TEKNOLOJİ · 12 Tem 2026 · 4 dk okuma · Güncellendi: 29 Eyl 2026

Dijital İkiz ve Sentetik Veri: Kaza Olmadan Kaza Tanımak

3B simülasyon ve dijital ikizle sentetik eğitim verisi üretimi: nadir olayları model henüz sahada görmeden öğretmek.

Dijital ikiz ve sentetik veri, nadir ama kritik olayları — düşme, forklift ile yaya teması, yasak alana giriş — sahada hiç yaşanmadan modele öğretmenin yoludur. Tesisin 3B kopyasında olay sanal olarak canlandırılır, gerçek kamera açısından görüntüye dönüştürülür ve etiketi hazır karelerle model eğitilir. Son adımda sınırlı sayıda gerçek saha görüntüsüyle ince ayar yapılır.

Bir düşme algılama modelini eğitmek için düşme görüntüsü gerekir — ve umarız sahanızda hiç yoktur. Nadir ama kritik olaylar, yapay zekânın en zor problemidir. Çözüm, olayı gerçek dünyada beklemek yerine sanal dünyada üretmek.

Nadir olay neden zor?

Sahadan aylarca kayıt toplasanız da elinizdeki görüntülerin ezici çoğunluğu olaysız, sıradan akıştır. Model saatlerce normal görüntü ile bir avuç olay örneği arasında dengesiz bir veriyle karşılaşır; ya olayı hiç öğrenmez ya da elindeki birkaç örneği ezberler ve biraz farklı bir açıda aynı olayı tanımaz. Personelden düşme canlandırması istemek hem güvenlik açısından sakıncalıdır hem de yapay görünür: insanlar gerçekten dengesini kaybettiğinde başka türlü düşer. Düşme algılama gibi senaryolarda bu yüzden veri tarafı, model mimarisinden daha belirleyicidir.

Dijital ikiz kurmak

Tesisin 3B modeli, gerçek kamera konumları ve lens parametreleriyle birlikte kurulur. Sanal ortamda insan modelleri, forkliftler ve malzeme akışı hareket ettirilir; ışık koşulu, gölge ve kamera gürültüsü gerçeğe yakın simüle edilir. Her karenin etiketi zaten bilinir — etiketleme maliyeti sıfırdır.

Başlangıç noktası çoğu zaman elde olan yerleşim planı, CAD çizimleri ya da tesisin lazer taramasıdır. Kritik olan mimari detayın kusursuzluğu değil, kameranın gördüğü sahnenin doğru olmasıdır: montaj yüksekliği, eğim açısı, görüş alanı, lens bozulması. Bu değerler sahada ölçülür ve sanal kameraya birebir işlenir; aksi hâlde model gerçek kameranın hiç göremeyeceği bir açıdan öğrenir. Aynı ikiz, kurulduktan sonra üretim hattında süreç ve darboğaz simülasyonu için de kullanılabilir.

Varyasyon: sentetik verinin asıl gücü

Sentetik verinin değeri miktardan değil, kontrol edilebilir çeşitlilikten gelir. Aynı düşme sahnesi farklı vücut tiplerinde, farklı iş kıyafetleriyle, baret takılıyken ya da değilken, gün ışığında ve gece vardiyasının loş aydınlatmasında, forkliftin kısmen örttüğü açılarda yeniden üretilebilir. Buna alan rastgeleleştirme (domain randomization) denir: model tek bir görünüşe değil, olayın özüne odaklanmayı öğrenir. Gerçek sahada bu çeşitliliği toplamak yıllar sürerdi; simülasyonda bir parametreyi değiştirmek yeterlidir. Yine de hangi parametrenin hangi aralıkta değişeceği sahanın gerçeğine göre seçilir — tesiste hiç olmayan bir ışık koşulunu abartmak modeli boşuna zorlar.

Karışım oranı

Yalnızca sentetik veriyle eğitilen model, gerçek sahada "domain gap" nedeniyle zorlanır. Deneyimimizde en sağlıklı sonuç, ağırlıklı sentetik + azınlık gerçek veri karışımından çıkıyor; ince ayar mutlaka gerçek saha örnekleriyle yapılıyor.

Bu farkın kaynakları bellidir: sanal dokular fazla temizdir, kameranın sıkıştırma izleri eksiktir, insan hareketleri fazla düzgündür. Gerçek kameranın sıkıştırılmış video akışından alınmış sınırlı sayıda kare bile bu açığı kapatmada büyük rol oynar. Oranın kendisi sabit bir reçete değildir; her projede doğrulama kümesi yalnızca gerçek saha görüntüsünden kurulur ve karışım bu kümedeki sonuca bakılarak ayarlanır. Sahadan gelen gerçek olay örnekleri azsa, bunlar eğitimden önce ayrılıp yalnızca doğrulamaya saklanır; aynı kareyi hem eğitimde hem testte kullanmak, modelin sahadaki başarısını olduğundan iyi gösterir.

Doğrulama sentetik veriyle yapılmaz

Sentetik veri eğitim içindir, ölçüm için değil. Modelin sahada ne kadar iyi çalıştığı yalnızca gerçek görüntü üzerinde ölçülür; sanal sahnede alınan yüksek skor sahaya taşınmayabilir. Nadir olaylarda gerçek test örneği de azdır; bu yüzden pilot süresince her alarm operatör tarafından işaretlenir, kaçan olaylar için geriye dönük kayıt taraması yapılır. Sahadan gelen yanlış tespitler bir sonraki sentetik üretimin girdisi olur: model neyi karıştırıyorsa, o durumun varyasyonları ikizde çoğaltılır. Projeye özel video analitik çalışmalarında sürenin en büyük kalemi model değil veridir; tipik planda veri toplama ve etiketlemeye 4 hafta ayrılır ve sentetik üretim bu kalemi kısaltmanın başlıca yollarından biridir.

