Vision Modelini Sahaya Kurmak: Laboratuvar Doğruluğu Neden Yetmez?

Bir vision modeli laboratuvar ortamında yüksek doğruluk verdiğinde proje çoğu zaman bitmiş gibi algılanır. Test verisi temizdir, ışık kontrol altındadır, kamera açısı sabittir ve nesne sınıfları net biçimde ayrılır. Model bu koşullarda iyi sonuç verir. Fakat saha, laboratuvarın daha gürültülü bir versiyonu değildir; bambaşka bir ortamdır.

Gerçek üretim alanında ışık değişir, kamera camı kirlenir, parça farklı açılardan gelir, hareket bulanıklığı oluşur, operatör veya ekipman görüşü kapatır. Aynı nesne sabah vardiyasında başka, gece vardiyasında başka görünür. Bu nedenle laboratuvar doğruluğu önemli bir başlangıç göstergesidir, ancak devreye alma başarısının garantisi değildir.

Vision modelini sahaya kurmak, yalnızca modeli sunucuya koymak değildir. Modeli gerçek operasyonun fiziksel, optik ve süreç koşullarına mühendislik disipliniyle bağlamaktır.

Laboratuvar metriği neyi gösterir, neyi göstermez?

Test ortamındaki doğruluk, modelin belirli bir veri setinde doğru sınıflandırma yapabildiğini gösterir. Bu gereklidir. Model temel görsel ayrımı yapamıyorsa sahada başarılı olması beklenemez. Ancak bu metrik çoğu zaman ortam değişkenlerini sınırlı ölçer.

Veri setinde ışık aralığı dar olabilir. Kamera açısı idealdir. Nesneler kadrajda temiz durur. Etiketleme hataları azdır. Oysa sahada model yalnızca nesneyi değil, nesnenin çevresini de görür: parlayan metal yüzeyleri, tozu, titreşimi, gölgeyi, üst üste binen parçaları ve beklenmeyen operatör hareketlerini.

Laboratuvar doğruluğu modelin görmeyi öğrendiğini gösterir; saha devreye alması ise modelin operasyon içinde güvenilir karar verebildiğini kanıtlar.

Işık, modelin sessiz bağımlılığıdır

Endüstriyel görünün en kritik değişkenlerinden biri ışıktır. Aynı kamera, aynı model ve aynı parça farklı ışık altında farklı sonuç verebilir. Gün ışığı alan bir kapı, vardiya değişiminde açılan farklı armatürler, yansımalı metal yüzeyler veya kirlenen lens kapağı modelin gördüğü dağılımı değiştirir.

Bu yüzden devreye alma sürecinde ışık yalnızca “yeterli aydınlık var mı” sorusuyla ele alınmaz. Işığın yönü, şiddeti, yansıması, gölge oluşturma biçimi ve vardiyalar arasındaki değişimi ölçülür. Gerekirse kamera konumu, ışık kaynağı, polarize filtre veya shutter ayarı birlikte tasarlanır.

Model performansı çoğu zaman algoritma değişmeden, doğru optik düzenleme ile belirgin biçimde iyileşir. Bu da vision projesinin yazılım kadar saha mühendisliği olduğunu gösterir.

Açı ve kadraj: Modelin öğrendiği dünya ile gördüğü dünya aynı mı?

Bir model belirli açılardan eğitildiyse, sahada bambaşka perspektiflerle karşılaştığında güven skoru düşebilir. Parça dönebilir, taşıyıcı üzerinde kayabilir, kameraya uzaklığı değişebilir veya konveyör titreşimi nedeniyle kadrajda farklı noktalara düşebilir.

Bu durum özellikle kalite kontrol, KKD denetimi, bölge ihlali ve nesne sayım senaryolarında önemlidir. Eğitim setinde net görünen sınıf, sahada kısmen kapalı, eğik veya küçük görünebilir. Bu nedenle devreye alma sırasında yalnızca modelin çıktısına değil, kamera geometrisine de bakılır. Kamera yüksekliği, lens seçimi, görüş alanı, piksel başına düşen gerçek dünya ölçüsü ve ROI tasarımı birlikte doğrulanır.

