" olmalarıdır. Deneyimli ekipler emeğin çoğunu bu hazırlığa ayırır; deneyimsiz ekipler ise doğrudan modele koşar ve sonra "model neden çalışmıyor" diye sorar. Cevap neredeyse her zaman modelde değil, hazırlıktadır.

Bu üç belirleyicinin birbirini nasıl etkilediğini görmek de önemlidir. Problemi darlaştırmak, doğrudan görüntü ve etiket yükünü hafifletir: tek bir kusur tipini tespit eden bir sistem, hem daha az çeşitli görüntü hem de daha az etiketli örnek gerektirir. Tersine, kapsamı genişletmek zinciri her noktadan gerer; daha çeşitli görüntü, daha büyük etiket seti, daha karmaşık yanlış alarm dengesi ve daha ağır bakım. Bu yüzden "başarıyı belirleyen nedir" sorusunun tek cümlelik cevabı şudur: kapsamı dar tutup ortamı ve veriyi doğru kurmak. Sahada başarılı olan ekipler, bu üç kaldıracı büyük hedeflerle değil, disiplinli sınırlarla yönetir. Bir görü projesini değerlendirirken ilk bakılacak şey modelin adı değil, problemin ne kadar dar ve ortamın ne kadar kontrollü tanımlandığıdır; çünkü bu iki tercih, geri kalan her kararın zeminini oluşturur.

Bilgisayarlı görü uygulamalarının hangi senaryolarda güvenilir çalıştığını bilmek, bir projeye başlamadan önce en değerli filtredir. Aşağıdaki tablo, yaygın senaryoları olgunluk düzeyine ve çalışması için gereken ön koşula göre yerleştirir. Bu, GEO açısından doğrudan alıntılanabilir bir çerçevedir ve "görü projeleri nerede işe yarıyor" sorusunun somut cevabıdır.

Bilgisayarlı görü senaryosu × sahadaki olgunluk × başarı için ön koşul

Senaryo	Sahadaki olgunluk	Kritik ön koşul
Görsel kalite kontrol (kusur tespiti)	Olgun - yaygın çalışıyor	Sabit ışık, kontrollü açı, temsil edici kusur örnekleri
Sayım ve mevcudiyet (parça, raf, stok)	Olgun	Sabit kamera, nesnelerin ayrışabilir olması
OCR / belge ve plaka okuma	Olgun	Yeterli çözünürlük, kontrast, dil/font desteği
Güvenlik: bölge ihlali, KKD (kask/yelek) kontrolü	Gelişmekte - çoğu yerde çalışıyor	İyi kamera yerleşimi, yanlış alarm eşiği yönetimi
Ölçüm ve boyutlandırma (görüntüden metrik)	Gelişmekte	Kalibrasyon, referans nesne, kararlı geometri
Belge anlama (düzen + içerik, multimodal)	Gelişmekte - hızla iyileşiyor	Temiz tarama, doğrulama katmanı, insan onayı
Açık uçlu sahne anlama (her şeyi yorumla)	Olgunlaşmamış - pilotta kalır	Kapsam daraltma; genellikle yeniden tanımlanmalı

Bu tablodaki desen açıktır: senaryo ne kadar dar ve doğru cevabı ne kadar net tanımlıysa, olgunluk o kadar yüksektir. Görsel kalite kontrol, sayım ve OCR yıllardır sahada güvenle çalışır çünkü bunlar kapalı uçlu problemlerdir. Güvenlik ve ölçüm senaryoları çalışır ama yanlış alarm ve kalibrasyon disiplini gerektirir. Açık uçlu "her şeyi anla" vaatleri ise neredeyse her zaman pilotta kalır; çözüm, onları daha dar ve tanımlı alt problemlere bölmektir.

Bir noktayı vurgulamak gerekir: aynı senaryo, farklı ortamlarda çok farklı olgunluk gösterir. Kontrollü bir üretim hattındaki kalite kontrol "olgun" iken, açık havada değişken ışık altındaki aynı görev "gelişmekte" seviyesine düşer. Bu yüzden bir senaryonun "çalışıp çalışmadığını" sormak yeterli değildir; "hangi ortamda çalıştığını" sormak gerekir. Kurumsal görüntü işleme projelerinde en sık yapılan hata, bir yerde çalışan çözümün her yerde çalışacağını varsaymaktır.

Bir görü sisteminin isabeti, modele verilen görüntünün kalitesiyle üst sınırlanır; kötü bir görüntüden mükemmel bir sonuç çıkmaz. Bu yüzden kurulum gerçekleri — kamera, lens, aydınlatma, açı ve montaj — bir görü projesinin en belirleyici ama en çok hafife alınan katmanıdır. Sahada başarısız olan projelerin büyük kısmı, model yetersizliğinden değil, ortam kontrolsüzlüğünden başarısız olur.

Aydınlatma tek başına en kritik değişkendir. Değişken, yansımalı veya yetersiz ışık, aynı nesneyi kareler arasında farklı gösterir ve modeli şaşırtır. İyi bir kurulumda ışık kontrol altına alınır: sabit yapay aydınlatma, yansımayı azaltan açılar, gerektiğinde gölge önleyici difüzör veya belirli görevlerde özel aydınlatma (örneğin yüzey kusurlarını belirginleştiren yandan ışık). "Model çiziği göremiyor" şikayetinin altından çoğu zaman "ışık çiziği belirginleştirmiyor" gerçeği çıkar. Aydınlatma, yazılımla değil fizikle çözülür.

Kamera ve lens seçimi ikinci belirleyicidir. Çözünürlük, kusurun görünür olması için yeterli olmalı ama gereksiz yüksek de olmamalıdır; aşırı çözünürlük işlem yükünü ve maliyeti artırır. Lens, alan derinliği ve bakış açısı görevle eşleşmelidir. Hareketli sahnelerde bulanıklığı önlemek için deklanşör hızı ve gerektiğinde global shutter önemlidir. Montaj titreşime dayanıklı olmalıdır; gevşeyen veya titreyen bir kamera, zamanla çerçeveyi kaydırır ve modelin gördüğü sahneyi sessizce değiştirir. Bu ayrıntılar sıkıcı görünür ama bir görü projesinin ayakta kalıp kalmayacağını belirleyen tam da bunlardır.

Ortam kontrolünün bir de operasyonel boyutu vardır. Kameralar tozlanır, lensler kirlenir, ışık kaynakları zamanla zayıflar. Bu yüzden kurulum yalnızca "ilk gün doğru" değil, "sürekli doğru kalacak" biçimde tasarlanmalıdır: temizlik rutinleri, koruyucu muhafazalar ve periyodik kalibrasyon. Bu operasyonel disiplin olmadan, ilk ay mükemmel çalışan bir sistem birkaç ay içinde sessizce bozulur. Görü sistemlerini uçta (edge) mi yoksa merkezi altyapıda mı çalıştıracağınız kararı da bu noktada devreye girer; kendi donanımınızda çalıştırma seçeneklerini on-premise ve egemen AI altyapısı yazısında ele alıyoruz.

Görüntü kalitesinin çoğu zaman fark edilmeyen bir boyutu da çerçeveleme ve tutarlılıktır. Modelin gördüğü sahne, örneklerin toplandığı andakiyle aynı kalmalıdır: kamera aynı açıda, nesne aynı mesafede ve aynı bölgede olmalıdır. Sahada sık yaşanan bir sorun, kurulumdan sonra birinin kamerayı "biraz düzeltmesi" veya bir bakım sırasında açının kaymasıdır; bu küçük fiziksel değişiklik, modelin eğitildiği dünyayı sessizce değiştirir ve isabeti düşürür. Bu yüzden olgun kurulumlarda kamera konumu sabitlenir, referans işaretlerle hizalama düzenli kontrol edilir ve herhangi bir fiziksel müdahale kayıt altına alınır. Görüntü kalitesi yalnızca "iyi bir kamera almak" değildir; kurulumdan itibaren tutarlılığı koruyan bir disiplindir. Bu tutarlılık sağlanmadığında, en iyi model bile zamanla güvenilmez hale gelir; çünkü modelin dünyası ile sahanın dünyası arasındaki fark, kimse fark etmeden büyür.

