2026'da endüstriyel görüntü işleme: eksiksiz rehber

Endüstriyel görüntü işleme, neredeyse her modern üretim hattının arka planında sessizce çalışır. Muayene eder, ölçer, tanımlar ve yönlendirir; Almanya, Japonya ve ABD gibi üretim ağırlıklı ekonomilerde ise sahip olunması güzel bir ek değil, kalite altyapısının çekirdek parçasıdır.

Görünüm 2026'da değişti. Basler, Cognex ve Keyence'in geleneksel kamera sistemleri artık pazarı, akıllı telefonları sensör olarak kullanan yapay zekâ öncelikli platformlarla paylaşıyor. Giriş seviyesi maliyetler bir büyüklük mertebesi düştü ve bu, daha önce altı haneli bir makine görüşü projesini gerekçelendiremeyen orta ölçekli üreticilere kapıyı açıyor. Bu rehber, endüstriyel görüntü işlemenin gerçekte ne yaptığını, ihtiyacınız olan dört bileşeni, tedarikçi görünümünü ve üretim gerçeğinize uyan bir sistemi nasıl seçeceğinizi anlatıyor.

Endüstriyel görüntü işleme ne demek?

Endüstriyel görüntü işleme, ürünlerin veya proseslerin görüntülerini otomatik olarak değerlendirmek için kamera ve yazılım kullanmaktır. İngilizcede genellikle "machine vision" adıyla geçer. Pratikte bir kamera görüntüyü yakalar, bir bilgisayar onu analiz eder ve sistem bir karara varır: parça iyidir, barkod doğrudur ya da bileşen yanlış monte edilmiştir.

Tüketici görüntü işlemeden farkı bağlamdır. Üretimde hız, tekrarlanabilirlik ve dayanıklılık her şeyi belirler. Sistemler fabrika aydınlatmasında, tozda ve titreşimde günün her saati çalışır ve hat durmasın diye kararı milisaniyeler içinde vermek zorundadır.

Endüstriyel görüntü işleme nasıl çalışır?

Her sistem aynı zinciri izler: görüntüyü yakala, görüntüyü işle, bir karar üret. Bunun için birlikte çalışması gereken dört bileşen gerekir.

Kamera görüntüyü yakalar. Endüstriyel uygulamalar genellikle 2 ile 12 megapiksel arasında çalışır ve asıl önemli olan kare hızı ile uzun vadeli kararlılıktır. Basler, Allied Vision ve Sony gibi klasik tedarikçiler endüstriyel kameraları kabaca 500 € ve üzerinden satar. Yapay zekâ öncelikli platformlar ise artık bunun yerine iPhone sensörlerini kullanıyor; tüketici pazarı bu sensörleri dahili görüntü sabitlemeyle birlikte çoktan 48 megapiksele taşıdı.

Aydınlatma, tüm yığındaki en çok küçümsenen unsurdur. Kötü aydınlatma en iyi kamerayı bile kör eder. Halka, bar, kubbe ve arkadan aydınlatma dört yaygın yapılandırmadır ve her birinin belirli bir kullanım durumu vardır. Daha yüksek çözünürlüklü bir kameraya 5.000 € harcamadan önce yayınık aydınlatmaya 200 € fazladan harcayın.

Yazılım görüntüyü analiz eder. Kural tabanlı ve yapay zekâ tabanlı sistemlerin ayrıştığı yer burasıdır. Kural tabanlı yazılım piksel sayısı, kenar algılama ve renk karşılaştırması gibi sabit eşiklerle çalışır. Yapay zekâ tabanlı yazılım ise "iyi" ve "kötü" kavramlarının gerçekte ne anlama geldiğini örnek görüntülerden öğrenir. Maliyet ayrımına aşağıda değiniyoruz.

İşlem gücü yazılımı çalıştırır. Geleneksel olarak hattın yanındaki bir pano içindeki endüstriyel PC'de bulunur. Modern yapay zekâ platformları işlem gücünü uç noktaya, örneğin bir iPhone içindeki GPU'ya taşır. Bu da kabloları, panoları ve kurulum yükünün büyük kısmını ortadan kaldırır.

Bir endüstriyel görüntü işleme sisteminin içinde ne var?

Bir endüstriyel görüntü işleme sistemi kameradan ve ekrandan ibaret değildir. Her muayene görevi için art arda çalışan beş yazılım ve donanım katmanı barındırır. Katmanları bilmek, tedarikçi mimarilerini karşılaştırırken veya bir projeyi kapsamlandırırken işinize yarar.

