Duman mı, sis mi, toz mu? Yangın tespit sistemleri neden yanlış alarm verir?

Benzer görüntüler neden zordur?

Normal bir video kamera görünümü kaydeder. Bir bulutun neyden oluştuğunu doğrudan ölçmez. Duman, sürüklenen sis ve havadaki toz; arka planı örten, hareketli ve kısmen saydam alanlar oluşturabilir.

Yangın kamera ağlarına ilişkin bir araştırma, erken duman ince ve düşük kontrastlı olduğunda bulutları, pusu, sisi ve tozu ayırt edilmesi zor unsurlar olarak belirler. Tek başına renk yeterli değildir. Açık renkli bir alan zararsız olabilir, ancak açık renkli duman da yangın belirtisi olabilir.

Bazı yanıltıcı örüntüler ekipmanın yakın çevresinden kaynaklanır. Portekiz'deki bir saha araştırmasında, araştırmacılar lens üzerindeki su damlalarının, güneş yansımalarının ve hatta bir direğin neden olduğu yanlış tespitleri belgeledi. Bu nedenle güvenilirliği artırmak, yapay zekânın yanı sıra kamera kurulumunu da ilgilendirir.

Daha sessiz bir sistemin bedeli

Tespit yazılımı, şüpheli bir duman sütununa genellikle bir puan verir. Puan seçilen eşiği geçtiğinde, bazen ek kontrollerle birlikte, uyarı tetiklenir. Yapay zekânın yangın dumanını nasıl tespit ettiğini anlatan rehberimiz bu süreci açıklar.

Aynı modelde eşiği yükseltmek genellikle yanlış uyarıları azaltır. Ancak daha düşük puan alan gerçek dumanı da reddedebilir. Eşiği düşürmek bunun tersi bir denge yaratır. Sessiz bir sistem, kendiliğinden iyi bir algılayıcı değildir.

Tekrarlanan yanlış alarmların insani bir bedeli de vardır. Kamuya açık bir yangın tespit sisteminin işletilmesine ilişkin değerlendirme, bunları araştırmanın bir sonraki bildirimin algılanan aciliyetini nasıl azaltabildiğini anlatır. Amaç, yararlı uyarıları elemeden dikkati korumaktır.

Doğruluk oranı neden yanıltabilir?

Öne çıkarılan bir doğruluk yüzdesi bu dengeyi gizleyebilir. Google'ın sınıflandırıcıları değerlendirme rehberi, bir örnek türü diğerinden çok daha fazlaysa doğruluk oranının yanıltıcı olabileceğini açıklar.

1.000 görüntü içeren ve yalnızca birinde duman bulunan bir test düşünün. Her zaman “duman yok” yanıtı veren sistem, 999 görüntüyü doğru sınıflandırır. Doğruluk oranı %99,9'dur, ancak tek duman görüntüsünü kaçırır. Bu, bir tespit ürününün sonucu değil, varsayımsal bir örnektir.

Daha iyi sorular sonuçları birbirinden ayırır: Gerçek dumanın ne kadarı tespit ediliyor, uyarıların ne kadarı yanlış ve tespit ne kadar sürüyor? Bu ölçütler performansın farklı bölümlerini açıklar; hiçbiri tek başına okunmamalıdır.

Uygulamada yanlış alarmları azaltmak

Birden fazla kontrol birlikte çalışabilir. Eğitim, yerel benzer görüntülerin doğrulanmış örneklerini içerebilir. Görüntü dizisi, inceleyen kişinin şüpheli bir alanın nasıl geliştiğini görmesine yardımcı olabilir. Kamera bakımı, tekrarlanan engelleri veya su damlalarını giderebilir.

HPWREN uygulama değerlendirmesi, eğitimi iyileştirmek için doğrulanmış yanlış tespitlerin, insanların dumanı yanıltıcı unsurlardan ayırmasına yardımcı olmak içinse hızlandırılmış görüntü dizilerinin kullanılmasını anlatır. Bu devam eden bir süreçtir: Başarılı bir gösterim, her mevsim veya konumdaki performansı kanıtlamaz.

Uyarının nereye gittiği de önemlidir. Makinenin işaretlemesi, operatörün doğruladığı olay ve acil müdahale talebi farklı aşamalardır. ALERTCalifornia'nın iş akışında, eğitimli gözetleme görevlileri olası olayları doğrulamadan önce inceler. Tedarikçinin yanlış alarm verilerinin hangi aşamayı tanımladığını sorun.

Saha yöneticisi neler sormalı?

Aynı ayarlardaki kaçırılan tespitler ve tespit süresiyle birlikte, kamera başına günlük yanlış uyarı sayısını isteyin. Tek bir olay için tekrarlanan işaretlemelerin ayrı sayılıp sayılmadığını kontrol edin. Kendi sahanıza benzer faaliyetlerin, zorlu hava ve ışık koşullarının bulunduğu örnekler isteyin.

Her uyarıyı kimin kontrol edeceğini ve ardından ne yapılacağını kararlaştırın. Önceki yanlış alarmlar, yeni bir uyarıyı değerlendirmeden reddetmek için gerekçe değildir. Mevcut güvenlik kameralarını yangın tespitinde kullanma rehberimiz, kamera ağının kendisini değerlendirmeye nasıl başlayacağınızı açıklar.