Bir görü projesinin gizli maliyetinin büyük kısmı etiketli veride saklıdır. Model mimarisi hazır gelir, altyapı kiralanır; ama modele "neyin ne olduğunu" öğreten etiketli örnekleri toplamak ve işaretlemek, emeğin ve zamanın çoğunu yer. Bu yüzden bir görü projesini planlarken sorulacak ilk sorulardan biri "modeli nasıl seçeceğiz" değil, "etiketli veriyi nasıl ve kim toplayacak" olmalıdır. Bu konuyu derinlemesine bilgisayarlı görü projelerinde veri etiketleme stratejisi yazısında ele alıyoruz; burada sahadaki temel gerçekleri özetliyoruz.

İlk gerçek, miktarın tek başına yeterli olmadığıdır. On bin benzer, kolay örnek yerine; bin tane çeşitli ve zor örnek çok daha değerlidir. Model, gördüğü örneklerin dünyasını öğrenir; eğer nadir kusurları, kötü ışığı, farklı açıları ve sınır durumları görmezse, sahada bunlarla karşılaştığında çuvallar. Bu yüzden iyi bir etiketleme stratejisi "çok veri" değil, "temsil edici veri" hedefler. Aktif öğrenme (active learning), modelin en çok zorlandığı örnekleri seçip öncelikle onları etiketleterek bu temsili verimli biçimde kurar ve toplam etiketleme maliyetini düşürür.

İkinci gerçek, etiket kalitesinin modelin tavanını belirlediğidir. Tutarsız, hatalı veya belirsiz etiketler, modele çelişkili sinyal verir ve öğrenmeyi bozar. Bu yüzden etiket şeması net tanımlanmalı, etiketleyicilere ayrıntılı talimat verilmeli ve etiketleyiciler arası uyum (aynı görüntüyü iki kişi aynı mı etiketliyor) ölçülmelidir. Sahada sık görülen bir sorun, "kusur" tanımının kişiden kişiye değişmesidir; bir etiketleyicinin kusur saydığını diğeri sağlam sayar ve model bu çelişkiden öğrenemez. Etiket şeması, projenin gizli anayasasıdır.

Etiketleme kararı × seçenek × sahadaki etkisi

Karar	Seçenek	Sahadaki etkisi
Veri miktarı	Az ama temsil edici vs çok ama tekdüze	Çeşitlilik miktardan daha belirleyici
Zor örnek toplama	Rastgele vs aktif öğrenme	Aktif öğrenme maliyeti belirgin düşürür
Etiketleyici	İç ekip vs dış hizmet	Uzmanlık gereken kusurda iç ekip üstün
Etiket şeması	Gevşek vs net tanımlı	Net şema uyumu ve model tavanını yükseltir
Kalite kontrol	Yok vs çift etiketleme + uyum ölçümü	Ölçülmeyen etiket kalitesi sessizce bozar

Üçüncü gerçek, etiketlemenin bir kerelik değil sürekli bir iş olduğudur. Saha değiştikçe (yeni ürün, yeni kusur tipi, yeni ortam), yeni etiketli veri gerekir. Bu yüzden başarılı görü projeleri, etiketlemeyi bir proje başı görevi değil, yaşayan bir süreç olarak kurar: sahadan sürekli örnek toplayan, zor durumları yakalayan ve modeli tazeleyen bir döngü. Kurumsal görüntü işleme çözümlerinin uzun ömrü, tam da bu etiketleme döngüsünün kalıcılığına bağlıdır.

Etiketleme yükünü planlarken sık atlanan bir gerçek de sınıf dengesizliğidir. Çoğu gerçek problemde "kusur" örnekleri, "sağlam" örneklerden çok daha nadirdir; bir hatta yüz sağlam parçaya bir kusur düşebilir. Bu dengesizlik, modelin nadir ama en önemli sınıfı yeterince görememesine yol açar. Bu yüzden etiketleme stratejisi, rastgele toplamaya değil, nadir ve zor örnekleri bilinçli olarak öne çıkarmaya dayanmalıdır. Pratikte bu, sahadan sürekli örnek toplayan bir mekanizma, modelin "emin olamadığı" durumları biriktiren bir kuyruk ve bu zor örnekleri önceliklendiren bir etiketleme akışı demektir. Bu disiplin olmadan, on binlerce kolay örneğe rağmen model tam da yakalaması gereken nadir durumda başarısız olur. Etiketli veri, görü projelerinin hem en büyük gizli maliyeti hem de en yüksek getirili yatırım noktasıdır; doğru kurgulanan bir etiketleme süreci, ortalama bir modelle bile güçlü bir sistem üretebilir.

Bir görü sisteminin gerçek iş değeri, "yüzde kaç doğru" sayısında değil, yaptığı hataların iş maliyetinde gizlidir. İki tür hata vardır ve bunların bedeli genellikle çok farklıdır. Yanlış pozitif (false positive), olmayan bir durumu var sanmaktır: sağlam parçayı kusurlu işaretlemek, boş bölgede ihlal alarmı vermek. Yanlış negatif (false negative) ise gerçek bir durumu kaçırmaktır: kusurlu parçayı geçirmek, gerçek bir ihlali görmemek. İyi tasarlanmış bilgisayarlı görü uygulamaları, bu ikisini tek bir "doğruluk" sayısına indirmez; her birinin ayrı maliyetini hesaplar.

Neden? Çünkü bir tıbbi güvenlik uygulamasında yanlış negatif (gerçek tehlikeyi kaçırmak) felakettir; birkaç fazladan yanlış alarma katlanmaya değer. Buna karşılık yüksek hacimli bir üretim hattında sürekli yanlış pozitif (durmadan yanlış alarm), operatörleri yorar, hattı gereksiz durdurur ve zamanla sistemin görmezden gelinmesine yol açar — ki bu, sistemin tamamen işe yaramaz hale gelmesi demektir. Aynı model, aynı "doğruluk" sayısıyla, bir senaryoda başarılı diğerinde felaket olabilir; fark, hangi hatanın daha pahalı olduğundadır.

Bu yüzden tasarımın kalbinde karar eşiği (threshold) vardır. Model her tespit için bir güven skoru üretir; eşik, "hangi skorun üstünü alarm sayacağız" kararıdır. Eşiği yükseltmek yanlış pozitifi azaltır ama yanlış negatifi artırır; düşürmek tersini yapar. Doğru eşik, tek bir matematiksel optimum değil, sürecin gerçek maliyet yapısına oturan bir iş kararıdır. Bu kararı vermek için precision (kesinlik: alarmların ne kadarı gerçek) ve recall (duyarlılık: gerçeklerin ne kadarını yakaladık) kavramları kullanılır; ikisi arasındaki denge, işin doğasına göre ayarlanır.

Yanlış alarm ekonomisinin operasyonel bir sonucu daha vardır: insan-makine iş bölümü. Çoğu olgun görü sisteminde model tek başına karar vermez; belirsiz vakaları bir insana yönlendirir. Yüksek güvenli tespitler otomatik işlenir, sınırdaki vakalar operatöre gider. Bu tasarım, hem yanlış alarm maliyetini düşürür hem de sistemin güvenini korur. İyi kurgulanmış bir görü çözümü, "her şeyi makine karar versin" değil, "makine kolay olanı halletsin, zoru insana bıraksın" mantığıyla çalışır.

Bu dengeyi somutlaştırmak için tamamen açıklayıcı (illüstratif) bir çerçeve düşünelim: bir hatta günde on bin parça geçiyor ve gerçek kusur oranı binde bir olsun. Eşiği çok gevşek tutarsanız, sistem her yüz parçadan birinde yanlış alarm verse bile günde yüz yanlış alarm demektir; bu, gerçek kusur sayısının katbekat üstünde bir gürültü yükü yaratır ve operatör kısa sürede alarmlara güvenmeyi bırakır. Eşiği çok sıkarsanız bu kez gerçek kusurları kaçırmaya başlarsınız. Bu basit çerçeve, neden tek bir "doğruluk" sayısının yetmediğini gösterir: aynı sistemin iş değeri, tamamen eşiğin sürecin maliyet yapısına ne kadar iyi oturtulduğuna bağlıdır. Bu sayılar gerçek bir ölçüm değil, dengeyi göstermek için kurgulanmış bir örnektir; ama sahadaki mantık tam olarak böyle işler. Bu yüzden olgun ekipler eşiği bir kez ayarlayıp bırakmaz; süreç, ürün ve hacim değiştikçe düzenli olarak yeniden kalibre eder.