Toz, titreşim ve hareket: Görüntü kalitesi zamanla değişir

Laboratuvar görüntüsü çoğu zaman sabittir. Sahada ise görüntü kalitesi yaşayan bir değişkendir. Toz birikir, lens kirlenir, kamera braketi titreşimden oynar, konveyör hızı değişir, ürün yüzeyi parlamaya başlar veya görüntüde motion blur oluşur.

Bu etkiler tek başına küçük görünebilir; fakat modelin karar eşiğine yakın örneklerde sonucu değiştirir. Dün doğru çalışan model bugün daha fazla yanlış pozitif üretiyorsa sebep modelin “bozulması” olmayabilir. Görüntü koşulu değişmiştir. Bu nedenle saha sisteminde kamera sağlığı, görüntü netliği, pozlama ve örnek dağılımı izlenmelidir.

Devreye alma neden mühendislik gerektirir?

Devreye alma süreci modelin sahada ilk kez gerçek koşullarla karşılaştığı dönemdir. Bu dönem yalnızca kurulum ve bağlantı testi değildir. Modelin karar eşikleri, alarm mantığı, olay saklama süresi, kanıt görselleri, entegrasyon tetikleri ve kullanıcı geri bildirim döngüsü burada netleşir.

İyi bir devreye alma süreci kontrollü ilerler. Önce pasif izleme yapılır; sistem karar üretir ama operasyonu etkilemez. Ardından yanlış pozitif ve yanlış negatifler sınıflandırılır. Hangi hatanın ışıkla, hangisinin açıyla, hangisinin veri eksikliğiyle ilişkili olduğu ayrıştırılır. Sonra eşikler, ROI’ler, kamera ayarları ve gerekirse model verisi güncellenir.

Bu mühendislik yapılmadan model doğrudan canlı aksiyona bağlanırsa sistem ya gereksiz alarm üretir ya da kritik olayları kaçırır. Her iki durumda da kullanıcı güveni zedelenir.

Saha verisi modelin ikinci eğitimidir

Bir modelin en değerli veri seti çoğu zaman devreye alma sırasında oluşur. Çünkü bu veri, gerçek tesisin ışığını, kameralarını, ekipmanını, davranışını ve istisnalarını içerir. Laboratuvar veri seti genel kabiliyeti öğretir; saha verisi tesisin gerçek dağılımını öğretir.

Bu nedenle doğru mimaride olaylar yalnızca alarm olarak saklanmaz. Yanlış pozitifler, kaçan örnekler, düşük güven skorlu kararlar ve operatör geri bildirimleri düzenli olarak işlenir. Model gerektiğinde yeniden eğitilir, ancak her sorun yeniden eğitimle çözülmez. Bazen doğru çözüm kamera açısını değiştirmek, ROI’yi daraltmak veya ışığı sabitlemektir.

Kararlı sistem, model artı operasyon döngüsüdür

Sahada başarılı bir vision sistemi tek başına model değildir. Kamera, ışık, edge donanım, entegrasyon, olay yönetimi, kullanıcı ekranı ve bakım planı aynı mimarinin parçalarıdır. Model bu mimarinin karar motorudur; fakat kararın güvenilir olması için çevresindeki sistemin de kararlı olması gerekir.

Örneğin kalite kontrol senaryosunda model bir kusuru tespit ettiğinde bu kararın PLC’ye, MES’e veya kalite kayıt sistemine nasıl aktarılacağı belirlenmelidir. KKD senaryosunda olayın kime, hangi eşikle ve hangi kanıtla gönderileceği net olmalıdır. Bölge ihlalinde alarm süresi, tekrar eden olayların gruplanması ve vardiya raporu birlikte düşünülmelidir.

Sonuç: Doğruluk değil, saha güvenilirliği hedeflenmeli

Vision projelerinde laboratuvar doğruluğu gereklidir ama yeterli değildir. Gerçek değer, modelin sahadaki değişken koşullarda istikrarlı, açıklanabilir ve operasyonla uyumlu karar verebilmesidir. Bu da yalnızca veri bilimiyle değil, optik, mekanik, entegrasyon ve operasyon mühendisliğiyle mümkündür.

Bir modeli sahaya kurmak, test başarısını üretim gerçekliğine çevirmektir. Işık, açı, toz, hareket ve kullanıcı geri bildirimi bu çevirinin parçalarıdır. Başarılı devreye alma, modeli değil tüm karar sistemini sahaya uydurur. Kalıcı performans da tam olarak burada oluşur.