VISION / 03

Bilgisayarlı Görü ve Belge Zekâsı

Kalite kontrol, nesne tespiti, segmentasyon, OCR ve belge işleme çözümlerini kamera, edge cihaz ve operasyon ekranlarıyla birlikte uçtan uca kurarız.

VisionOCREdge AI
Projenizi konuşalım
Çalışma zamanı akışıVISION / 03
  1. 01Kamera akışı
  2. 02Ön işleme
  3. 03Model
  4. 04Karar eşiği
  5. 05Operasyon aksiyonu

Problem

Çözümden önce problemi netleştiririz.

Bilgisayarlı görü projelerinin çoğu model seçiminde değil, görüntünün kendisinde takılır. Kamera açısı sahada kayar, ışık vardiyaya göre değişir, gerçek hata tipi laboratuvarda görülenden farklı çıkar. Test ortamında yüksek doğruluk veren bir model sahada aynı sonucu vermeyebilir; çünkü artık ölçtüğü şey aynı problem değildir.

Bu yüzden işe modelden değil sinyalden başlarız: kamera yerleşimi, çözünürlük, ışık koşulları, örnek çeşitliliği ve sınıf dengesi ölçülür. Ardından etiketleme kılavuzu, değerlendirme seti ve saha testi kurulur. Model ancak bu zemin sağlamlaştıktan sonra optimize edilir ve edge cihazda gecikme, ısı ve kaynak sınırları altında çalışacak biçimde servis edilir.

Kullanım senaryoları

Bu sistem hangi işlerde karşımıza çıkar?

01

Üretim hattı kalite kontrolü

Yüzey kusuru, eksik parça veya montaj hatasını hat hızında tespit eden; şüpheli ürünü ayıran ve kararı kayıt altına alan sistem.

02

Plaka tanıma ve geçiş kontrolü

Araç plakasını tanıyıp otopark, site veya tesis giriş akışına bağlayan; çevrimdışı çalışabilen tanıma katmanı.

03

Belge ve form işleme

Fatura, irsaliye, form ve sözleşme gibi belgelerden alan çıkaran; düşük güvenli sonuçları insan kontrolüne yönlendiren OCR hattı.

04

Sayım, takip ve alan izleme

Nesne sayımı, akış takibi ve tanımlı alanlarda kural ihlali tespiti için kamera akışını operasyon uyarılarına çeviren katman.

Sistem ne kazandırır?

01

Gerçek zamanlı hata ve anomali tespiti

02

Tekrarlı manuel belge işlemenin azaltılması

03

Edge üzerinde düşük gecikmeli inference

Teslim kapsamı

Model değil, işletilebilir bir ürün teslim ederiz.

  1. 01

    Kamera ve görüntü kalitesi analizi

  2. 02

    Etiketleme stratejisi ve veri seti

  3. 03

    Model, edge inference ve API

  4. 04

    Operasyon paneli ve hata geri bildirim döngüsü

Nasıl kuruyoruz?

Teknik bileşenleri operasyon adımlarıyla birlikte tasarlarız.

01

Görüntüyü doğrula

Kamera açısı, ışık, çözünürlük ve örnek çeşitliliğini ölçeriz.

02

Veriyi hazırla

Etiketleme kılavuzu, kalite kontrol ve sınıf dengesini kurarız.

03

Modeli sahada test et

Latency, false positive ve çevresel değişimleri gerçek koşullarda ölçeriz.

04

Operasyona bağla

Alarm, ayırma, kayıt ve insan kontrolü akışlarını sisteme bağlarız.

Teknik yaklaşım

Kullandığımız katmanlar ve araçlar.

Modeller
YOLO, Detectron2, MMDetection, OpenCV
Servis
ONNX, TensorRT, Triton Inference Server
Belge
OCR hatları, düzen analizi, alan çıkarımı ve doğrulama
Operasyon
Edge dağıtımı, alarm akışları, hata geri bildirim döngüsü

Sık sorulan sorular

Karar vermeden önce bilinmesi gerekenler.

01Ne kadar görüntü verisi gerekir?

Sayı tek başına yeterli değildir. Hata çeşitliliği, ışık koşulları, kamera açısı ve sınıf dengesi veri ihtiyacını belirler.

02Sistem internetsiz çalışabilir mi?

Evet. Uygun modelleri edge cihazlarda veya yerel sunucularda düşük gecikmeyle çalıştırabiliriz.

03Etiketleme işini kim yapar?

Etiketleme kılavuzunu ve kalite kontrol kurallarını biz hazırlarız; sınır durumların nasıl işaretleneceği en kritik kısımdır. Etiketlemeyi sizin ekibiniz, bir sağlayıcı veya karma bir kurulum yürütebilir. Hangi seçenek olursa olsun tutarlılığı örneklem üzerinden ölçer, kılavuzu ilk turdan sonra revize ederiz.

04Model sahada zamanla bozulur mu?

Kamera değişirse, ürün veya ambalaj yenilenirse, mevsimsel ışık kayarsa performans düşebilir. Bunu tahmin etmeye çalışmak yerine ölçeriz: sabit bir değerlendirme seti, güven skoru dağılımının izlenmesi ve sahadan gelen yanlış sonuçların toplanması. Yeniden eğitim gerektiğinde tetikleyicisi belli olur.

05Hangi durumlarda bilgisayarlı görü doğru çözüm değildir?

Aranan bilgi görüntüde insan gözüyle de güvenilir biçimde görünmüyorsa, hata tipi çok nadirse ve örnek toplanamıyorsa ya da aynı veri bir sensörden doğrudan okunabiliyorsa görü çözümü doğru araç değildir. Bu durumu keşif aşamasında birkaç yüz örnekle test eder, sonucu açıkça paylaşırız.

VISION / 03

Bu sistemi kendi operasyonunuza uyarlayalım.

Kullanım senaryonuzu, veri hazırlığınızı ve entegrasyon ihtiyacınızı birlikte değerlendirelim.

Teknik görüşme planlayın
Doğrudan e-posta
info@valnox.ai
Konum
Bilişim Vadisi, Gebze/Kocaeli
Çalışma modeli
Kurucu liderliğinde uçtan uca teslimat