Bir görü modeli kurulduğu gün en iyi halinde değildir aslında; en iyi halinde olduğu gün, kurulduğu gündür ve oradan itibaren yavaşça bozulmaya başlar. Bunun nedeni modelin kendisi değil, dünyanın değişmesidir. Model, eğitildiği andaki koşulları öğrenir; ama saha canlıdır. Aydınlatma mevsimle ve günün saatiyle değişir, kameralar tozlanır ve hafifçe kayar, ürün ambalajları yenilenir, yeni ürün çeşitleri hatta girer, süreçler güncellenir. Eğitim koşulları ile güncel koşullar arasında açılan bu fark — teknik adıyla dağılım kayması (distribution shift) — isabeti sessizce düşürür.

Bu sessizlik tehlikelidir. Model bir gün aniden çökmez; haftalar içinde birkaç puan kötüleşir, sonra birkaç puan daha, ta ki birileri "bu sistem eskisi kadar iyi değil" diyene kadar. O noktaya gelindiğinde güven çoktan aşınmıştır. Bu yüzden görü sistemlerinde en kritik operasyonel disiplin izlemedir: performans metriklerini sürekli takip etmek, düşüşü erken yakalamak ve müdahale etmek. İzlenmeyen bir görü sistemi, ne zaman ve neden bozulduğunu kimsenin bilmediği bir kara kutuya dönüşür.

Bozulma yakalandığında çözüm yeniden eğitimdir (retraining): sahadaki güncel koşulları temsil eden yeni örnekleri toplamak, etiketlemek ve modeli bunlarla tazelemek. Bu, en baştaki eğitimin küçük bir tekrarıdır ve düzenli bir ritme oturtulmalıdır. Ne sıklıkla? Bu, ortamın ne kadar değişken olduğuna bağlıdır: kontrollü bir laboratuvar ortamı yılda bir tazeleme isterken, açık ve değişken bir ortam çok daha sık gerektirir. Kritik olan, yeniden eğitimi bir kriz müdahalesi değil, planlı bir bakım rutini haline getirmektir.

Görü sisteminde bozulma nedeni × belirti × müdahale

Bozulma nedeni	Sahadaki belirti	Müdahale
Aydınlatma değişimi (mevsim/saat)	Belirli saatlerde isabet düşer	Işığı sabitle veya o koşulla yeniden eğit
Kamera kayması/kirlenmesi	Çerçeve kayar, bulanıklık artar	Fiziksel bakım + kalibrasyon rutini
Yeni ürün/ambalaj	Yeni çeşitte yanlış sonuç	Yeni sınıf için örnek topla, yeniden eğit
Yeni kusur tipi	Daha önce görülmeyen kusur kaçar	Zor örnek topla, etiket şemasını genişlet
Süreç/hız değişimi	Hareket bulanıklığı, kaçırma artar	Kamera/deklanşör ayarını güncelle

Bu tablo bir gerçeği görünür kılar: bozulmaların çoğu modelden değil, fiziksel ve süreçsel değişimlerden gelir. Bu yüzden bakım yalnızca "modeli yeniden eğit" değildir; çoğu zaman kamerayı temizlemek, ışığı düzeltmek veya çerçeveyi hizalamaktır. Görü sistemlerinin operasyon yükü, tam da bu fiziksel-dijital karışımdır. Bir görü çözümünü sürdürülebilir kılmak için gereken izleme ve operasyon disiplinini, daha geniş yapay zeka operasyonları bağlamında altyapı ve operasyon perspektifiyle birlikte düşünmek gerekir.

Son yılların en büyük değişimi, görüntüyü metinle birlikte işleyen multimodal modellerin olgunlaşmasıdır. Klasik bilgisayarlı görü uygulamaları tek ve dar bir görevi çok iyi yapar: bir nesneyi tespit eder, sayar veya sınıflandırır. Multimodal modeller ise görüntü ile dili birleştirerek daha esnek görevler açar: bir belgedeki hem düzeni hem içeriği anlamak, bir görsele dair doğal dilde soru yanıtlamak, bir sahneyi açıklamak, bir grafikten sonuç çıkarmak. Bu birleşim, "her şeyi görsün" hayaline değil ama daha zengin ve bağlamlı görevlere kapı aralar. Bu modellerin nasıl çalıştığını multimodal model nedir yazısında ayrıntılı ele alıyoruz.

En pratik multimodal senaryo belge anlamadır. Bir fatura, sözleşme veya form yalnızca metin değildir; düzeni, tabloları, kutucukları ve imza alanları da anlam taşır. Klasik OCR yalnızca yazıyı çıkarır; multimodal bir model ise "bu sayı toplam tutardır, bu tarih son ödeme tarihidir, bu alan boş bırakılmış" gibi düzen-içerik ilişkisini yakalayabilir. Bu, kurumsal görüntü işleme uygulamalarında büyük bir sıçramadır çünkü yapılandırılmamış belgelerden yapılandırılmış veri çıkarmayı kolaylaştırır. Ama bir uyarıyla: multimodal modeller de hata yapar ve kritik süreçlerde bir doğrulama katmanı ile insan onayı şarttır.

Multimodal esnekliğin bir bedeli vardır ve bu bedeli anlamadan bu modelleri sahaya koymak risklidir. Multimodal modeller genellikle klasik dar görü modellerinden daha yavaş ve daha maliyetlidir; saniyede yüzlerce parça geçen bir hatta gerçek zamanlı çalışmaları zor olabilir. Ayrıca hata biçimleri daha öngörülemezdir: bazen kendinden emin biçimde yanlış bir yorum üretebilirler (görsel halüsinasyon). Bu yüzden görev dar, tekrarlı ve hız-kritikse klasik görü modeli; görev esnek, bağlam gerektiren ve dil-görüntü birleşimi içeriyorsa multimodal model daha doğru seçimdir.

Klasik görü modeli vs multimodal model ne zaman kullanılır

Boyut	Klasik dar görü modeli	Multimodal model
En iyi görev	Tespit, sayım, sınıflandırma	Belge anlama, sahne açıklama, görsel soru-cevap
Hız	Çok hızlı, gerçek zamanlı	Daha yavaş
Maliyet	Düşük	Daha yüksek
Esneklik	Dar, tek görev	Geniş, bağlamlı
Hata biçimi	Öngörülebilir, dar	Öngörülemez olabilir (görsel halüsinasyon)

Doğru mimari çoğu zaman ikisinin birleşimidir. Yüksek hacimli, tekrarlı görevi hızlı bir klasik model halleder; karmaşık, bağlam gerektiren vakayı bir multimodal model derinlemesine değerlendirir. Bu katmanlı yaklaşım, hem hız ve maliyeti hem de esnekliği dengeler. Bilgisayarlı görü uygulamalarının geleceği, klasik ile multimodal arasında seçim yapmak değil, ikisini akıllıca birleştirmektir.

Multimodal modelleri sahaya koyarken en kritik tasarım kararı doğrulama katmanıdır. Bu modeller esnek oldukları kadar öngörülemez de olabildiğinden, çıktılarını körü körüne kabul etmek risklidir. Örneğin bir fatura okuma senaryosunda, multimodal modelin çıkardığı toplam tutar, kalemlerin toplamıyla otomatik karşılaştırılabilir; tutmuyorsa vaka insana yönlendirilir. Bu tür mantık kontrolleri, modelin güçlü ama kusurlu çıktısını güvenilir bir sürece çevirir. Kural şudur: multimodal modeli, karar verici değil, öneri üreten bir bileşen olarak konumlandırın ve kritik süreçlerde mutlaka bir doğrulama ve insan onayı katmanı ekleyin. Bu disiplinle kurulduğunda, görüntü ve metni birlikte işleyen sistemler kurumsal görüntü işleme alanında gerçekten dönüştürücü olabilir; disiplinsiz kurulduğunda ise etkileyici demolar üretip sahada güven kaybeder.

Görü projelerinde en sık sorulan ve en yanlış cevaplanan soru şudur: "hangi modeli kullanmalıyız?" Bu soru, sıralamada çok erken sorulur. Deneyimli bir bakış açısıyla doğru sıralama nettir: önce problemi darlaştır, sonra kamera ve aydınlatmayla temiz bir görüntü üret, ardından etiketli veriyi kaliteli topla ve en sona model seçimini bırak. Bu sıralamayı tersine çevirmek — önce modele koşmak — sahada başarısız olan projelerin ortak imzasıdır.

