“Makine görmesi” (machine vision) terimi uzun yıllar boyunca endüstriyel kamera, kontrollü ışık ve kural tabanlı yazılımdan oluşan sistemler için kullanıldı. Derin öğrenmenin olgunlaşmasıyla birlikte aynı problemlere yapay zeka ile yaklaşmak mümkün hâle geldi. Peki hangisi ne zaman doğru seçim?
Klasik makine görmesi ne zaman yeterli?
- Parça her zaman aynı konumda ve aynı ışıkta ise
- Hassas boyut ölçümü (mikron seviyesi) gerekiyorsa
- Barkod, Data Matrix, OCR gibi standart okuma işleri yapılıyorsa
- Kusur tanımı net bir kurala dökülebiliyorsa (ör. “delik var/yok”)
Derin öğrenme ne zaman şart?
- Kusurlar şekil, boyut ve doku olarak çok değişkense (doğal malzeme, kumaş, döküm)
- Ortam kontrolsüzse: değişen gün ışığı, farklı kamera açıları
- İnsan ve davranış analizi gerekiyorsa: KKD, düşme, yasaklı alan, forklift-yaya
- Mevcut IP kameralarla geniş alan izleniyorsa
| Makine görmesi (kural tabanlı) | Derin öğrenme | |
|---|---|---|
| Geliştirme | Mühendis kural yazar | Etiketli veriden öğrenir |
| Yeni ürün/varyant | Yeniden programlama | Yeni örneklerle yeniden eğitim |
| Ortam toleransı | Düşük | Yüksek |
| Açıklanabilirlik | Yüksek (kural belli) | Orta (görsel açıklama araçlarıyla) |
| Tipik donanım | Endüstriyel kamera + ışık + PC | IP/endüstriyel kamera + edge GPU/NPU |
En iyi sonuç: hibrit yaklaşım
Pratikte en sağlam sistemler ikisini birleştirir: derin öğrenme “burada bir kusur var mı, nerede?” sorusunu yanıtlar; klasik görüntü işleme o bölgenin ölçüsünü, alanını ve konumunu hassas biçimde hesaplar. Hype Vision kalite modüllerinde de bu hibrit yaklaşım kullanılır. Bkz. endüstriyel görüntü işleme sistemleri.
Tesisiniz için doğru görüntü işleme kurgusunu keşif görüşmesinde birlikte çıkaralım.
Kameralarınızı değerlendirelimSık sorulan sorular
Makine görmesi ile bilgisayarlı görü aynı şey mi?
Yakın kavramlardır. Makine görmesi genellikle endüstriyel uygulama ve donanım tarafını, bilgisayarlı görü ise görüntüden anlam çıkaran algoritmaların genel bilim alanını ifade eder.
Derin öğrenme her zaman daha mı doğrudur?
Hayır. Sabit koşullarda basit bir ölçüm işi için kural tabanlı sistem daha hızlı, ucuz ve açıklanabilir olabilir. Derin öğrenme değişkenlik yüksek olduğunda öne çıkar.