Görüntü alma, dijital görüntüyü kameradan GigE Vision, USB3 veya Camera Link üzerinden besler. Kare hızı, pozlama ve tetikleme sapması, sistemin hatta ayak uydurup uyduramayacağını belirleyen üç sayıdır.

Görüntü analizi çekirdektir. Yüksek çözünürlüklü bir sensör, önce ön işlemeden (gürültü giderme, kontrast, renk normalizasyonu) geçirilen, ardından ilgi bölgelerine ayrılan 2D veya 3D dijital görüntü üretir. Nesne tanıma algoritmaları ya geometrik şablonlarla eşleştirir (kural tabanlı) ya da görüntüyü etiketlenmiş bir veri kümesiyle eğitilmiş derin öğrenme modeline verir. Muayene görevinin gerçekte ne istediğine bağlı olarak bölütleme, sınıflandırma ve regresyon kendi geçişlerini alır.

Karar mantığı, model çıktısını çoğu zaman kural tabanlı kontrollerle birleştirerek bir Geçti/Kaldı sinyaline çevirir. Bilgisayarlı görünün geleneksel otomasyonla buluştuğu yer burasıdır.

Bağlanabilirlik, muayene sistemlerinin bu sinyali yukarı doğru yayımlamasını sağlar. MQTT, OPC UA ve PROFINET bugün üretim proseslerindeki baskın protokollerdir. PLC, MES ve ERP ile sistem entegrasyonu, tek bir muayene istasyonunu tüm tesisin kalite güvence omurgasına dönüştüren şeydir.

İşlem gücü son katmandır. Yüksek performanslı bir endüstriyel PC, bir uç GPU'su veya yapay zekâ öncelikli taraftaki bir iPhone içindeki GPU, modeli hat üzerinde çalıştırır. Hat üzerinde konumlandırma önemlidir, çünkü sunucuya gidiş dönüşü ortadan kaldırır ve yüksek hızlı hatlarda bile muayeneyi gerçek zamanlı tutar. Cihaz üstü işlemeye geçiş, 2020'den bu yana endüstriyel görüntü işleme sistemlerindeki en büyük mimari değişimdir. Ancak bunun karşılığını alabilmeniz için veri işleme hattınızın sıkıştırılmış girdilere tolerans göstermesi ve kamera gecikme bütçenizin 50 ms altında olması gerekir.

Beş katman, ürün kalitesi sonuçlarının tedarikçiden tedarikçiye neden bu kadar değiştiğini açıklar. Aynı kamera farklı bir yazılım yığınında farklı hata algılama sonuçları üretir ve yapay zekâ öncelikli tedarikçilerin rekabet ettiği açık tam da budur.

Endüstriyel görüntü işlemeyi sınıflandırmanın iki yolu

Bu soru neredeyse her ilk görüşmede gelir. Cevap, hangi eksende kestiğinize bağlıdır. İşinize yarayacak iki eksen:

Analiz yöntemine göre: kural tabanlı veya yapay zekâ tabanlı. Kural tabanlı sistemler hızlı, belirlenimci ve iyi belgelenmiştir; ancak hata desenleri çeşitlendiğinde duvara toslar. Yapay zekâ tabanlı sistemler çeşitliliği kaldırır ama eğitim verisine ihtiyaç duyar. Bugün çoğu üretim hattı hibrit çalışır: bir kural ölçüleri doğrularken bir yapay zekâ modeli yüzey hatalarını yakalar.

Boyuta göre: 2D veya 3D. 2D görüntü işleme düz görüntülerle çalışır ve kontrast, desen ve şekil algılar. 3D görüntü işleme ise lazer tarama, yapılandırılmış ışık veya stereo kameralar aracılığıyla uzamsal bilgi yakalar. Hacmin, formun veya yüzey topolojisinin önemli olduğu her yerde, örneğin otomotiv montajında veya kaynak dikişi muayenesinde buna ihtiyacınız olur.

Üretimde anomali algılama ile hata algılamayı karşılaştıran rehberimiz, iki ana yapay zekâ yaklaşımını daha ayrıntılı ele alıyor.

Endüstriyel görüntü işleme nerede kullanılır

Dört uygulama alanı, endüstriyel kurulumların yaklaşık %90'ını kapsar.

Kalite kontrol, yüzey hatalarını, eksik parçaları, yanlış yönlendirmeyi ve renk kaymasını denetlemek için kameraları kullanır. Bu en yüksek hacimli kullanım durumudur ve yapay zekânın son iki yılda en hızlı büyüdüğü alandır.

Ölçüm, proses sırasında ölçüleri ve toleransları yakalar. Bir krank milini konveyör üzerinde hareket ederken milimetrenin onda birine kadar ölçmek artık gerçek zamanlı bir işlem.