Nedeni basit ve tekrar tekrar kanıtlanmıştır: küçük ve hızlı bir model iyi bir görüntüyle, dev ve pahalı bir model kötü bir görüntüden daha iyi sonuç verir. Yani aynı bütçe ve emeği modeli büyütmek yerine görüntüyü iyileştirmeye harcamak, neredeyse her zaman daha yüksek getiri sağlar. Bir çiziği model göremiyorsa, önce sorulacak soru "daha büyük model alsak mı" değil, "ışığı çiziği belirginleştirecek şekilde ayarlasak mı" olmalıdır. Ortamdaki iyileştirme, yazılımdaki iyileştirmeden hem daha ucuz hem daha kalıcıdır.

Bu, modelin önemsiz olduğu anlamına gelmez. Ortam ve veri sağlam kurulduktan sonra model seçimi gerçek bir fark yaratır: mimari, boyut, hız-isabet dengesi ve donanıma uygunluk önemlidir. Ama bu, ince ayar katmanıdır; temel katman değildir. Model seçiminin donanımla ilişkisi de kritiktir: gerçek zamanlı çalışacak bir sistemde modelin hızı, çalışacağı donanımla (uçtaki bir cihaz mı, GPU'lu bir sunucu mu) birlikte düşünülmelidir. Bu ilişkiyi anlamak için GPU nedir ve kurumsal AI'da neden gerekir yazısı iyi bir temel sağlar.

Bu sıralamanın pratik bir sonucu, satın alma ve tedarikçi değerlendirmesini de değiştirmesidir. Bir görü çözümü satın alırken sorulacak ilk soru "hangi modeli kullanıyorsunuz" değil, "bu çözümü benim ortamımda, benim aydınlatmamla, benim ürünlerimle nasıl doğrulayacağız" olmalıdır. Etkileyici bir demo, kontrollü bir sunum ortamında her zaman iyi görünür; asıl soru, aynı çözümün sizin sahanızın gerçek koşullarında da ayakta kalıp kalmayacağıdır. Bu yüzden olgun kurumlar, bir görü çözümünü kendi verileriyle ve kendi ortamlarında test etmeden büyük taahhüde girmez. Model seçimi önemli bir karardır ama tek başına bir çözümün başarısını garanti etmez; garanti, ortam, veri ve operasyonun birlikte doğru kurulmasından gelir. Kurumsal görüntü işleme yatırımlarında en pahalı hayal kırıklıkları, çoğu zaman güçlü bir modelin kötü bir ortama veya zayıf bir veri temeline oturtulmasından doğar.

Bir görü sisteminin nerede çalışacağı — kameranın yanındaki bir uç cihazda (edge) mı, yoksa merkezi bir sunucuda veya bulutta mı — hem performansı hem maliyeti hem de gizliliği doğrudan etkiler. Bu karar, model seçiminden bağımsız değildir; hangi modelin uygun olduğunu da belirler. Sahada bu ikili sık sık yanlış tarafa kurulur ve sonuç ya gereksiz maliyet ya kabul edilemez gecikme olur.

Uçta (edge) çalıştırmanın gücü hız ve bağımsızlıktır. Görüntü, işlenmek için ağ üzerinden bir yere gönderilmez; kameranın yanındaki cihazda anında değerlendirilir. Bu, gerçek zamanlı kararların şart olduğu senaryolarda (hızlı bir üretim hattında anında ret/kabul, güvenlikte anlık alarm) kritiktir. Ayrıca görüntü tesisten dışarı çıkmadığı için gizlilik ve veri ikametgahı açısından da avantajlıdır. Bedeli, uç cihazın sınırlı işlem gücüdür: burada dev modeller çalışmaz, hafif ve optimize edilmiş modeller gerekir.

Bulutta veya merkezi sunucuda çalıştırmanın gücü ise esneklik ve ölçektir. Ağır modeller, büyük toplu işlemler ve merkezi yönetim burada mümkündür. Bedeli gecikme ve bant genişliğidir: her kareyi ağ üzerinden göndermek hem yavaştır hem pahalıdır hem de bağlantı koptuğunda sistem durur. Ayrıca görüntülerin tesis dışına çıkması, gizlilik ve mevzuat açısından ek değerlendirme gerektirir. Verinin nerede durduğu ve işlendiği, özellikle kişisel veri veya hassas görüntü içeren senaryolarda baştan planlanmalıdır.

Pratikte olgun kurulumlar sıklıkla hibrit çalışır: gerçek zamanlı, yüksek hacimli karar uçta verilir; karmaşık analiz, model güncelleme ve merkezi izleme buluttan yürütülür. Bu ayrımı doğru kurmak, hem performansı hem maliyeti optimize eder. Kendi altyapınızda çalıştırma, veri ikametgahı ve egemenlik boyutlarını on-premise ve egemen AI altyapısı yazısında ayrıntılı ele alıyoruz.

Bir görü sistemini "iyi çalışıyor" diye kabul etmek, ölçmeden verilebilecek en tehlikeli yargıdır. Ölçülmeyen bir görü sistemi yönetilemez; ne zaman bozulduğunu, hangi durumda başarısız olduğunu ve iyileştirmenin gerçekten işe yarayıp yaramadığını bilemezsiniz. Bu yüzden değerlendirme, bir görü projesinin bittiği değil, sürekli döndüğü bir katmandır. Doğru değerlendirme, önce doğru soruları sormakla başlar.

Değerlendirmenin temeli, gerçeği temsil eden bir test kümesidir: sahadan toplanmış, doğru cevabı özenle işaretlenmiş, zor durumları da içeren örnekler. Bu küme, modelin eğitildiği veriden ayrı tutulmalıdır; yoksa "ezberi" ölçersiniz, gerçek performansı değil. İyi bir test kümesi, sahanın çeşitliliğini yansıtır: farklı ışıklar, açılar, ürünler ve nadir durumlar. Test kümesi ne kadar gerçeği temsil ederse, değerlendirme o kadar güvenilirdir. Sahada sık görülen bir hata, kolay ve temiz örneklerden oluşan bir test kümesiyle "mükemmel" sonuç alıp, gerçek dünyada çuvallamaktır.

Ölçülecek metrikler, işin doğasına göre seçilir. Tek bir "doğruluk" sayısı neredeyse her zaman yanıltıcıdır; yerine precision ve recall'ı ayrı ayrı, hata türlerinin iş maliyetiyle birlikte görmek gerekir. Nadir olayların olduğu senaryolarda (dengesiz sınıflar), doğruluk özellikle aldatıcıdır ve olaya özel metrikler gerekir. Bunun yanında operasyonel metrikler de ölçülür: gecikme (karar ne kadar sürüyor), verim (saniyede kaç kare), ve maliyet. Bir görü sisteminin gerçek değeri, bu teknik ve operasyonel metriklerin birlikte değerlendirilmesinden çıkar.

Nasıl Yapılır

Bir görü sistemini değerlendirme adımları

Bilgisayarlı görü uygulamalarının kalitesini sahada güvenilir biçimde ölçmek için izlenecek temel adımlar.

1. 1

   Gerçeği temsil eden test kümesi kur

   Sahadan toplanmış, zor durumları içeren, doğru cevabı işaretli ve eğitimden ayrı bir küme hazırla.

2. 2

   Hata türlerini ayrı ölç

   Tek 'doğruluk' yerine yanlış pozitif ve yanlış negatifi ayrı ayrı, iş maliyetiyle birlikte değerlendir.

3. 3

   Eşiği maliyet dengesine göre ayarla

   Precision-recall dengesini sürecin gerçek maliyet yapısına oturt; tek bir optimum arama.

4. 4

   Operasyonel metrikleri de ölç

   Gecikme, saniyedeki kare sayısı ve maliyet gibi saha metriklerini birlikte izle.

5. 5

   Sürekli izle ve düzenli tekrarla

   Değerlendirmeyi bir kez değil, her değişiklikte ve periyodik olarak çalıştırarak bozulmayı erken yakala.

Değerlendirmenin son ve en çok atlanan boyutu insan faktörüdür. Sistem teknik olarak isabetli olsa bile, operatörler ona güvenmiyorsa veya iş akışına oturmuyorsa değer üretmez. Bu yüzden değerlendirme, salt teknik metrikleri değil, operatör güvenini ve gerçek iş sonucunu (kaç kusur yakalandı, ne kadar zaman kazanıldı) da içermelidir. Kullanıcı benimsemesinin bir sistemin kaderini nasıl belirlediğini kullanıcı benimsemesini belirleyen faktörler saha notunda ele alıyoruz.

