Kamerayla kalite kontrol nerede işe yarar, nerede yaramaz

Görüntü işleme projelerinde ilk toplantıda söylediğimiz şey müşteriyi bazen şaşırtıyor: kameranın işe yaramayacağı yerleri önce konuşalım. Çünkü teknolojinin çalıştığı yerlerde etkisi büyük, çalışmadığı yerlerde ise fatura büyük. İkisini ayıran şey modelin zekâsı değil, problemin tanımı.

İşe yaradığı yerler

Kameranın kalite kontrolde güvenilir olduğu problemlerin ortak özellikleri var:

• Tekrar eden bir görüntü. Aynı parça, aynı açı, aynı mesafe. Bant üstünde geçen kapak, şişe, etiket.

• Kontrollü aydınlatma. Gün ışığının değişmediği, gölgenin sabit olduğu bir kabin ya da tünel.

• Sınırlı sayıda sınıf. “Etiket var / yok”, “kapak tam kapanmış / kapanmamış”, “yüzeyde leke var / yok”. Beş–altı sınıfı geçmeyen sorular.

• Yazılı kabul kriteri. Kalite ekibi hangi parçanın ret olduğunu bir sayfada anlatabiliyorsa model de öğrenir. Anlatamıyorsa model de bilmez.

Plaka okuma bu listenin klasik örneğidir: karakter seti belli, açı sınırlı, kabul kriteri net. GÖZCÜ bu yüzden hız, kırmızı ışık ve şerit ihlallerini plaka okumayla eşleştirip tebliğe hazır bir delil dosyası üretebiliyor; problem baştan iyi tanımlanmış.

Yaramadığı yerler

• Mikron seviyesinde ölçüm. Kamera bir mastar değildir. Toleransı 0,05 mm olan bir ölçüyü kamerayla “kontrol etmek” yanlış güven üretir; orada lazer ya da temaslı ölçüm gerekir.

• Şeffaf, parlak ve yansıtıcı yüzeyler. Işık her açıdan farklı döner; model yüzey hatasını değil yansımayı öğrenir.

• Her parçanın farklı olduğu tek iş üretimi. Kalıp imalatı gibi işlerde referans görüntü yoktur; “doğru” parça her seferinde başka bir parçadır.

• Tanımı tartışmalı hatalar. İki kalite kontrolcünün aynı parça için farklı karar verdiği yerde modelden tutarlılık beklemek haksızlık olur.

Kenar mı, merkez mi

İkinci karar görüntünün nerede işleneceği. Her kameradan merkeze ham video göndermek hem bant genişliğini hem de gizliliği zorlar. GÖZCÜ’de görüntü kenar cihazda işlenir; merkeze ham video değil, skoru eşiği aşan olay, kısa video kesiti ve meta veri gider. Fabrika içinde de aynı ilke geçerli: hat başındaki küçük bir cihaz kararı verir, merkeze yalnızca ret kayıtları ve görselleri düşer. Böylece ağ tıkanmaz, kayıt yükü küçülür ve hat kesilse bile kontrol devam eder.

Model nasıl öğrenir, kim düzeltir

Modelin ilk günkü doğruluğu hiçbir zaman son doğruluğu değildir. GÖZCÜ beş binden fazla etiketli saha videosuyla eğitildi ve saha verisiyle eğitilmeye devam ediyor; operatörün doğruladığı ya da reddettiği her olay bir sonraki eğitim turuna girer. Kalite kontrolde de düzen aynı: ilk aylarda insan hep devrede, modelin “emin değilim” dediği her parça bir insana gider ve o karar geri beslenir. Operatörü devreden çıkarmayı hedefleyen projeler operatörü değil projeyi devreden çıkarır.

Başlamadan önce beş soru

1. Ret kriterini bir sayfada yazabiliyor musunuz?

2. Aynı parçadan günde kaç tane geçiyor ve kaçı gerçekten hatalı?

3. Aydınlatmayı sabitleyebileceğiniz bir nokta var mı?

4. Yanlış alarm olduğunda kim, kaç saniyede bakacak?

5. İlk üç ayda insan kontrolünü sürdürecek kadar zamanınız var mı?

Beşine de “evet” diyorsanız kamera bu hatta işe yarar. İkisine “hayır” diyorsanız önce ölçümü, aydınlatmayı ya da kriteri çözmek gerekir; kamera onlardan sonra gelir. Yapay zekâ ve görüntü işleme sayfasında hangi altyapıyla çalıştığımız, iletişim sayfasında ise hattınız için yapılabilirlik değerlendirmesi isteme yolu var.