Tanımlama ve izlenebilirlik; barkodları, Data Matrix kodlarını, seri numaralarını ve düz metni okur. Her ambalaj hattında ve her ilaç üretim hattında bunlardan en az biri kuruludur.

Robot yönlendirme, robota bir parçayı nereden alacağını veya nereye koyacağını söyleyen koordinatları verir. Endüstriyel görüntü işlemenin robotikle örtüştüğü yer burasıdır ve iki alanın entegrasyonu 2026'nın en güçlü büyüme etkenlerinden biridir.

Endüstriyel görüntü işleme tedarikçileri

Pazar 2026'da iki kampa ayrılıyor.

Geleneksel tedarikçiler onlarca yıldır kamera, aydınlatma, endüstriyel PC ve yazılımdan oluşan eksiksiz çözümler satıyor. Almanya'daki Basler, Alman kökenli en büyük tedarikçi ve ağırlıklı olarak kamera ile çerçeve yakalayıcı satıyor. ABD'deki Cognex, kod okuma ve barkod tarama alanında premium segmente sahip. Keyence teknik muhafazakârlık ve devasa bir saha satış operasyonuyla rekabet ediyor. Sick otomotivde güçlü. Zeiss, Omron, Teledyne ve Matrox tabloyu tamamlıyor. Geleneksel bir tedarikçiden alınan tam kurulum, muayene istasyonu başına genellikle 20.000 € ile 80.000 € arasında oluyor ve entegrasyon ile devreye alma çoğunlukla üstüne fatura ediliyor.

Yapay zekâ öncelikli tedarikçiler son beş yılda ortaya çıktı ve yazılım merkezli bir yaklaşım benimsiyor. ABD'deki Landing AI, Andrew Ng'nin çevresinden doğdu ve kurumsal müşterileri hedefliyor. Maddox.ai, Ethon.ai ve Elementary ML'in her biri belirli bir nişe hizmet ediyor. Berlin'deki Enao Vision sensör olarak iPhone kullanıyor ve bir pilotu çalıştıracak donanım (yenilenmiş iPhone, lamba, kablolar, montaj aparatı) 1.000 € altında kalıyor, sizi aylar değil günler içinde çalışır hale getiriyor. Yapay zekâ öncelikli tedarikçiler azami kare hızı veya piksel çözünürlüğü üzerinden rekabet etmiyor. Kurulum süresi, esneklik ve beş yıllık toplam maliyet üzerinden rekabet ediyorlar.

Hangi kampın size uyduğu, teknolojiden çok üretim yapınıza bağlı. Yıllarca aynı parçayı üreten yüksek hızlı bir pres hattına geleneksel bir sistem yakışır. Haftalık ürün değişimi olan bir fason atölye ise esnek bir yapay zekâ çözümünden çok daha fazla fayda görür. Doğrudan bir karşılaştırma için üretim için en iyi yapay zekâ makine görüşü sistemleri incelememize bakabilirsiniz.

Tipik bir kurulumun maliyeti

Maliyet aralığı devasa ve üç kaldıraca bağlı: donanım, yazılım ve entegrasyon.

Muayene istasyonu başına geleneksel bir sistem:

• Kamera: 500 € ile 5.000 € arası
• Aydınlatma: 300 € ile 2.000 € arası
• Endüstriyel PC: 1.500 € ile 8.000 € arası
• Yazılım lisansı: 2.000 € ile 15.000 € arası (çoğu zaman kamera başına, çoğu zaman yıllık)
• Mekanik ve kablolama: 2.000 € ile 10.000 € arası
• Entegratör işçiliği: 5.000 € ile 15.000 € arası
• Toplam: istasyon başına 20.000 € ile 80.000 € arası, siparişten üretimde kullanıma üç ila altı ay.

iPhone sensörlü, yapay zekâ öncelikli bir platform bu hesabı değiştiriyor. Enao'yu çalıştıracak donanım (yenilenmiş iPhone, lamba, kablolar, montaj aparatı) 1.000 € altında kalıyor ve biz üç haftalık bir başlangıç desteği getiriyoruz. Sistem günler içinde devreye giriyor. Abonelikli yazılım, iş istasyonu başına aylık düşük ila orta üç haneli bir bantta duruyor. Artık soru yapay zekâ tabanlı sistemlerin daha ucuz olup olmadığı değil, proses toleranslarınızın tüketici sınıfı bir sensörle çalışıp çalışmadığı. Parçalı üretimdeki yüzey muayenesinin %95'i için cevap evet.

2024'ten bu yana neler değişti

Son iki yılda üç gelişme endüstriyel görüntü işlemeyi yeniden kurdu.