Aynı temel yetenekler farklı sektörlerde çok farklı kullanım senaryolarına dönüşür; ve her sektörün ön koşulları, riskleri ve olgunluğu birbirinden ayrılır. Bir üretim tesisindeki kontrollü ortamda güvenle çalışan bir çözüm, açık havadaki bir tarım uygulamasında baştan tasarlanmayı gerektirir. Bu yüzden bilgisayarlı görü uygulamalarını değerlendirirken "genel olarak çalışır mı" değil, "benim sektörümdeki bu kullanım senaryosunda çalışır mı" diye sormak gerekir. Aşağıda sahada en çok karşılaşılan kullanım senaryolarını sektör bağlamında ele alıyoruz.

Üretim ve endüstri, görünün en olgun sahasıdır. Buradaki kullanım senaryoları görsel kalite kontrol (yüzey kusuru, montaj eksiği, etiket hatası), parça sayımı, montaj doğrulama ve boyut ölçümüdür. Ortam kontrollü olduğundan (sabit ışık, sabit kamera, tekrarlı akış) başarı olasılığı yüksektir; asıl zorluk nadir kusurların temsili ve yanlış alarm eşiğidir. Perakende ve lojistikte kullanım senaryoları raf mevcudiyeti ve planogram denetimi, stok sayımı, paket ve barkod okuma, kargo hasar tespiti ve mağaza içi analitiktir. Burada ortam daha değişkendir; ışık, kalabalık ve açı çeşitliliği kurulumu zorlaştırır.

Sağlık, tarım ve güvenlik ise ayrı dinamikler taşır. Sağlıkta görüntüleme destekli analiz güçlü bir alandır ama en yüksek doğrulama ve düzenleme yükünü gerektirir; burada model asla tek karar verici değildir, bir uzmanı destekleyen araçtır. Tarımda kullanım senaryoları hastalık ve zararlı tespiti, ürün sayımı ve olgunluk değerlendirmesidir; açık hava ve değişken ışık en büyük zorluktur. Güvenlik ve iş sağlığında koruyucu ekipman kontrolü, bölge ihlali ve kalabalık analizi öne çıkar; burada yanlış alarm yönetimi ve gizlilik dengesi kritiktir. Her sektörde ortak ilke değişmez: kullanım senaryosu ne kadar dar tanımlıysa ve ortam ne kadar kontrollüyse, kurumsal görüntü işleme çözümü o kadar güvenilir çalışır.

Sektör × tipik kullanım senaryoları × en büyük zorluk

Sektör	Tipik kullanım senaryoları	En büyük zorluk
Üretim / endüstri	Kalite kontrol, sayım, montaj doğrulama	Nadir kusur temsili, yanlış alarm eşiği
Perakende / lojistik	Raf mevcudiyeti, stok sayımı, barkod/hasar	Değişken ışık ve açı, kalabalık sahne
Sağlık	Görüntüleme destekli analiz, ölçüm	Yüksek doğrulama ve düzenleme yükü
Tarım	Hastalık/zararlı tespiti, ürün sayımı	Açık hava, değişken ışık ve zemin
Güvenlik / İSG	KKD kontrolü, bölge ihlali, kalabalık	Yanlış alarm ve gizlilik dengesi

Bu tablonun verdiği en önemli ders şudur: bir sektörde olgun sayılan bir kullanım senaryosu, başka bir sektörde henüz gelişmekte olabilir. Bu yüzden başka bir kurumun başarı hikayesini kendi bağlamınıza doğrudan taşımak yanıltıcıdır; ortam, veri ve risk profili farklıdır. Doğru yaklaşım, kendi sektörünüzdeki en dar ve en değerli kullanım senaryosunu seçip onu kanıtlamak, sonra genişletmektir.

Bilgisayarlı görü uygulamaları denince akla hemen derin öğrenme (deep learning) gelir; ama sahada hâlâ klasik, kural tabanlı görü yöntemleri çok iş görür ve bazen derin öğrenmeden daha uygun bir seçimdir. Klasik yöntemler, görüntüyü elle tasarlanmış kurallarla işler: eşikleme (belirli bir parlaklığın üstünü ayır), kenar bulma, renk filtreleme, şablon eşleştirme, geometrik ölçüm. Bu yöntemler şeffaftır, hızlıdır, az veriyle çalışır ve neden öyle karar verdiği açıkça izlenebilir.

Derin öğrenme tabanlı yöntemler ise kuralları elle yazmak yerine örneklerden öğrenir. Karmaşık, çeşitli ve tanımı zor durumlarda (doğal sahneler, çeşitli kusur biçimleri, esnek nesneler) klasik kuralların yazılamayacağı yerlerde üstündür. Bedeli, etiketli veri ihtiyacı, hesaplama yükü ve kararının daha az şeffaf olmasıdır. Doğru seçim, problemin doğasına bağlıdır: iyi tanımlı, geometrik ve kontrollü bir görev (bir deliğin çapını ölçmek, bir etiketin doğru yerde olup olmadığını kontrol etmek) çoğu zaman klasik yöntemlerle daha ucuz ve güvenilir çözülür.

Sahada en sağlam mimariler sıklıkla ikisini birleştirir. Klasik ön işleme (kırpma, hizalama, normalleştirme) görüntüyü temizler; derin öğrenme modeli zor kararı verir; klasik son işleme (geometrik doğrulama, mantık kontrolü) sonucu doğrular. Bu hibrit yaklaşım, derin öğrenmenin gücünü klasik yöntemlerin şeffaflığı ve verimliliğiyle dengeler. "Her şeyi derin öğrenmeye yaptıralım" refleksi, çoğu zaman gereğinden karmaşık, veri-aç ve pahalı bir çözüm doğurur; oysa dar bir problem, mütevazı bir klasik yöntemle çözülebiliyorsa, en sağlam karar odur.

Bilgisayarlı görü uygulamaları çoğu zaman insan içeren görüntülerle çalışır: bir mağazadaki müşteriler, bir sahadaki çalışanlar, bir kameranın gördüğü herkes. Bu, görü projelerini teknik bir mesele olmaktan çıkarıp bir gizlilik ve etik meselesi haline getirir. Yüz, plaka, konum ve davranış gibi bilgiler kişisel veri sayılabilir; ve kişisel veri işlendiği anda KVKK (Kişisel Verilerin Korunması Kanunu) yükümlülükleri devreye girer. Bu bölüm tanımsal ve bilgilendirme amaçlıdır; hukuki tavsiye değildir ve kurumunuzun hukuk/uyum birimiyle birlikte uygulanmalıdır.

En temel ilke amaçla sınırlılık ve veri minimizasyonudur: yalnızca gerçekten gereken görüntüyü, gerçekten gereken süre kadar tutmak. Bir güvenlik uygulaması bölge ihlalini tespit etmek için kimseyi kimliklendirmek zorunda değildir; çoğu senaryo, yüzü bulanıklaştırarak veya yalnızca "insan var/yok" bilgisini tutarak aynı işi görebilir. Görüntüde kimlik bilgisini gizlemek (anonimleştirme/maskeleme), gereksiz kaydı silmek ve erişimi yetkiyle sınırlamak, hem yasal hem etik açıdan doğru tasarımın temelidir. Bu tasarım kararları, sistemin risk profilini doğrudan belirler; bu yüzden bir görü projesinde risk değerlendirmesi baştan yapılmalıdır. Nasıl yapılacağını AI risk değerlendirme dokümanı nasıl hazırlanır yazısında ele alıyoruz.

Etik boyut yasal boyuttan daha geniştir. Bir görü sistemi, tasarımındaki veri yanlılığı yüzünden bazı grupları diğerlerinden daha kötü tanıyabilir; bu, adaletsiz sonuçlar doğurur. Şeffaflık (insanlar izlendiklerini biliyor mu), rıza (uygun olduğunda) ve insan gözetimi (kritik kararlarda son sözü insanın söylemesi) sorumlu bir görü uygulamasının olmazsa olmazlarıdır. Kurumsal görüntü işleme çözümleri, teknik başarıları kadar bu sorumluluk çerçevesiyle de değerlendirilmelidir; çünkü güveni kaybeden bir sistem, ne kadar isabetli olursa olsun sürdürülemez.

Bir görü projesinin bütçesini planlarken en sık yapılan hata, maliyeti yalnızca "model geliştirme" olarak görmektir. Oysa bir görü sisteminin toplam sahip olma maliyeti (TCO) çok daha geniş bir kalemler kümesidir ve gizli maliyetlerin çoğu ilk bütçede görünmez. Bu maliyetleri baştan görmek, hem gerçekçi bir plan yapmayı hem de getiriyi dürüstçe hesaplamayı sağlar.

