
Üretim hattında kusurlu örnek bulmak zordur. Yalnızca sağlam örneklerle anomali tespiti ve aktif öğrenme nasıl çalışır?
Bilgisayarlı görü projelerinin en büyük engeli veridir. Üretim hattında kusurlu ürün nadirdir; bu iyi bir haber, ancak model eğitmek için kötü bir haber. Binlerce kusurlu örnek toplamak için aylarca beklemek yerine iki yaklaşım birlikte kullanılabilir.
Anomali tespiti: yalnızca sağlam örneklerle
Bu yaklaşımda model, ‘sağlam’ ürünün görsel dağılımını öğrenir. Yeni bir görüntü bu dağılıma uymuyorsa anomali olarak işaretlenir. Daha önce hiç görülmemiş hata türleri de yakalanır. 200–500 sağlam görüntü çoğu zaman yeterlidir.
Önceden eğitilmiş temel modeller
Genel görsel temsiller milyonlarca görüntüyle önceden öğrenilmiştir. Ilmek Vision bu temsilleri kullanır ve yalnızca üretim hattına özgü ince ayarı yapar. Bu, eğitim süresini haftalardan saatlere indirir.
Aktif öğrenme: uzmanın zamanını verimli kullanmak
Model, emin olmadığı görüntüleri uzmana sorar. Uzman, rastgele binlerce görüntü etiketlemek yerine yalnızca en bilgilendirici 100–200 görüntüyü etiketler. Her turdan sonra model iyileşir ve sormayı daha az gerektirir.
Sentetik veri ve artırma
Nadir hata türleri için sentetik kusur ekleme (çizik, leke, çatlak dokusu) ve ışık/açı varyasyonları, modeli dayanıklı hale getirir. Ancak sentetik veri gerçek veriyi değiştirmez, tamamlar; son değerlendirme her zaman gerçek örneklerle yapılmalıdır.
Saha gerçekleri
- Aydınlatma sabitliği modelden önemlidir: kontrollü, tekrarlanabilir aydınlatma kurun.
- Kamera çözünürlüğü, en küçük hatanın en az 3–5 piksel olmasına göre seçilmelidir.
- Gölge modda çalıştırma: model karar vermeden, operatörle yan yana 2 hafta karşılaştırılır.
- Eşik ayarı: yanlış ret (ürün kaybı) ile kaçırılan hata (müşteri iadesi) maliyeti arasındaki denge iş birimiyle birlikte belirlenir.
Pilotlarımızda bu yaklaşımla yeni bir ürün için hat başında bir hafta veri toplayıp iki hafta içinde canlı hatta gölge modda doğrulama yapabiliyoruz.
Başarı ölçütleri
Görsel muayenede iki hata türü vardır ve maliyetleri farklıdır: yanlış ret (sağlam ürünün ayrılması) ve kaçırılan hata (kusurlunun müşteriye gitmesi). Pilot başında iki oran için hedef belirleyin; örneğin kaçırılan hata oranı %1’in altı ve yanlış ret oranı %3’ün altı. Eşik ayarı bu iki oranın dengesini sağlar ve iş birimiyle yapılan maliyet hesabına göre belirlenir.
Ayrıca modelin zamanla sapmasını izleyin: hammadde, makine aşınması ve aydınlatma değişiklikleri performansı değiştirebilir. Aylık yeniden doğrulama, bu riski küçültür.
İlgili Yazılar
Yapay Zekâ Projelerinde ROI Nasıl Ölçülür? Pilottan Üretime Çerçeve
Taban çizgisi, kontrol grubu ve gizli maliyetler: yapay zekâ yatırımlarının gerçek getirisini nasıl ölçersiniz?