Birincisi, cihaz üstü yapay zekâ olgunlaştı. iPhone 15 veya 16 içindeki GPU, sinir ağlarını görüntüleri buluta göndermeden gerçek zamanlı analiz edecek kadar hızlı çalıştırıyor. Bu da gecikmeyi azaltıyor, gizlilik riskini kesiyor ve üretim sahasındaki BT mimarisini basitleştiriyor.

İkincisi, kurulum maliyetleri çöktü. İki yıl önce bir entegratörün devreye alma için 20.000 € fatura ettiği yerde, bugün bir üretim çalışanı modeli 50 örnek görüntüyle kendisi eğitiyor. Yazılım tedarikçileri, üretim ekipleri dış bağımlılık olmadan çalışabilsin diye engelleri bilinçli olarak kaldırdı.

Üçüncüsü, işgücü kıtlığı benimsemeyi hızlandırıyor. Almanya, Japonya ve ABD'deki üreticiler yeterli sayıda kalite kontrolörü bulamıyor. Eskiden manuel numune almaya güvenen ekipler açığı teknolojiyle kapatmak zorunda. 2026'da endüstriyel görüntü işleme bir verimlilik projesinden çok bir zorunluluk projesi.

Kaputun altında çalışan temel algoritmalar

Akıllı bir kamerada, raf tipi bir PC'de veya iPhone'da çalışsın, her endüstriyel görüntü işleme sistemi küçük bir temel yazılım algoritmaları kümesine dayanır. Morfoloji şekil analizini üstlenir: hata sınıflandırması çalışmadan önce gürültülü ikili görüntüleri temizleyen genişletme, aşındırma, açma ve kapama işlemleri. OCR etiketlerdeki basılı metni, parti kodlarını ve son kullanma tarihlerini okur; bu da ambalaj hatlarında çoğu alıcının farkında olduğundan çok daha önemlidir. Barkod ve 2D matris kod tanıma, hatta OCR'ın yanında durur ve ön işleme adımlarının çoğunu onunla paylaşır. Bölütleme, aşağı akıştaki modeller yalnızca önemli olanı görsün diye görüntüyü ilgi bölgelerine ayırır. Kenar algılama, malzemeler arasındaki veya parça ile arka plan arasındaki sınırları bulur. Bu teknikler on yıl önce araç kutusunun tamamıydı. 2026'da hâlâ her yapay zekâ modelinin altında çalışıyorlar, çünkü temiz bir ön işleme girdisi olmadan ham pikseller üzerine kurulan derin öğrenme gerçek bir üretim hattında nadiren ayakta kalır.

Uçuş süresi algılama görüntüye üçüncü bir boyut ekler. Bir uçuş süresi kamerası, yansıyan rengi ölçmek yerine ışığın geri dönmesinin ne kadar sürdüğünü ölçer. Bu da piksel başına derinlik verir; mobil robotların ve endüstriyel al-yerleştir hücrelerinin dünyayı üç boyutlu görmek için kullandığı şey budur. Modern iPhone modelleri LiDAR adı verilen bir uçuş süresi sensörüyle geliyor ve Enao Vision müşterileri bu yüzden barkod okuyan ve yüzey hatalarını algılayan aynı donanım üzerinde derinlik duyarlı otomatik muayene çalıştırabiliyor.

Otomatik muayene, proses kontrolü ve kestirimci bakım

Endüstriyel görüntü işleme nadiren yalnız yaşar. Geçti ya da kaldı kararını veren otomatik muayene istasyonlarına, hatalar arttığında yukarı akıştaki parametreleri ayarlayan proses kontrol döngülerine ve görüntüleme düzeneğinin kendisini kayma açısından izleyen kestirimci bakım sistemlerine bağlanır. Pozlama histogramı haftadan haftaya kayan bir kamera, size ışık kaynağının yaşlandığını ya da merceğin tozlandığını söylüyordur. İyi yazılım bunu hata kaçırma oranı yükselmeden önce işaretler. Bir kavram kanıtını, günde üç vardiya boyunca iki yıl ayakta kalan bir sistemden ayıran şey işte bu sessiz tesisattır.

Proses kontrol entegrasyonu tesisatın ikinci yarısıdır. Bir pres hattında hata oranları tırmandığında, görüntü işleme sistemi hattı yavaşlatmak, operatörü uyarmak ve olayı sonraki kök neden analizi için kaydetmek üzere bir PLC sinyali tetikleyebilir. Bu kapalı döngü, pasif bir muayene kamerası ile aktif bir kalite kontrol katılımcısı arasındaki farktır ve her tedarikçiye sorulmaya değer sorulardan biridir.