İlk kalem donanım ve kurulumdur: kameralar, lensler, aydınlatma ekipmanı, montaj, kablolama ve — gerçek zamanlı senaryolarda — uç işlem cihazı veya GPU'lu sunucu. İkinci ve çoğu zaman en büyük kalem veri ve etiketlemedir: örnek toplama, etiketleme iş gücü, kalite kontrol ve etiketleme araçları. Üçüncü kalem geliştirme ve entegrasyondur: model geliştirme, mevcut sistemlere bağlama, arayüz ve test. Bu üç kalem "kurulum maliyeti"ni oluşturur ve genellikle beklenenden yüksektir; çünkü ortam ve veri, göründüğünden daha emek yoğundur.

Ama asıl gözden kaçan, süregelen işletme maliyetidir. Bir görü sistemi kurulunca bitmez: sürekli izleme, periyodik yeniden eğitim, yeni etiketli veri toplama, donanım bakımı (kamera temizliği, kalibrasyon, arıza değişimi) ve altyapı işletimi kalıcı maliyetlerdir. Bu süregelen yük, çoğu zaman ilk kurulum maliyetine yakın veya daha büyük olabilir ve tam da bu yüzden ihmal edilen projeler zamanla çöker. Gerçekçi bir görü bütçesi, ilk kurulumu ve en az birkaç yıllık işletmeyi birlikte hesaplar; getiriyi de bu tam maliyetle karşılaştırır. Model seçimi ve donanım dengesinin maliyete etkisini GPU nedir yazısıyla birlikte değerlendirmek yararlıdır.

Bilgisayarlı görü uygulamalarını teoride anlamak kolaydır; sahada ayakta kalan bir sistem kurmak zordur. Deneyimli bir gözle bakıldığında, başarısız görü projeleri benzer hatalarla kırılır. Bu hataların çoğu teknik değil, sıralama ve önceliklendirme hatalarıdır. En yaygınları şunlardır:

• Ortam yerine modele odaklanmak: En sık ve en pahalı hata; tüm dikkati "hangi model" sorusuna verip kamera, ışık ve montaja yeterince yatırım yapmamak. Oysa başarının büyük kısmı görüntü kalitesinden gelir.
• Kapsamı yeterince daraltmamak: "Her şeyi denetleyelim" hedefi, sistemin neyi doğru sayacağını belirsizleştirir ve projeyi pilotta boğar. Dar ve tanımlı başlamak şarttır.
• Etiket kalitesini hafife almak: Tutarsız ve belirsiz etiketler modele çelişkili sinyal verir; etiketleyiciler arası uyum ölçülmezse model tavanı düşük kalır.
• Zor örnekleri toplamamak: Yalnızca kolay ve temiz örneklerle eğitilen model, sahadaki nadir ve zor durumlarda çuvallar; çeşitlilik miktardan önemlidir.
• Yanlış alarm ekonomisini görmezden gelmek: Tek bir "doğruluk" sayısına bakıp iki hata türünün farklı iş maliyetini göz ardı etmek, sahada işe yaramayan sistemler doğurur.
• İzleme ve yeniden eğitim planlamamak: "Kur ve unut" yaklaşımı, dünyanın değişmesiyle sessizce bozulan bir sistem bırakır; bakım baştan planlanmalıdır.
• İnsan faktörünü atlamak: Teknik olarak iyi ama operatörün güvenmediği veya iş akışına oturmayan bir sistem değer üretmez; benimseme baştan düşünülmelidir.
• Gerçekçi olmayan test kümesiyle kendini kandırmak: Kolay örneklerden oluşan bir testte "mükemmel" görünüp gerçek dünyada başarısız olmak, en yaygın öz aldatmadır.

Bu hatalardan kaçınmanın en pratik yolu, küçük bir kapsamla başlayıp ölçerek büyümektir. Tüm kurumu bir anda görüyle donatmaya çalışmak yerine, tek bir dar senaryoda (örneğin tek istasyonda tek kusur tipi) başlamak hem riski düşürür hem de öğrenmeyi hızlandırır. Sahada kanıtlanmış küçük bir başarı, kağıt üstünde parlak ama belirsiz bir büyük vaatten her zaman daha değerlidir.

Bir görü sisteminin gerçek zamanlı mı yoksa toplu (batch) mı çalışacağı, tüm mimariyi baştan değiştiren bir karardır. Saniyede onlarca parçanın geçtiği bir üretim hattında sistem, her kareyi milisaniyeler içinde değerlendirip anında ret/kabul kararı vermek zorundadır; oysa gece toplu işlenen bir belge yığınında hız neredeyse önemsizdir. Bu iki uçtaki bilgisayarlı görü uygulamaları çok farklı model, donanım ve tasarım tercihleri gerektirir; birini diğerinin gereksinimleriyle kurmak ya gereksiz maliyet ya kabul edilemez gecikme doğurur.

Gerçek zamanlı senaryoda üç kısıt öne çıkar. Birincisi gecikme (latency): karar, sürecin izin verdiği süreden hızlı üretilmeli; yoksa hat bekler veya parça kaçar. İkincisi verim (throughput): sistem saniyede kaç kareyi işleyebiliyor. Üçüncüsü kararlılık: sistemin ara sıra değil, sürekli ve öngörülebilir hızda çalışması. Bu kısıtlar model seçimini doğrudan daraltır: gerçek zamanlı bir hatta dev, yavaş bir model çalışamaz; hafif, optimize edilmiş ve gerektiğinde uçta çalışan bir model gerekir. Modelin küçültülmesi (nicemleme, budama gibi teknikler) ve uygun donanım seçimi burada kritik hale gelir.

Toplu işleme senaryosu ise farklı bir özgürlük sunar. Belgeler, geçmiş görüntüler veya gece biriken veriler acele gerektirmeden işlenebildiğinde, daha ağır ve daha isabetli modeller kullanılabilir; hız yerine kalite önceliklenir. Doğru mühendislik, senaryonun hangi uçta olduğunu baştan netleştirmek ve tüm kararları (model, donanım, dağıtım) o gereksinime göre vermektir. "Her ihtimale karşı en hızlısını kuralım" veya "en büyük modeli koyalım" reflekslerinin ikisi de yanlıştır; doğru olan, gerçek hız gereksinimini ölçüp ona göre tasarlamaktır.

Bilgisayarlı görü uygulamalarının en büyük darboğazı etiketli veri olduğundan, bu yükü azaltan iki teknik sıkça gündeme gelir: veri artırma (data augmentation) ve sentetik veri (synthetic data). İkisi de "daha çok veri" ihtiyacına yanıt verir ama farklı biçimlerde çalışır ve farklı sınırlar taşır. Bunları doğru anlamak, hem etiketleme maliyetini düşürmek hem de gerçekçi olmayan beklentilerden kaçınmak için önemlidir.

Veri artırma, elde var olan etiketli örnekleri çeşitli dönüşümlerle çoğaltmaktır: görüntüyü döndürmek, aynalamak, parlaklığını değiştirmek, hafifçe bulanıklaştırmak, kırpmak. Bu, modele aynı nesneyi farklı koşullarda görme deneyimi kazandırır ve az veriyle daha dayanıklı bir model kurmayı sağlar. Ama bir sınırı vardır: artırma yeni bilgi yaratmaz, var olan bilgiyi çeşitlendirir. Hiç görmediğiniz bir kusur tipini artırmayla üretemezsiniz; yalnızca gördüklerinizin varyasyonlarını zenginleştirirsiniz. Doğru kullanıldığında artırma, neredeyse her görü projesinde faydalı ve ucuz bir tekniktir.

Sentetik veri ise daha iddialıdır: gerçek görüntü yerine, bilgisayarda üretilmiş (render edilmiş veya modelle sentezlenmiş) görüntülerle modeli eğitmek. Nadir veya tehlikeli durumların (nadir bir kusur, tehlikeli bir güvenlik senaryosu) gerçek örneğini toplamak zor olduğunda değerlidir. Bedeli, sentetik ile gerçek arasındaki farktır (domain gap): bilgisayarda üretilmiş görüntü, gerçek dünyanın ışığını, dokusunu ve kusurlarını tam yakalayamazsa, model sahada beklenenden kötü çalışır. Bu yüzden sentetik veri genellikle tek başına değil, gerçek veriyle birlikte ve dikkatli bir doğrulamayla kullanılır. Her iki teknik de etiketleme yükünü hafifletebilir ama gerçek, temsil edici saha verisinin yerini tam olarak tutmaz.