Hangi senaryoda işe yarar?

Sentetik veri, olayın geometrisi belirgin ve görsel olarak tarif edilebilir olduğunda en çok işe yarar: yere düşmüş insan, forklift çatalının yakınındaki yaya, bariyerin öbür tarafındaki kişi, tehlikeli bölgede duran araç. Bu olaylar sanal ortamda doğru poz ve açıyla kurulabilir. Duman, buhar, sıvı sızıntısı gibi fiziksel davranışı karmaşık olaylarda iş zorlaşır; simülasyon gerçeğe benzemediğinde model yanlış şeyi öğrenir ve bu senaryolarda gerçek saha kaydının payı artar. Yüzey kusurlarında da dikkat gerekir: çok ince bir çiziğin ışıkla nasıl davrandığını sanal ortamda doğru üretmek, aydınlatmanın kendisini modellemek kadar zordur. Bu yüzden fizibilite aşamasında her senaryo için ayrı karar verilir: hangisi sentetikle beslenecek, hangisi yalnızca sahadan gelen kayıtla.

Nasıl başlanır?

İlk adım, sahada hangi olayın nadir ama kritik olduğunu netleştirmektir; her olay için sentetik üretime gerek yoktur. Ardından o olayın görüleceği kameralar seçilir, montaj ölçüleri alınır ve yalnızca bu görüş alanlarının ikizi kurulur. İlk sentetik kümeyle eğitilen model, sahadan gelen gerçek akış üzerinde gölge modda çalıştırılır; alarm üretmez, yalnızca kararlarını kaydeder. Bu dönemde görülen hatalar, ikizde hangi varyasyonun eksik olduğunu gösterir. Model sahada yeterli kesinlik ve duyarlılığa ulaştığında alarm üretmeye başlar ve düzenli izleme süreci devreye girer.

Nereye gidiyor?

Üretken görüntü modelleri, dijital ikiz kurma maliyetini de düşürüyor: birkaç gerçek kareden yüzlerce varyasyon üretilebiliyor. Önümüzdeki dönemde "yeni ihlal tipi tanımla, sistem kendi eğitim verisini üretsin" akışının standartlaşmasını bekliyoruz.

Bu akışın önündeki engel teknikten çok süreçseldir: üretilen verinin sahayı gerçekten temsil ettiğini kimin onaylayacağı, hangi veri sürümüyle hangi modelin eğitildiğinin kaydı. İkiz yalnızca olayı tanımak için değil, olaya giden koşulları öngörmek için de kullanılabilir; bu yönü tahmine dayalı güvenlik yazısında ele aldık.

Sık sorulan sorular

Sentetik veriyle eğitilen model sahada ne kadar doğru çalışır?

Bunu önceden tek bir sayıyla söylemek doğru olmaz; doğruluk yalnızca sahanın gerçek görüntüsünde ölçülür. Pilot süresince her alarm operatörce işaretlenir, kesinlik ve duyarlılık gerçek kayıt üzerinden hesaplanır ve eşikler buna göre ayarlanır. Sentetik veri nadir olayda modelin başlangıç noktasını yükseltir; son sözü ise gerçek saha örnekleriyle yapılan ince ayar söyler.

Dijital ikiz kurmak için tesisin CAD çizimleri şart mı?

Şart değil. Yerleşim planı, sahada alınan ölçüler ve kamera görüntüleri çoğu senaryoda yeterlidir; lazer tarama varsa süreci hızlandırır. Önemli olan, sanal kameranın gerçek kamerayla aynı yükseklik, açı ve lens özellikleriyle konumlanmasıdır. Tüm tesisin değil, yalnızca modelin çalışacağı kamera görüş alanlarının ikizini kurmak genellikle yeterli olur.

Mevcut kameralarımızla çalışır mı?

Evet; sentetik veri mevcut kameraların konumu ve lens özelliklerine göre üretilir, yani model doğrudan sahadaki kameralar için hazırlanır. Fizibilite aşamasında sahadan 1–2 haftalık örnek görüntü alınır ve hedefin mevcut görüntüyle ölçülebilir olup olmadığı belirlenir. Görüntü yetersizse eklenecek kamera ya da açı değişikliği raporlanır.

KVKK açısından sentetik veri ne değiştirir?

Sentetik karelerde gerçek kişi yer almadığı için eğitim verisinin büyük kısmı kişisel veri içermez; bu, veri minimizasyonu açısından avantajdır. İnce ayar ve doğrulamada kullanılan gerçek saha görüntüsü ise 6698 sayılı KVKK kapsamında değerlendirilir. Varsayılan kurulumda görüntü tesis içindeki edge sunucuda işlenir, yüz tanıma kullanılmaz. Bu genel bilgidir, hukuki danışmanlık yerine geçmez.

Sentetik veri kullanan bir proje ne kadar sürer?

Projeye özel modellerde tipik devreye alma süresi 12–14 haftadır ve en büyük kalem veri toplama ve etiketlemedir. Sentetik üretim, nadir olay örneklerini sahada beklemeden bu kalemi kısaltabilir. Ne kadar kısaltacağı senaryoya ve kamera görüş alanlarının ikizinin ne kadar hızlı kurulabildiğine bağlıdır; takvim fizibilite aşamasında netleşir.