Yapay Zekâ Destekli Yangın Algılama Sistemleri: Kamera Entegrasyonu ve Teknik Uygulamalar

Yapay zekâ destekli yangın algılama sistemleri, kamera görüntülerini ve uygun sensör verilerini analiz ederek duman, alev ve belirli sıcaklık anomalileri gibi yangınla ilişkili belirtilerin tespit edilmesine yardımcı olan teknolojilerdir. Özellikle fabrikalar, lojistik merkezleri, depolar, enerji tesisleri ve geniş endüstriyel alanlarda geleneksel yangın algılama altyapısını destekleyebilecek yeni uygulama imkânları sunmaktadır.

Geleneksel yangın dedektörleri, dumanın veya sıcaklığın algılama noktasına ulaşması gibi fiziksel prensiplerle çalışırken video tabanlı yangın algılama sistemleri, kamera görüş alanında ortaya çıkan belirli görsel belirtileri değerlendirebilir.

Bu yaklaşım, bazı yangın senaryolarında olayın daha erken fark edilmesine ve güvenlik operatörlerinin olay yerini görsel olarak değerlendirmesine katkı sağlayabilir.

Ancak yapay zekâ destekli bir güvenlik kamerası veya video analiz yazılımı, otomatik olarak standartlara uygun bir yangın dedektörü değildir. Bir sistemin yangın güvenliği amacıyla kullanılabilmesi için algılama performansı, ürün uygunluğu, sistem mimarisi ve ilgili mevzuat gereklilikleri birlikte değerlendirilmelidir.

Yapay Zekâ Destekli Yangın Algılama Sistemleri Nedir?

Yapay zekâ destekli yangın algılama sistemleri, yangın belirtilerinin tespitinde makine öğrenmesi, bilgisayarlı görü veya gelişmiş veri değerlendirme algoritmalarından yararlanan sistemlerdir.

Bu teknolojiler farklı mimarilerde uygulanabilir:

IP kamera görüntülerinden duman ve alev analizi
Kamera üzerinde çalışan Edge AI yangın analitiği
Merkezi sunucuda gerçekleştirilen video yangın analizi
Termal kamera ile sıcaklık anomalisi izleme
Birden fazla sensörden elde edilen verilerin birlikte değerlendirilmesi
Yangın alarm sistemleriyle entegre olay yönetimi

Bu işlevlerin tamamı her üründe bulunmaz.

Ayrıca çok kriterli dedektörlerin tamamı yapay zekâ kullanmaz. Bir cihazın gelişmiş sinyal işleme algoritmalarına sahip olması ile makine öğrenmesi tabanlı analiz yapması farklı özelliklerdir.

Yapay Zekâ ile Video Tabanlı Yangın Algılama Nasıl Çalışır?

Video tabanlı yangın algılama sistemlerinde görüntülerin alınması, analiz edilmesi, olayın değerlendirilmesi ve alarm oluşturulması aşamaları bulunur.

1. Kamera Görüntüsünün Alınması

Sistem, uygun IP kameradan veya özel video yangın dedektöründen görüntü alır.

Görüntü kalitesi üzerinde çözünürlük, lens, montaj açısı, aydınlatma ve video sıkıştırma özellikleri etkilidir.

Yangın belirtilerinin görüntüde yeterli ayrıntıyla bulunması önemlidir.

2. Duman ve Alev Belirtilerinin Analizi

Yapay zekâ algoritmaları, desteklenen modellerde dumanın görsel özelliklerini, hareketini ve zamana bağlı değişimlerini değerlendirebilir.

Alev algılama algoritmaları ise belirli renk, şekil, hareket ve zamansal özelliklerden yararlanabilir.

Ancak her algoritma hem duman hem de alev tespitini desteklemez.

3. Olayın Zaman İçerisinde Değerlendirilmesi

Bazı sistemler tek bir görüntü karesi yerine birden fazla kare boyunca oluşan değişimleri analiz eder.

Bu yaklaşım, geçici görsel etkilerle gerçek yangın belirtilerini ayırmaya yardımcı olabilir.