Teknik olarak isabetli bir görü modeli, tek başına bir değer değildir; değer, o modelin gerçek bir sürece ve insan iş akışına oturmasıyla doğar. Sahada en sık görülen hayal kırıklıklarından biri, "model çalışıyor ama kimse kullanmıyor" durumudur. Bunun nedeni neredeyse her zaman modelin isabetsizliği değil, entegrasyonun eksikliğidir: sistem, operatörün gerçek çalışma biçimine uymuyordur. Bu yüzden bilgisayarlı görü uygulamaları bir "model teslimi" değil, bir "iş akışı tasarımı" olarak düşünülmelidir.

Entegrasyonun ilk boyutu, kararın nereye aktığıdır. Model bir kusur tespit ettiğinde ne olur? Hat durur mu, bir operatöre uyarı mı gider, parça otomatik mi ayrılır, bir kayıt mı oluşur? Bu akış, mevcut süreçle uyumlu tasarlanmazsa, sistem ya iş akışını bozar ya da görmezden gelinir. İkinci boyut, belirsiz vakaların yönetimidir: model emin olmadığında karar insana devredilmeli ve bu devir, operatörün işini yavaşlatmayacak biçimde kurulmalıdır. İyi bir entegrasyon, makinenin kolay çoğunluğu halletmesini, insanın yalnızca zor azınlığa odaklanmasını sağlar.

Üçüncü ve en çok ihmal edilen boyut güven ve şeffaflıktır. Operatörler, neden öyle karar verdiğini anlamadıkları bir sisteme güvenmez. Sistemin kararını gösteren bir görsel geri bildirim (kusurun nerede işaretlendiği), güven skorunun paylaşılması ve yanlış kararların kolayca düzeltilebilmesi, benimsemeyi doğrudan artırır. Bir görü sistemi ne kadar isabetli olursa olsun, operatör ona güvenmiyorsa değer üretmez. Bu yüzden entegrasyon tasarımı, teknik ekip kadar sahadaki kullanıcıları da içermelidir. Kullanıcı benimsemesini belirleyen faktörleri bu saha notunda ayrıntılı ele alıyoruz; görü sistemleri için de aynı ilkeler geçerlidir.

Bilgisayarlı görü uygulamalarını anlamak bir şey, ilk projeye sağlam bir başlangıç yapmak başka şeydir. En sık yapılan hata, "tüm süreçlerimizi görüyle otomatikleştirelim" gibi devasa bir hedefle başlamaktır; bu tür projeler kapsamın genişliği altında ezilir ve değer üretmeden tükenir. Doğru yaklaşım tam tersidir: tek, dar, ölçülebilir ve değerli bir senaryoyla başlamak.

İyi bir pilot senaryonun üç özelliği vardır. Birincisi darlıktır: tek bir istasyon, tek bir kusur tipi, tek bir kamera. Örneğin yalnızca bir üretim istasyonunda tek tip yüzey kusurunun tespiti. İkincisi ölçülebilirliktir: başarının bir sayıyla tanımlanabilmesi — kaç kusur doğru yakalandı, yanlış alarm oranı ne, ne kadar zaman kazanıldı. Üçüncüsü değerdir: pilot başarılı olursa gerçek bir acıyı dindirmesi; yoksa kimse ilgilenmez. Bu üç özelliğe sahip bir pilot, riski düşük tutar ve kuruma somut kanıt sunar.

Pilotu kurarken sıralama önemlidir ve bu yazının ana tezini yansıtır. Önce problem darlaştırılır. Sonra o istasyonda kamera ve aydınlatma doğru kurulur — bu adım atlanırsa gerisi çöker. Ardından birkaç yüz temsil edici örnek toplanıp özenle etiketlenir. Sonra mütevazı bir modelle bir temel (baseline) oluşturulur. Bu temelin isabeti, yanlış alarm oranı ve operatör güveni ölçülür; en zayıf halka (genellikle ortam veya etiket kalitesi) bulunup iyileştirilir. Ve ancak kalite kanıtlandıkça kapsam genişletilir. Bu "ölç, iyileştir, sonra büyü" döngüsü, kağıt üstünde iyi görünüp sahada çöken projelerle başarılı olanları ayırır.

Nasıl Yapılır

Görü projesi pilot yol haritası

Bir bilgisayarlı görü sistemini dar bir pilottan güvenilir bir üretim sistemine taşımak için adım adım yol haritası.

1. 1

   Dar ve değerli bir senaryo seç

   Tüm süreç yerine tek istasyon, tek kusur tipi gibi ölçülebilir ve değerli bir senaryoyla başla.

2. 2

   Kamera ve aydınlatmayı doğru kur

   Açı, çözünürlük, sabit ışık ve titreşimsiz montajla temiz bir görüntü üret; bu adımı atlama.

3. 3

   Temsil edici veri topla ve etiketle

   Zor durumları ve çeşitliliği içeren birkaç yüz örneği net bir şemayla özenle etiketle.

4. 4

   Mütevazı modelle temel oluştur

   En büyük modelle değil, hızlı ve yeterli bir modelle bir baseline kur ve isabetini ölç.

5. 5

   Yanlış alarm eşiğini iş maliyetine göre ayarla

   Precision-recall dengesini sürecin gerçek maliyetine oturt; belirsiz vakaları insana yönlendir.

6. 6

   İzleme ve yeniden eğitim kur

   Performansı sürekli izle, düşüşü erken yakala ve modeli yeni örneklerle periyodik tazele.

7. 7

   Ölç, iyileştir, sonra büyü

   En zayıf halkayı iyileştir; kapsamı ancak kalite kanıtlandıkça genişlet.

Son olarak pilot, baştan üretim gerçeğiyle tasarlanmalıdır: yanlış alarm yönetimi, izleme, bakım ve insan iş akışına oturma, "sonra ekleriz" denecek şeyler değil, ilk günden düşünülecek unsurlardır. Küçük ama sağlam bir pilot, büyük ama belirsiz bir vaatten her zaman daha ikna edicidir ve bir sonraki projenin yolunu açar. Ekiplerinizin bu yetkinliği kazanması için kurumsal eğitim programlarını ve kuruma özel bir görü yol haritası için danışmanlık seçeneklerini değerlendirebilirsiniz.

Teknik olarak sağlam bir görü sistemi kurmak yeterli değildir; o sistemin kuruma gerçek değer üretip üretmediğini de gösterebilmek gerekir. Aksi halde proje "havalı ama gereksiz" damgasını yer ve bütçe masasında düşer. Bilgisayarlı görü uygulamalarının iş değeri çoğunlukla üç kanaldan gelir ve her biri ayrı ölçülmelidir.

Birinci kanal işgücü ve tutarlılıktır. İnsan gözüyle yapılan görsel denetim yorucu, yavaş ve tutarsızdır; dikkat dağıldıkça hata artar. İyi kurulmuş bir görü sistemi aynı işi yorulmadan, tutarlı ve 7/24 yaparak hem kapasiteyi hem tutarlılığı yükseltir. İkinci kanal kalite ve risktir: kaçan kusurların, hataların veya güvenlik ihlallerinin azalması, doğrudan maliyet ve risk düşüşü demektir. Üçüncü kanal hızdır: anlık karar veren bir sistem, insan denetiminin yavaşlattığı süreçleri hızlandırır ve darboğazları açar.

Bu kanalların hangisinin sizin için en değerli olduğu, sektörünüze ve önceliğinize göre değişir; ve bu, projeyi tasarlama biçiminizi de belirler. Yüksek hacimli bir üretimde birincil kanal genellikle tutarlılık ve kapasitedir; regüle bir sektörde kalite ve risk azaltımı öne çıkar; darboğazın operasyonu tıkadığı bir yerde ise hız en değerli kazanç olabilir. Doğru yaklaşım, projeye başlamadan önce "bu görü çözümü hangi kanaldan değer üretecek" sorusunu net yanıtlamak ve başarı metriğini o kanala göre tanımlamaktır. Bulanık bir "verimlilik artışı" vaadi yerine, "bu istasyonda kaçan kusur oranını şu kadar düşüreceğiz" gibi somut ve ölçülebilir bir hedef, hem projeyi yönlendirir hem de getiriyi savunulabilir kılar. Bilgisayarlı görü uygulamalarının kurumsal değeri, teknolojinin gösterişinden değil, doğru kanalı seçip onu ölçmekten doğar.