Mobil robotlar ve taşıdıkları görüntü işleme

Mobil robotlar, ister otonom mobil robot (AMR) ister otomatik yönlendirmeli araç (AGV) olsun, hepsi kamera taşır. Bu robotlarda çalışan görüntü işleme; navigasyonu, engelden kaçınmayı ve bazen de kullanım noktasında muayeneyi üstlenir. Hat, sabit bir muayene hücresiyle aynıdır: al, morfoloji ve kenar algılamayla ön işle, bölütle, sınıflandır. Fark, işlem gücünün pille çalışan bir gövdeye sığması gerektiğidir; hafif yazılım algoritmaları ve verimli GPU çıkarımı bu yüzden mobilde sabit bir hatta olduğundan bile daha çok önem taşır. Sabit ve mobil kurulumlar için aynı verim rakamlarını veren tedarikçiler genellikle ikisinden birinde gerçeği esnetiyordur.

AMR üzerinden kullanım noktasında muayene, 2026'nın yeni desenlerinden biri. Her istasyona sabit bir muayene hücresi kurmak yerine, tek bir robot istasyonlar arasında dolaşıyor, görüntüleri yakalıyor ve her birinde aynı görüntü işleme hattını çalıştırıyor. Ekonomi ancak yazılım mütevazı donanımda çalıştığında tutuyor; uç cihazlar için optimize edilmiş derin öğrenme modelleri de ekmeğini burada kazanıyor.

Hattınız için doğru sistemi nasıl seçersiniz

Üç soru ilk 30 dakikada yönü netleştirir.

Ürünlerinizi ne sıklıkta değiştiriyorsunuz? Hattınız aylarca aynı parçayı üretiyorsa, derinlemesine entegre klasik bir sistem kendini amorti eder. Haftalık veya günlük değiştiriyorsanız, hızlı yeniden eğitim ya da hızlı geçiş kurulumu olan bir çözüme ihtiyacınız var.

Hatalarınız ne kadar değişken? Eksik vida veya okunamayan kod gibi tekdüze hatalar kural tabanlı alandır. Yüzey hataları, renk kayması ve küçük deformasyonlar ise yapay zekâ ister.

Veriler nerede durmak zorunda? Geleneksel sistemler çoğunlukla yerel çalışır. Yapay zekâ platformları bulut veya cihaz üstü seçenekler sunar. İlaç veya otomotiv gibi düzenlemeye tabi sektörlerde bu tek soru mimarinin tamamını belirleyebilir.

Kendi müşteri çalışmalarımızdan pratik bir kural: küçük başlayın. Tek bir hatta pilot kurun, tek bir hata tipini kontrol edin, iki hafta boyunca manuel prosesle yan yana çalıştırın. Algılama oranları sizi ikna ederse ölçeklendirin. İlk gün on istasyonu birden bağlamaya çalışan işletmeler neredeyse her zaman aylarca sürüncemede kalan bir kurulum çalılığına düşer. yapay zekâ ve otomasyonla yalın üretim rehberimizde ele aldığımız gibi, kademeli benimseme her seferinde büyük patlama tarzı yaygınlaştırmaları geçer.

Başlarken

2026'da endüstriyel görüntü işleme artık kendi görü ekibi olan büyük şirketlere özgü bir proje değil. 50 ila 500 çalışanlı orta ölçekli üreticiler ilk sistemlerini artık kendileri kuruyor; müşteri kalite talepleri ve kalite güvence personel açığı onları buna itiyor.

Nereden başlayacağınıza karar veriyorsanız, bugün size en çok paraya mal olan hata tipini alın. Hurdada %1'lik bir azalmanın bir yılda ne getireceğini hesaplayın. O sayı, pilot için bütçenizdir.

İlk pilot için yenilenmiş bir iPhone, bir lamba, kablolar ve bir montaj aparatı gerekiyor (donanımda 1.000 € altında), üstüne de bizden uygulamalı başlangıç desteği. Kendi hattınızda denemek için ücretsiz başlayın.

Ekstrüzyon hatlarına özgü işlenmiş bir örnek için, aynı yaklaşımın kalıp çizgilerini, plate-out'u, çöküntü izlerini ve ölçüsel kaymayı nasıl yakaladığını Enao'nun PVC profil muayenesi sayfasında görebilirsiniz.

Başlayın

Enao Vision'ın kendi hattınızda nasıl çalıştığını görmek ister misiniz? Demoyu deneyin ya da elinizdeki bir iPhone ile ücretsiz başlayın ve ilk muayene istasyonunuzu üretim sahasında kurun.