Ancak yanlış alarmı azaltmak için kullanılan zaman filtreleri, algılama gecikmesini artırabilir.

4. Alarm Oluşturulması

Algoritma tarafından belirlenen koşullar gerçekleştiğinde sistem alarm veya olay bildirimi oluşturabilir.

Bu bildirim uygun arayüzler aracılığıyla merkezi izleme yazılımına veya yangın güvenliği altyapısına iletilebilir.

5. Olayın Görsel Doğrulanması

Video tabanlı algılamanın önemli avantajlarından biri, alarmın oluştuğu alana ilişkin görüntü sağlayabilmesidir.

Yetkili personel olayın yerini ve görünür durumunu değerlendirebilir.

Ancak görsel doğrulama prosedürü, mevzuatın gerektirdiği otomatik yangın alarmı ve tahliye fonksiyonlarını geciktirecek şekilde tasarlanmamalıdır.

Mevcut IP Güvenlik Kameralarıyla Yapay Zekâ Yangın Algılama Yapılabilir mi?

Uygun teknik koşullarda mevcut IP kameraların görüntüleri, harici yapay zekâ analiz yazılımlarıyla işlenebilir.

Bu yaklaşım, mevcut CCTV altyapısını değerlendirmek isteyen işletmeler açısından ilgi çekici olabilir.

Ancak kameranın video akışı sağlayabilmesi, yangın algılama amacıyla yeterli olduğu anlamına gelmez.

Kamera ve Yazılım Uyumluluğu

Öncelikle kameranın desteklenen video akışını analiz yazılımına aktarabildiği doğrulanmalıdır.

RTSP veya üreticiye özgü bağlantı yöntemleri kullanılabilir.

Ancak görüntü akışının alınması, analiz sisteminin yangın algılama performansını veya mevzuata uygunluğunu tek başına kanıtlamaz.

Görüntü Kalitesi ve Kamera Yerleşimi

Kamera, korunacak alandaki olası duman veya alev belirtilerini uygun açıdan görüntüleyebilmelidir.

Yüksek raflar, makineler, yapısal engeller ve kamera kör noktaları algılamayı sınırlayabilir.

Gece Görüşü ve Aydınlatma

Görünür ışık görüntülerine dayalı yangın analizi, yetersiz aydınlatmadan etkilenebilir.

Kızılötesi aydınlatmalı gece görüntüsü, görünür spektrum için eğitilmiş her duman veya alev algoritmasıyla uyumlu olmayabilir.

Bu nedenle sistemin gece çalışma koşulları ayrıca test edilmelidir.

Kamera Arızası ve Görüntü Kaybı

Yangın algılama uygulamalarında yalnızca alarm oluşması değil, algılama işlevinin kaybedilmesi de önemlidir.

Kamera bağlantısının kesilmesi, görüntünün donması, lensin kapanması veya analiz sunucusunun çalışmaması gibi durumlarda sistemin nasıl davranacağı belirlenmelidir.

Önemli teknik ayrım: Mevcut CCTV kamerası üzerinde çalışan genel amaçlı bir AI yazılımı ile yangın algılama amacıyla tasarlanmış ve ilgili performans gerekliliklerine göre değerlendirilmiş video yangın dedektörü aynı ürün kategorisi olarak kabul edilmemelidir.

Edge AI ve Sunucu Tabanlı Yangın Analizi

Edge AI Yangın Algılama

Edge AI sistemlerinde analiz işlemi doğrudan kamera veya özel uç cihaz üzerinde gerçekleştirilir.

Bu mimari bazı uygulamalarda merkezi sunucu ihtiyacını azaltabilir.

Ancak kamera işlem kapasitesi, eş zamanlı analiz özellikleri ve yazılım güncelleme süreçleri değerlendirilmelidir.

Sunucu Tabanlı Yangın Analizi

Sunucu tabanlı sistemlerde birden fazla kameradan gelen video akışı merkezi analiz altyapısında işlenir.

Bu yaklaşım mevcut CCTV sistemleriyle entegrasyon açısından esneklik sağlayabilir.

Ancak işlem kapasitesi, ağ bağlantısı, sunucu arızası ve merkezi bileşenlerin devre dışı kalması gibi riskler değerlendirilmelidir.