Bu değeri savunulabilir kılmak için bir başlangıç ölçümü (baseline) şarttır: görü sisteminden önce denetim ne kadar sürüyordu, hata oranı neydi, kaç kusur kaçıyordu, ne kadar iş gücü harcanıyordu? Bu sayıları ölçmeden, "görüyle iyileştik" iddiası havada kalır. Görü projelerinde en sık yapılan finansal hata, faydayı ölçmeden varsaymaktır. Aynı zamanda maliyet tarafını da dürüstçe hesaplamak gerekir: kamera ve donanım, kurulum, etiketleme, model geliştirme ve — en çok unutulanı — sürekli bakım ve yeniden eğitim yükü. Gerçek getiri, bu tam maliyetle karşılaştırılarak ölçülür.

Bir uyarı gerekir: görü sisteminin getirisi yalnızca teknolojiden değil, benimsemeden de gelir. Operatörler sisteme güvenmez, uyarılarını görmezden gelir veya iş akışına oturtamazsa, en isabetli sistem bile değer üretmez. Bu yüzden değer hesabı, aracın benimsenmesini sağlayan eğitim ve değişim yönetimini de içermelidir. Doğru kurulan, ölçülen ve benimsenen bir görü sistemi, kurumsal görüntü işleme alanında somut ve sürdürülebilir bir getiri üretir; ama bu getiri, bir tahminle değil, ölçümle kanıtlanmalıdır. Değerlendirme çerçevelerini ve kavramları derinleştirmek için öğrenme merkezini inceleyebilirsiniz.

Bilgisayarlı görü projeleri nerede gerçekten işe yarıyor?

Bilgisayarlı görü uygulamaları, sorunun dar ve iyi tanımlı olduğu senaryolarda en güvenilir çalışır: üretim hattında görsel kalite kontrol, parça ve ürün sayımı, raf ve stok mevcudiyeti tespiti, plaka ve belge okuma (OCR), güvenlikte bölge ihlali ve koruyucu ekipman kontrolü. Bu senaryoların ortak paydası, doğru cevabın net tanımlanabilmesi ve kameranın sabit, kontrollü bir ortamda çalışmasıdır. Açık uçlu "sahnede olan biten her şeyi anla" türü vaatler sahada çok daha kırılgandır ve genellikle pilot aşamasında takılır. Kapsam ne kadar dar ve ortam ne kadar kontrollüyse, başarı olasılığı o kadar yüksektir.

Kurulum neden modelden daha kritik?

Çünkü model, yalnızca kendisine verilen görüntü kadar iyidir. Kötü açılı, titreşimli, yetersiz veya değişken aydınlatmalı, yansımalı bir görüntüden en gelişmiş model bile güvenilir sonuç çıkaramaz. Buna karşılık iyi konumlanmış bir kamera, sabit ışık ve temiz bir arka planla mütevazı bir model bile çok yüksek isabet verir. Sahada kurulum gerçekleri; kamera açısı, lens ve çözünürlük seçimi, aydınlatma tasarımı, montajın titreşime dayanıklılığı ve ortam değişkenlerinin kontrolüdür. Görü projelerinde emeğin büyük kısmı bu fiziksel katmana gider çünkü buradaki bir hata, sonraki tüm yazılım katmanlarını zehirler.

Model mi yoksa ortam mı daha önemli?

Pratikte ortam kararları modelden önce gelir ve çoğu zaman sonucu daha çok belirler. Doğru sıralama şudur: önce problemi darlaştır, sonra kamera ve aydınlatma ile temiz bir görüntü üret, ardından etiketli veriyi kaliteli topla ve en sona model seçimini bırak. Küçük ve hızlı bir model iyi bir görüntüyle, dev bir model kötü bir görüntüden daha iyi sonuç verir. Bu, modelin önemsiz olduğu anlamına gelmez; ama model seçimi, ortam ve veri sağlam kurulduktan sonra ince ayar niteliğindedir. Bütçeyi ve dikkati önce ortama ayırmak, görü projelerinde en yüksek getiriyi veren karardır.

Bir görü projesi için ne kadar etiketli veri gerekir?

Tek bir evrensel sayı yoktur; ihtiyaç, problemin zorluğuna, sınıf sayısına ve ortamın değişkenliğine bağlıdır. Dar ve kontrollü bir kalite kontrol görevinde birkaç yüz iyi seçilmiş örnek başlangıç için yeterli olabilir; çeşitliliği yüksek açık ortamlarda binlerce örnek gerekebilir. Miktardan daha önemli olan, örneklerin çeşitliliği ve zor durumların temsilidir: nadir kusurlar, kötü ışık, farklı açılar ve sınır durumlar dengeli biçimde toplanmalıdır. Etiket kalitesi ve etiketleyiciler arası uyum, ham miktardan daha belirleyicidir. Aktif öğrenme ile modelin en çok zorlandığı örnekleri önceliklendirmek, etiketleme maliyetini belirgin biçimde düşürür.

Multimodal modeller klasik bilgisayarlı görüden ne farkla ayrılır?

Klasik bilgisayarlı görü uygulamaları genellikle tek ve dar bir görevi çok iyi yapar: bir nesneyi tespit eder, sınıflandırır veya sayar. Multimodal modeller ise görüntü ile metni birlikte işleyerek daha esnek görevleri mümkün kılar: bir belgedeki hem düzeni hem içeriği anlamak, bir sahneyi doğal dilde açıklamak, bir görsele dair soruları yanıtlamak. Bu esneklik yeni senaryolar açar ama bedeli vardır; multimodal modeller daha yavaş, daha maliyetli ve hata biçimleri daha öngörülemez olabilir. Pratik yaklaşım, dar ve tekrarlı görevlerde klasik görü modellerini, esneklik ve dil-görüntü birleşimi gereken yerlerde multimodal modelleri kullanmaktır.

Görü modeli kurulduktan sonra neden performansı düşer?

Çünkü sahadaki dünya sabit değildir. Aydınlatma mevsim ve saatle değişir, kameralar tozlanır veya kayar, ürün ambalajı yenilenir, yeni ürün çeşitleri eklenir ve süreçler güncellenir. Modelin eğitildiği koşullar ile sahadaki güncel koşullar arasında açılan bu fark zamanla isabeti düşürür. Bu yüzden görü sistemleri "kur ve unut" değil, izlenen ve periyodik olarak yeniden eğitilen canlı sistemlerdir. İyi bir kurulumda performans metrikleri sürekli izlenir, düşüş erken yakalanır ve yeni, temsil edici örneklerle model tazelenir. Bakım ve yeniden eğitim planı olmayan bir görü projesi, ilk aydaki başarısını koruyamaz.

Kısaca özetlersek: bilgisayarlı görü uygulamaları, problem dar ve iyi tanımlıysa, kamera ve aydınlatmayla temiz bir görüntü üretiliyorsa, etiketli veri kaliteli toplanıyorsa ve yanlış alarm ekonomisi ile bakım baştan planlanıyorsa sahada güvenle çalışır. Bu koşullar yoksa, en gelişmiş model bile projeyi kurtaramaz. En önemli mesaj şudur: bilgisayarlı görü uygulamalarında başarı bir "model seçme" işi değil, bir "ortam, veri ve operasyon tasarlama" işidir; küçük ve hızlı bir model iyi bir görüntüyle, dev bir model kötü bir görüntüden daha iyi sonuç verir.

Doğru sıralamayı hatırlamak, bu yazının özüdür: önce problemi darlaştır, sonra ortamı kur, sonra veriyi kaliteli topla, sonra modeli seç ve en baştan izleme ile bakımı planla. Multimodal modeller bu tabloya yeni ve zengin senaryolar ekler ama klasik dar modellerin yerini almaz; ikisini akıllıca birleştirmek en sağlam mimaridir. Kurumsal görüntü işleme yolculuğunuzda temel kavramlar için multimodal model nedir ve GPU nedir yazılarına, veri tarafı için veri etiketleme stratejisi rehberine bakabilir; kuruma özel bir görü yol haritası kurmak için kurumsal eğitim programlarımızı inceleyebilir, ayrıntılı bir değerlendirme için danışmanlık alabilir ve tüm kavramları öğrenme merkezinde derinleştirebilirsiniz.