Görsel sensörlerle akıllı şehirlerde erken duman/yangın tespiti için akıllı bir yaklaşım

Neden Dumanı İzlemek Akıllı Şehirlerde Önemli

Kalıabalık modern şehirlerde küçük bir duman kıvılcımı hızla insanları, binaları ve hayati hizmetleri tehlikeye atan ölümcül bir alev topuna dönüşebilir. Geleneksel yangın alarmları genellikle geç tepki verir veya duş buharı ya da mutfak dumanı gibi yanlış nedenlerle tetiklenir. Bu makale, acil müdahale ekiplerine yanıt için kıymetli ek dakikalar kazandırarak dumanı ve yangını erken ve doğru şekilde tespit edebilen yeni bir kamera tabanlı sistemi tanıtıyor. Sistem; sokakları, şehir kenarındaki ormanları ve kamusal alanları izlemek için yapay zekâdaki en son ilerlemeleri birleştirerek akıllı şehirleri daha güvenli ve dayanıklı kılmaya yardımcı olur.

Günümüz Yangın Alarmlarının Sorunu

Geleneksel yangın algılama sistemleri binaların içindeki ısı, gaz veya duman sensörlerine dayanır. Bu cihazların tepki verebilmesi için alevlere yakın olmaları gerekir; bu da her saniyenin önemli olduğu durumlarda alarmların gecikmesine sebep olabilir. Ayrıca toz, buhar veya pişirme dumanı gibi zararsız kaynaklardan kaynaklanan birçok yanlış alarma maruz kalırlar; bu durum kaynak israfına yol açar ve kamu güvenini zedeler. Açık hava yangın tespiti daha da zordur: duman bulutlara, pus veya gölgelere benzer görünür ve hızla şekil ve yoğunluk değiştirebilir. Sabit sensörler yalnızca küçük alanları kapsar ve parklar, sanayi bölgeleri veya ulaşım merkezleri gibi büyük ya da karmaşık şehir ortamlarında kör noktalar bırakır.

Kameralar ve Daha Akıllı Görüntüleme Yeni Bir Güvenlik Ağı

Dijital kameralar ve ağ bağlantılı cihazlar daha ucuz ve güçlü hale geldikçe araştırmacılar, makinelerin insan gibi "görmesini" öğretmeye yönelik bilgisayarlı görmeye yöneldi ve duman ile alevleri tespit etmeye çalıştı. Önceki sistemler gri lekeleri veya titreyen renkleri aramak gibi el yapımı kurallar kullanıyordu, ancak bu kurallar değişen ışık, hava koşulları veya arka plan karmaşası karşısında çöküyordu. Büyük görüntü koleksiyonlarından doğrudan örüntüleri öğrenen derin öğrenme yöntemleri tespiti geliştirdi, ancak bunların çoğu hâlâ küçük yerel detaylara odaklanıp sönük veya erken duman sinyallerini kaçırıyor. Diğerleri doğru olsa da şehir altyapısında gerçek zamanlı çalışmayacak kadar yavaş veya ağır oluyor.

Yangın ve Duman için İki Aşamalı Bir Yapay Zekâ Bekçisi

Çalışma, iki güçlü yapay zekâ fikrini tek bir boru hattında birleştiren akıllı bir çerçeve sunuyor. Önce, dil modellerinden uyarlanmış bir görüntü analiz yöntemi olan Vision Transformer, her kamera karesini birçok küçük parçaya böler ve sahnenin tamamı boyunca bunların birbirleriyle nasıl ilişkili olduğunu inceler. Bu küresel bakış, geniş alanlara yayılan yumuşak renk geçişleri, puslu dokular ve diffuse kenarlar gibi dumanın ince işaretlerini fark etmeye yardımcı olur. Ardından bu zengin görsel ipuçları, ilgi alanları etrafında kutular çizmeye tasarlanmış hızlı çalışan bir algılayıcı olan YOLOv8’e aktarılır. YOLOv8, duman veya açık alevlerin olduğu kesin bölgeleri belirler ve canlı video akışlarına yetişebilecek kadar hızlı çalışır.

Sistemi Teste Sokmak

Bu iki aşamalı bekçinin performansını görmek için yazarlar, şehir sokakları, binalar ve çeşitli aydınlatma ve hava koşullarındaki ormanlık alanları içeren iki büyük kamu koleksiyonundan alınmış, dikkatle etiketlenmiş 7.700’den fazla görüntü üzerinde sistemi eğitti ve değerlendirdi. Görüntüleri döndürerek, çevirerek ve parlaklığını artırarak gündüz ve gece sahnelerini ve farklı görüntüleme açılarını taklit ederek çeşitliliği daha da artırdılar. Görülmemiş test resimlerinde sistem, vakaların %99’dan fazlasında dumanı ve yangını doğru tanıdı ve kaçırılan olaylar ile yanlış alarmlar arasındaki dengeyi etkileyici şekilde korudu. Ayrıca her kareyi yaklaşık 45 milisaniyede — saniyede yaklaşık 22 kare hızında — işledi; bu, kontrol odalarında veya bağlı cihazlarda gerçek zamanlı izleme için yeterince hızlıdır.

Bu Yaklaşımın Öne Çıkması

Aynı algılayıcı ailesinin önceki sürümleri ve çeşitli derin öğrenme toplulukları dahil diğer gelişmiş yöntemlerle karşılaştırıldığında yeni çerçeve daha yüksek doğruluk ve riskli alanların daha iyi yerelleştirilmesini sunuyor. Geniş sahneyi anlayan bir modeli, nesneleri hızlı ve hassas biçimde işaretlemede iyi olan bir modelle birleştirerek sis, duman renginde giysi veya ekranlardaki yangın görüntüleri gibi benzer görünen unsurlardan kaynaklanan karışıklığı azaltıyor. Aynı zamanda orta büyüklüğü ve verimli tasarımı, hesaplama kaynakları ve ağ bant genişliğinin sınırlı olabileceği gerçek akıllı şehir sistemlerine konuşlandırmayı daha pratik hale getiriyor.

Günlük Güvenlik İçin Anlamı

Uzman olmayanlar için çıkarım şu: akıllı şehirlerdeki kameralar yalnızca daha sonra inceleme için görüntü kaydetmekten çok daha fazlasını yapabilir — felaketleri gerçekleşirken önlemeye yardımcı olabilirler. Önerilen sistem, geniş görsel anlayışı hızlı tespitle harmanlayarak yangınları en erken aşamalarında fark etmenin, yanlış alarmları azaltmanın ve daha hızlı, daha hedefli acil müdahaleleri desteklemenin mümkün olduğunu gösteriyor. Aşırı hava koşulları, gece sahneleri ve ilave sensör verileriyle başa çıkmak için daha fazla çalışma yapıldığında benzer araçlar, evleri, ormanları ve kamusal alanları sessizce izleyerek küçük kıvılcımların büyük felaketlere dönüşmesini engelleyen kentsel güvenlik ağlarının temel bir parçası haline gelebilir.

Atıf: Abozeid, A., Alanazi, R. An intelligent approach for early smoke/fire detection using vision sensors in smart cities. Sci Rep 16, 11387 (2026). https://doi.org/10.1038/s41598-026-42762-y

Anahtar kelimeler: yangın tespiti, duman tespiti, akıllı şehirler, bilgisayarlı görü, derin öğrenme