YOLO11-BSCS: yaşlı bakım mobil robotlarında gerçek zamanlı iç mekan alev ve duman tespiti için geliştirilmiş dikkat-optimizasyonlu çerçeve

Yaşlılar için yangın güvenliğinin daha akıllı yardımcılar gerektirmesinin nedeni

Daha fazla yaşlı yetişkin sınırlı hareket kabiliyetiyle evde yaşamayı sürdürüyor ve çoğunlukla uzun saatler boyunca iç mekânda yalnız kalıyor. Küçük bir mutfak alevi veya ince bir duman, özellikle yavaş hareket eden veya yürüteç gibi yardımcılar kullanan kişiler için hızla hayati tehlike oluşturan bir yangına dönüşebilir. Bu çalışma, hareketli yardımcı robotlara iç mekandaki alevleri ve dumanı zamanında fark edebilmeleri için daha keskin gözler kazandırmanın yollarını araştırıyor.

Evde gözetim yapan robotlar

Araştırmacılar, engelli yaşlı kişilerin günlük yaşamına yardımcı olmak üzere tasarlanmış mobil robotlara odaklanıyor. Eşya taşımak veya eşlik etmenin ötesinde, bu robotlar yerleşik kameralarla odalarda devriye gezerek hareketli güvenlik görevlileri gibi davranabilir. Geç algılama ile bağlantılı birçok ölümün olduğu bu ortamlar için yangın önemli bir risk oluşturuyor. Sabit duman alarmlarının aksine, mobil bir robot fırınlar, prizler ve diğer tehlike noktalarına doğrudan bakabilir; bu, dağınık veya değişken odalarda bile geçerli. Ancak gerçekten faydalı olabilmesi için, görüntü işleme sisteminin küçük, erken aşama alevleri ve ince dumanı gerçek zamanlı olarak ve sınırlı yerel hesaplama gücüyle tespit edebilmesi gerekiyor.

Robota yangın ve duman görmeyi öğretmek

Modern yangın gözetim robotları, el yazısıyla yazılmış kurallar yerine binlerce görüntüden desen öğrenen derin öğrenmeye dayanıyor. Ekip, görüntüleri tek geçişte hızlıca taramasıyla bilinen YOLO11s adlı yakın tarihli bir görsel sisteme dayanıyor. İç mekan alevleri ve dumanı için özel olarak ayarlanmış, YOLO11 BSCS adını verdikleri geliştirilmiş bir sürüm oluşturuyorlar. Bunu eğitmek için laboratuvar veritabanları, web ve mutfaklar, yatak odaları ve yaşlı daireleri gibi dikkatle düzenlenmiş iç mekan sahnelerinden oluşan geniş bir görüntü koleksiyonu derliyorlar. Fotoğraflar farklı boyutlarda, açılarda ve aydınlatma koşullarında alevleri ve dumanı yakalıyor; modelin bulanık veya sıra dışı görüşlerle başa çıkabilmesi için döndürme, gürültü ve gri tona dönüştürme gibi veri artırma işlemleri uygulanıyor.

Robota daha keskin odak ve daha hızlı düşünme kazandırmak

YOLO11 BSCS'nin temel ilerlemesi, birlikte robotu hem daha isabetli hem de daha verimli yapan üç yükseltmede yatıyor. Birincisi, ince alev dilleri veya hareketli bir arkada yüzlerce görsel öğe arasında süzülen ince duman gibi önemli görsel bölgelere odaklanmaya yardımcı olan bir dikkat modülü; böylece sistem her pikseli eşit işlemiyor. İkincisi, yeniden tasarlanmış bir evrişim seti hem mekânsal hem renk kanallarındaki tekrarlayan veya düşük değerli görüntü bilgisini buduyor. Bu, iç hesaplama sayısını azaltarak yararlı ayrıntılardan ödün vermeden hızı artırıyor. Üçüncüsü, ekip tehlikelerin çevresine kutu çizme biçimini öğrenme yöntemini rafine ediyor; kutu konumu, boyutu ve şekli arasında daha iyi denge kuran bir eğitim kuralı kullanarak tespitlerin gerçek alev ve duman alanlarıyla daha sıkı hizalanmasını sağlıyor.

Yeni görsel sistemi teste sokmak

Bu değişikliklerin pratikte fark yaratıp yaratmadığını görmek için yazarlar YOLO11 BSCS'yi YOLO'nun çeşitli versiyonları ve yaygın kullanılan Faster R-CNN dahil tanınmış tespit modelleriyle karşılaştırıyor. Tüm sistemler aynı iç mekan yangın görüntü setlerinde eğitilip test ediliyor ve her deney, kararlı sonuçlar sağlamak üzere farklı rastgele başlangıçlarla birkaç kez tekrarlanıyor. Geliştirilmiş model daha yüksek doğruluk elde ediyor; bu daha az yanlış alarma ve daha yüksek geri çağırma oranı anlamına geliyor, yani daha az kaçırılan tehlike oluyor. Hem ikisini dengeleyen genel puanlama ölçüsü, orijinal YOLO11s'nin birkaç puan üzerine çıkıyor; üstelik birçok rakip modelden daha az parametre kullanıyor. Daha önce görülmemiş odalardan alınan yeni görüntülerde yapılan ek testler, sistemin hâlâ güvenilir biçimde alev ve dumanı tespit ettiğini gösteriyor; bu da eğitim verilerinin ötesinde iyi genelleme yapabildiğine işaret ediyor.

Bu, evde bakım güvenliği için ne anlama geliyor

Sade bir ifadeyle, çalışma dikkatle optimize edilmiş bir görsel sistemin iç mekan bakım robotlarının yangın ve dumanı daha erken ve daha güvenilir biçimde fark etmesine yardımcı olabileceğini; bunun için ağır bilgisayar donanımı gerektirmeyebileceğini gösteriyor. YOLO11 BSCS, bir robotun odaları hızla taramasına, küçük veya kısmen gizlenmiş alev ve dumanı tespit etmesine ve kendi başına kaçmakta zorlanabilecek sakinler için zamanında alarm veya yönlendirme sağlamasına olanak tanıyor. Sistemin gerçek cihazlarda test edilmesi ve diğer tehlikelere genişletilmesi için daha fazla çalışmaya ihtiyaç olsa da bu araştırma, hareketli yardımcıların evlerimizi sessizce devriye gezerek toplumun en savunmasız üyelerine ek bir güvenlik katmanı sunabileceği bir geleceğe işaret ediyor.

Atıf: Wang, Y., Wang, Y., Wei, Z. et al. YOLO11-BSCS: an enhanced attention-optimized framework for real-time indoor flame and smoke detection in elderly care mobile robots. Sci Rep 16, 14956 (2026). https://doi.org/10.1038/s41598-026-45957-5

Anahtar kelimeler: iç mekan yangın tespiti, yaşlı bakım robotları, duman tanıma, derin öğrenme görselleştirmesi, gerçek zamanlı güvenlik izleme