Hibrit Sistemler

Bazı mimarilerde kamera üzerinde ön analiz yapılırken olayların merkezi sistemde yönetilmesi mümkün olabilir.

Ancak hibrit mimarinin bulunması, sistemin yangın güvenliği açısından otomatik olarak daha güvenilir olduğu anlamına gelmez.

Yapay Zekâ Yangın Algılama Teknolojilerinin Karşılaştırılması

Teknoloji	Başlıca kullanım amacı	Teknik sınırlama
Görünür ışık AI kamera	Görünür duman ve alev belirtilerinin analizi	Görüş alanı, ışık ve çevresel etkiler
Özel video yangın dedektörü	Video tabanlı yangın algılama	Ürün kapsamı, uygunluk ve kurulum şartları
Termal kamera	Sıcaklık anomalilerinin izlenmesi	Emisivite, yansıma ve ölçüm koşulları
Optik duman dedektörü	Duman parçacıklarının algılanması	Dumanın dedektöre ulaşması ve ortam etkileri
Hava örneklemeli sistem	Hava örnekleri üzerinden duman algılama	Borulama, hava akışı ve bakım gereksinimleri
Alev dedektörü	Belirli alev radyasyonunun algılanması	Görüş, yakıt türü ve yanıltıcı ışınım kaynakları

Bu teknolojiler birbirinin doğrudan alternatifi olarak değerlendirilmemelidir. Seçim, korunacak riskin özelliklerine ve ilgili yangın güvenliği gerekliliklerine göre yapılmalıdır.

Termal Kamera ile Yapay Zekâ Yangın Algılama Arasındaki Fark

Termal kameralar, nesnelerin yaydığı kızılötesi radyasyondan yararlanarak sıcaklık dağılımına ilişkin bilgi sağlayabilir.

Uygun radyometrik termal kameralarla belirli ekipmanların yüzey sıcaklıkları izlenebilir.

Örneğin elektrik panoları, konveyör bileşenleri veya belirli endüstriyel ekipmanlarda olağan dışı sıcaklık değişimleri değerlendirilebilir.

Ancak termal görüntüleme ile duman veya alevin görünür görüntüden algılanması farklı teknik yöntemlerdir.

Termal Analizde Dikkat Edilmesi Gerekenler

Ölçülen yüzeyin emisivitesi
Yansıyan radyasyon
Ölçüm mesafesi
Atmosferik koşullar
Kameranın sıcaklık ölçüm aralığı
Ölçüm doğruluğu
Alarm eşikleri
Hedefin görüş alanındaki konumu

Ayrıca bir ekipmanda sıcaklık artışının algılanması, yangının kesin olarak başlayacağı veya önleneceği anlamına gelmez.

Termal izleme, uygun uygulamalarda önleyici bakım ve risk izleme süreçlerini destekleyebilir.

Yapay Zekâ Yangın Algılama Sistemleri Hangi Tesislerde Kullanılır?

Fabrikalar ve Üretim Tesisleri

Yüksek tavanlı alanlar, üretim makineleri ve geniş görüş sahaları nedeniyle video tabanlı yangın analizi değerlendirilebilir.

Ancak kaynak, taşlama, buhar ve toz gibi üretim faaliyetleri yanlış alarm riskini etkileyebilir.

Depolar ve Lojistik Merkezleri

Geniş hacimli depolarda kamera tabanlı analiz, belirli görünür yangın belirtilerinin izlenmesine katkı sağlayabilir.

Ancak yüksek rafların oluşturduğu kör noktalar ve hava hareketleri dikkate alınmalıdır.

Enerji ve Elektrik Tesisleri

Elektrik ekipmanlarının sıcaklık izlenmesinde uygun termal kameralar kullanılabilir.

Video tabanlı alev veya duman analizi ise farklı bir uygulama olarak değerlendirilmelidir.

Atık ve Geri Dönüşüm Tesisleri

Atık depolama alanlarında görsel yangın belirtileri ve belirli sıcaklık anomalileri izlenebilir.

