Yapay zekaya gösterilen olay yeri fotoğrafı, çöken binanın zayıf noktalarını kısa sürede ortaya çıkardı. Milliyet’in aktardığına göre, betonarme yapıların görünmeyen yorgunluğunu insan gözünden kaçan detaylarla okuyabilen bu yeni nesil analiz yazılımları, afet sonrası inceleme süreçlerinde klasik yöntemlerin çok ötesinde sonuçlar veriyor.
Hızlı Özet
- Afet bölgesinden çekilen sıradan kareler, yapay zeka modelleri tarafından detaylı yapısal hasar analizine dönüştürüldü.
- Sistem, kolonlardaki mikro çatlakları ve donatı korozyonunu önceki standart görsel inceleme süreçlerine kıyasla %40 daha kısa sürede tespit etti.
- Bu teknoloji, uzmanların enkaz çevresinde harcadığı tehlikeli araştırma süresini güvenli dijital ortama taşıyor.
Kahve molasında telefonda gezinirken karşılaştığımız bu tür haberler genelde uzak bir vizyon gibi hissettirir. Ama değil. İnşaat mühendisliği ile bilgisayarlı görü teknolojisinin kesişim kümesi, artık teorik makalelerden çıkıp sahada can kurtaran pratik birer araca dönüşüyor.
Yapay zeka enkaz analizinde nasıl kullanılıyor?
Bir bina çöktüğünde zamanla yarışılır. Ekiplerin enkazın hangi bölgesine gireceği, hangi kolonun tekrar kayma riski taşıdığı ya da hangi duvarın binayı ayakta tutan son iskelet olduğu gibi kritik kararlar saniyeler içinde alınmak zorundadır. İnsan gözü ne kadar tecrübeli olursa olsun, toz ve duman içinde yapının yük dağılımını yüzde yüz doğru okuyamayabilir. Görüntü işleme algoritmaları ise tam bu noktada devreye giriyor.
Sisteme yüklenen yüksek çözünürlüklü olay yeri fotoğrafları piksel bazında taranıyor. Betondaki kılcal çatlaklar, demir donatının paslanma oranları ve yük binen kirişlerdeki açısal deformasyonlar anında haritalandırılıyor. Yani yapay zeka sadece bir fotoğrafı görmüyor; o fotoğrafın arkasındaki fiziksel gerilimi hesaplıyor. Daha önce ekiplerin saatler süren manuel ölçümlerle anlamaya çalıştığı yapısal bütünlük, artık akıllı cihaz ekranlarında milimetrik birer haritaya dönüşüyor.
Görüntü İşleme Modelleri Çatlakları Nasıl Okuyor?
Konunun teknik altyapısına biraz daha yakından bakmakta fayda var. Bilgisayarlı görü modelleri, beton yüzeylerdeki renk tonu değişimlerini ve gölge açmazlarını derin öğrenme ağlarıyla işler. Standart bir RGB fotoğraf üzerinde insan gözünün ayırt edemediği milimetrelik genişlikteki ayrışmalar, piksel matrisindeki kontrast farkları sayesinde algoritma tarafından hemen yakalanır.
Model eğitilirken binlerce farklı hasarlı betonarme örneği sisteme tanıtılır. Korozyon nedeniyle paslanan demirin betonda oluşturduğu kahverengi sızıntı lekeleri, kesme kuvveti etkisiyle oluşan 45 derecelik çapraz çatlaklar veya burkulma gösteren çelik donatılar, yazılımın görsel kütüphanesinde etiketlenmiştir. Olay yerinden çekilen ham bir kare bu ağa verildiğinde, sistem kendi veri tabanındaki deformasyon kalıplarıyla anlık eşleştirme yapar.
Yarattığı teknik farklar ve veri tablosu
İş sahaya gelince pratikliği masaya yatırmak şarttır. Geleneksel yöntemlerle yeni nesil yapay zeka destekli hasar tespit süreçlerinin temel farkları, sistemin getirdiği hız ve doğruluk payını net biçimde ortaya koyuyor.
| İnceleme Parametresi | Geleneksel Yöntem | Yapay Zeka Destekli Analiz |
|---|---|---|
| İlk Hasar Tespiti Süresi | Saatler süren saha gözlemi | Fotoğraf yüklemesinden sonra dakikalar |
| Mikro Çatlak Yakalama Oranı | Uzmanın göz seçiciliğine bağlı | Piksel bazlı taramayla %95 üzeri doğruluk |
| Personel İçin Saha Riski | Yüksek (aktif riskli bölgede fiziksel çalışma) | Düşük (uzaktan çekilen karelerle güvenli analiz) |
| Veri Entegrasyon Hızı | Kağıt bazlı raporlama ve manuel giriş | Anlık bulut tabanlı haritalandırma |
Tablonun söylediği şey net: Teknoloji burada mühendisin yerini almıyor; en tehlikeli anlarda onların hayatını koruyan bir kalkan oluyor.
Saha Ekipleri İçin Pratik Entegrasyon Zorlukları
Kağıt üzerinde her şey kusursuz görünse de, bu tür sistemlerin sahada aktif kullanımında bazı mühendislik engelleri bulunuyor. İlk olarak internet altyapısının çöktüğü afet bölgelerinde bulut tabanlı yapay zeka modellerine veri göndermek büyük bir sorun teşkil ediyor.
Bu sorunu aşmak için geliştiriciler artık uç bilgi işlem (edge computing) mimarilerine yöneliyor. İnternet bağlantısı olmasa dahi, arama kurtarma personelinin elindeki tablet veya akıllı telefonlara indirilebilen hafifletilmiş yapay zeka modelleri, yerel işlemci gücünü kullanarak analizi doğrudan cihaz üzerinde gerçekleştiriyor. Böylece baz istasyonlarının devre dışı kaldığı afet anlarında dahi saniyeler içinde ilk yapısal değerlendirme alınabiliyor.
Bu teknoloji günlük hayatımızı nasıl etkileyecek?
Bir deprem ülkesinde yaşamanın getirdiği o sürekli tetikte olma hali, hepimizi binalarımıza farklı bir gözle bakmaya iter. Evimizin kolonundaki ufak bir çatlağa bakıp “acaba normal mi?” diye düşündüğümüz o anları hatırlayın. İşte bu tür yapay zeka modelleri yaygınlaştıkça, bireysel kullanıcılar da oturdukları yapıların sağlık raporunu cebinde taşıyabilecek. Belediyeler ve arama kurtarma ekipleri için geliştirilen bu araçların zamanla mobil uygulamalara entegre olması, apartman sakinlerinin kendi binalarının risk haritasını tek bir kareyle çıkarabilmesinin önünü açacak.
Tabii ki her parlak teknolojinin kendi içinde getirdiği soru işaretleri de var. Veri gizliliği, yanlış etiketlenen fotoğrafların yaratabileceği sahte güvenlik hissi ya da sistemin yanlış yönlendirmeleri gibi riskler göz ardı edilemez. Hiçbir algoritma, binanın temeline inip demir kalitesini bizzat test eden bir mühendisin yerini tamamen tutamaz; ama o mühendisin işini çok daha hızlı ve güvenli yapmasını sağlar.
Sizce de sıradan bir akıllı telefon karesinin yarın bir gün binanızın kaderini belirleyecek kadar güçlenmesi, teknolojiye bakış açınızı değiştirmiyor mu?
Kaynak: Google Haberler (Yapay Zeka)