Ancak toz, buhar, güneş ışığı ve malzeme hareketleri analiz performansını etkileyebilir.

Açık Depolama Alanları

Uygun görüş alanına sahip kameralarda görünür duman veya alev belirtileri değerlendirilebilir.

Rüzgâr yönü, uzaklık ve çevresel koşullar algılama performansında önemli rol oynar.

Yangın Alarm Paneliyle Entegrasyon Nasıl Yapılır?

Yapay zekâ destekli video analiz sistemlerinin profesyonel yangın güvenliği projelerinde kullanılmasında entegrasyon kritik öneme sahiptir.

Bir yazılımın alarm oluşturması ile bu alarmın yangın alarm paneli tarafından güvenilir ve uygun şekilde işlenmesi farklı teknik konulardır.

Alarm ve Arıza Bilgileri

Sistem mimarisinde mümkün ve gerekli olduğunda alarm, arıza ve haberleşme kaybı gibi durumların ayrı ayrı izlenmesi değerlendirilmelidir.

Haberleşme ve Arayüzler

Üreticinin desteklediği röle, giriş/çıkış modülü, ağ protokolü veya diğer arayüzler kullanılabilir.

Ancak yalnızca bağlantı kurulabiliyor olması, entegrasyonun yangın güvenliği gerekliliklerine uygun olduğunu göstermez.

Yangın Senaryoları

Yangın alarmının hangi durumda oluşturulacağı ve hangi kontrol fonksiyonlarını tetikleyeceği proje kapsamında belirlenmelidir.

Tahliye, duman kontrolü ve diğer zorunlu güvenlik işlevleri ilgili mevzuat ve sistem tasarımına uygun olmalıdır.

Sistem Arızasında Davranış

Enerji kaybı, ağ bağlantısı kesintisi, kamera arızası ve sunucu durması gibi senaryolar değerlendirilmelidir.

Genel amaçlı CCTV yazılımı, gerekli yangın güvenliği fonksiyonları için doğrulanmamış tek kontrol noktası olarak kullanılmamalıdır.

Yapay Zekâ Yangın Algılama Sistemlerinde Yanlış Alarm Nedenleri

Görüntü tabanlı sistemlerde yanlış alarmlar farklı çevresel ve operasyonel koşullardan kaynaklanabilir.

Örnekler:

Su buharı
Üretim tozu
Kaynak ve taşlama ışıkları
Ani aydınlatma değişimleri
Güneş yansımaları
Hareketli gölgeler
Lens kirlenmesi
Kamera titreşimi
Görüntü sıkıştırma bozulmaları
Algoritmanın duman veya alev benzeri görüntüleri yanlış sınıflandırması

Yapay zekâ algoritmaları bu etkilerin bazılarını ayırt etmeye yardımcı olabilir.

Ancak yanlış alarmları azaltmak için alarm duyarlılığının aşırı düşürülmesi, gerçek yangın belirtilerinin kaçırılmasına neden olabilir.

Bu nedenle sistemin yanlış alarm performansı ve gerçek olayları algılama başarısı birlikte değerlendirilmelidir.

Yapay Zekâ Yangın Algılama Sistemlerinde Doğruluk Nasıl Ölçülür?

Yangın algılama uygulamalarında performans değerlendirmesi yalnızca genel doğruluk yüzdesiyle yapılmamalıdır.

Özellikle gerçek yangın belirtilerinin kaçırılması ve alarm gecikmesi önemlidir.

Algılama Olasılığı

Kontrollü test koşullarında algılanan gerçek olayların toplam gerçek olaylara oranı hesaplanabilir.

Algılama oranı = Algılanan gerçek test olayları / Toplam gerçek test olayları × 100

Örneğin 40 kontrollü test senaryosunun 38'inde alarm oluşturulmuşsa gözlenen algılama oranı %95 olur.

Ancak bu sonuç, farklı yangın türlerinde veya tüm saha koşullarında aynı performansın sağlanacağını garanti etmez.

Yanlış Alarm Oranı

Belirli izleme süresinde oluşturulan yanlış alarmlar kaydedilmelidir.

Örneğin kamera başına haftalık yanlış alarm sayısı operasyonel değerlendirme için kullanılabilir.

Algılama Gecikmesi

Test senaryosunda tanımlanan başlangıç anı ile sistemin alarm üretmesi arasındaki süre ölçülmelidir.

Başlangıç anının neyi temsil ettiği açıkça belirtilmelidir: görünür dumanın ortaya çıkması, test kaynağının etkinleştirilmesi veya başka bir referans olay gibi.

Kaçırılan Olaylar

Gerçek test olaylarında alarm oluşturulmaması ayrıca incelenmelidir.

Yanlış negatif sonuçların hangi koşullarda ortaya çıktığı raporlanmalıdır.

Yapay Zekâ Yangın Algılama Sistemlerinde Saha Validasyonu

Saha validasyonu, sistemin kurulduğu ortamda tanımlanan algılama senaryolarını karşılayıp karşılamadığının kontrol edilmesidir.

Örnek bir validasyon süreci şu aşamalardan oluşabilir:

Korunacak alan ve yangın riskleri belirlenir.
Algılama teknolojisinin kullanım amacı tanımlanır.
Kamera görüş alanları ve kör noktalar incelenir.
Algoritma ayarları ve alarm kuralları doğrulanır.
Üreticinin onayladığı güvenli test yöntemleri belirlenir.
Kontrollü testler yetkili personel tarafından gerçekleştirilir.
Algılama ve alarm gecikmesi sonuçları kaydedilir.
Yanlış alarm ve kaçırılan olaylar analiz edilir.
Panel entegrasyonu ve arıza senaryoları test edilir.
Sonuçlar kabul kriterlerine göre raporlanır.

Yangın algılama sistemleri test edilirken kontrolsüz yangın oluşturulmamalı, zorunlu güvenlik sistemleri devre dışı bırakılmamalıdır. Test yöntemleri ürün üreticisinin talimatları ve ilgili standartlar çerçevesinde belirlenmelidir.

Yapay Zekâ Yangın Algılama Sistemlerinde Standartlar ve Mevzuat

Yangın algılama sistemlerinde teknoloji seçimi kadar ürünün ilgili standartlara ve ulusal mevzuata uygunluğu da önemlidir.

ISO 7240-29:2024

ISO 7240-29:2024, görünür spektrumda çalışan video yangın dedektörlerine ilişkin gereklilikleri, test yöntemlerini ve performans kriterlerini kapsar.

Bu standardın kapsamı, her türlü genel amaçlı yapay zekâ kamera yazılımını otomatik olarak içermez.

ISO/TS 7240-30:2022

Video yangın algılama sistemlerinin tasarımı, kurulumu, devreye alınması ve servis süreçlerine ilişkin teknik rehberlik sağlar.

TS EN 54 Serisi

Türkiye'de yangın algılama ve alarm sistemlerinin ilgili bileşenleri ve uygulamaları açısından TS EN 54 serisi önemlidir.

Ürüne uygulanacak standart bölümü, cihazın teknolojisine ve kullanım amacına göre belirlenmelidir.

Binaların Yangından Korunması Hakkında Yönetmelik

Türkiye'de yangın algılama ve uyarı sistemleri, ilgili yönetmelik hükümleri çerçevesinde değerlendirilmelidir.

Özellikle algılama sistemlerinin gerekli olduğu mahaller, yangın alarmı, uyarı fonksiyonları ve diğer güvenlik sistemleriyle ilişkiler proje kapsamında ele alınmalıdır.

Önemli: Uluslararası bir standardın bulunması, ilgili ürünün Türkiye'deki her projede zorunlu yangın algılama sisteminin yerine kullanılabileceği anlamına gelmez. Ürün belgeleri, ulusal mevzuat, proje şartları ve yetkili idare gereklilikleri ayrıca doğrulanmalıdır.

Yapay Zekâ Yangın Algılama Sistemleri İçin Teknik Kontrol Listesi

Yangın riski ve korunacak alan tanımlandı mı?
Görsel duman, alev veya sıcaklık analizi ihtiyacı ayrıştırıldı mı?
Mevcut IP kameraların teknik uygunluğu değerlendirildi mi?
Kamera görüş alanları ve kör noktalar kontrol edildi mi?
Gece ve değişken aydınlatma koşulları değerlendirildi mi?
Ürünün yangın algılama amacıyla uygunluk belgeleri incelendi mi?
İlgili standartlar ve mevzuat gereklilikleri belirlendi mi?
Yangın alarm paneli entegrasyonu doğrulandı mı?
Alarm ve arıza senaryoları test edildi mi?
Yanlış alarm ve kaçırılan olay performansı ölçüldü mü?
Algılama gecikmesi değerlendirildi mi?
Bakım, güncelleme ve periyodik test planı oluşturuldu mu?

Sık Sorulan Sorular

Yapay zekâ destekli yangın algılama sistemi nedir?

Kamera görüntülerini veya uygun sensör verilerini analiz ederek yangınla ilişkili duman, alev ve belirli sıcaklık belirtilerini algılamaya yönelik sistemdir.

Mevcut güvenlik kameralarıyla yangın algılama yapılabilir mi?

Uygun kamera ve yazılımlarla belirli görsel yangın belirtileri analiz edilebilir. Ancak bu özellik, kamerayı otomatik olarak mevzuata uygun yangın dedektörüne dönüştürmez.

Yapay zekâ kameraları dumanı algılayabilir mi?

Uygun algoritmalar ve görüntüleme koşullarında görünür duman belirtileri algılanabilir. Ancak buhar, toz, aydınlatma ve görüş engelleri performansı etkileyebilir.

Yapay zekâ destekli sistemler yangını daha erken algılar mı?

Bazı senaryolarda görünür belirtilerin erken değerlendirilmesine katkı sağlayabilir. Ancak her yangın türünde geleneksel dedektörlerden daha hızlı çalışacağı garanti edilemez.

Termal kamera yangın algılama için kullanılabilir mi?

Uygun termal kameralar belirli sıcaklık anomalilerini izleyebilir. Ancak termal izleme ile standartlara uygun yangın algılama farklı gerekliliklere sahip olabilir.

Yapay zekâ yangın algılama sistemleri yanlış alarm verir mi?

Evet. Buhar, toz, kaynak ışığı ve diğer çevresel etkiler yanlış alarm oluşturabilir. Bu nedenle saha validasyonu önemlidir.

Yapay zekâ yangın algılama sistemi mevcut yangın alarm paneline bağlanabilir mi?

Uygun arayüz ve sistem tasarımıyla entegrasyon mümkün olabilir. Ancak bağlantının ilgili güvenlik gerekliliklerini karşılaması ve arıza durumlarında doğru çalışması ayrıca doğrulanmalıdır.

Yapay zekâ yangın algılama sistemleri geleneksel dedektörlerin yerine geçebilir mi?

Genel olarak otomatik bir ikame kabul edilmemelidir. İlgili ürünün uygunluğu, mevzuat, proje gereksinimleri ve yetkili değerlendirmeler belirleyicidir.

Sonuç

Yapay zekâ destekli yangın algılama sistemleri, görüntü analizi ve gelişmiş veri işleme teknolojileri sayesinde yangın belirtilerinin değerlendirilmesine yeni imkânlar sunmaktadır.

Mevcut IP kamera altyapısının kullanılması, Edge AI ve merkezi analiz yazılımları, görsel olay doğrulama ve yangın alarm sistemleriyle entegrasyon bu teknolojilerin önemli uygulama alanlarıdır.

Ancak profesyonel bir yangın güvenliği projesinde sistemin başarısı yalnızca algoritmanın gelişmişliğine bağlı değildir.

Kamera yerleşimi, algılama performansı, yanlış alarm yönetimi, ürün uygunluğu, mevzuat gereklilikleri, panel entegrasyonu ve saha validasyonu birlikte değerlendirilmelidir.

Doğru yaklaşım, yapay zekâ destekli yangın algılamayı mevcut yangın güvenliği altyapısının yerine koşulsuz olarak yerleştirmek değil; teknik uygunluğu doğrulanmış ve ilgili güvenlik gerekliliklerini karşılayan bir çözüm olarak değerlendirmektir.