Güncelleme: Temmuz 2026 · 7 dk okuma · Serkan İnkaya · Mechanical Engineer, ODTÜ
Kusur tespiti için sentetik veri nedir ve artırmadan (augmentation) nasıl farklıdır?
Kusur tespiti için sentetik veri, bir kameranın yakaladığı değil bir bilgisayarın ürettiği kusur görüntüleridir: işlenmiş CAD modelleri, benzetilmiş kusurlar veya bir üretici modelin ürettiği görüntüler. Veri artırma farklıdır; zaten elinizde olan örneklerden daha fazla çeşitlilik sıkmak için gerçek yakalanmış görüntüleri çevirerek, döndürerek, parlaklığı değiştirerek veya gürültü ekleyerek dönüştürür. Her ikisi de aynı kıtlığı hedefler, çok az gerçek kusur görüntüsü, ama zıt yerlerden başlarlar: artırma gerçek veriyi esnetir, sentez yeni veri icat eder.
Bu ayrım önemlidir çünkü ikisi farklı riskler taşır. Artırma gerçek kusurlara bağlı kalır, bu yüzden arıza modu sınırlı çeşitliliktir. Sentez gerçek hiçbir şeye bağlı değildir, bu yüzden bir insana ikna edici görünen ama hatta o şekilde asla oluşmayan kusurlar üretebilir. Adente Vision, Aden Group bünyesindeki ADENTE Advanced Engineering Technologies tarafından geliştirilen ve otomasyon sistem entegratörleri üzerinden satılan bir edge-AI görsel muayene ünitesidir ve çoğu muayene görevinin hiçbirine ihtiyaç duymayacağı şekilde tasarlanmıştır: yalnızca hatasız parçalarla eğitilir.
Sentetik veri gerçekten ne zaman yardımcı olur?
Sentetik veri, gerçek kusur örneklerinin elde edilmesi imkânsıza yakın olduğunda gerçekten yardımcı olur. Bazı kusurlar üretilmesi tehlikelidir, bazıları kasıtlı oluşturmak için tahrip edici veya maliyetlidir ve bazıları o kadar nadirdir ki beklemek bir seçenek değildir. Bu durumlarda bir sentetik küme, bir denetimli modelin genel şeklini öğrenmesine yetecek kadar seyrek bir kusur sınıfını dolgulayabilir ve asla kasıtlı olarak imal etmeyeceğiniz tehlikeli arıza modlarını kapsayabilir. Dolgulanacak bir kusur sınıfı ihtiyacı özellikle denetimli öğrenmeye aittir; bu yüzden denetimli ve denetimsiz muayene arasındaki seçim, kusur üretmek zorunda olup olmadığınızı belirler.
Somut örnekler sınırı netleştirir. Güvenlik açısından kritik bir kaynaktaki çatlak, bir basınç parçasındaki yırtılma, bir gıda veya ilaç hattına sokmanıza izin verilmeyen bir kirlenme: bunları kasıtlı üretmek güvensiz, yasa dışı veya yıkıcı derecede pahalıdır; bu yüzden işlenmiş veya benzetilmiş bir sürüm, bir denetimli modele bunlara herhangi bir maruz kalma verebilmenin tek yolu olabilir. İşte bu, sentetik verinin en savunulabilir hâlidir; hattan gerçekten yakalayamadığınız bir sınıfı dolgulamak.
Ayrıca bir ikame olarak değil bir tamamlayıcı olarak da yardımcı olur. Birkaç gerçek kusurdan başlayıp gerçek örneklerle doğrulanmış, özenle üretilmiş varyasyonlar ekleyen bir veri kümesi, bilinen bir arıza modunun kapsamını iyileştirebilir. Anahtar koşul doğrulamadır: sentetik veri, ancak eğittiği modelin daha fazla sentetik görüntüyle değil, ayrı tutulmuş gerçek kusurlarla test edilmesiyle yerini hak eder.
Sentetik veri ne zaman yanıltır?
Sentetik veri, model kusur yerine oluşturucuyu öğrendiğinde yanıltır. İşlenmiş veya üretilmiş kusurlar hattın gerçek dokusunu, optiğini ve aydınlatmasını kaçırırsa, model oluşturucunun eserlerine, sahtenin nasıl yapıldığının belirtken imzasına takılabilir ve testte iyi puan alırken gerçek parçalarda başarısız olabilir. Bu, alan boşluğudur (domain gap) ve sentetik kusur verisinin merkezî riskidir.
Arıza modu inceliklidir çünkü iyi metriklerin arkasına saklanır. Yalnızca daha fazla sentetik veri üzerinde doğrulanan bir model doğru görünür, sonra yakalaması gereken gerçek kusuru kaçırır veya normal dokusunu sentetik kümenin hiç göstermediği gerçek bir hatasız parçayı aşırı reddeder. Sahte kusurlar ayrıca fiziksel olarak o şekilde asla oluşmayan bir kusuru da öğretebilir; böylece model hattın gerçekte üretmediği bir arızanın peşine düşer.
Alan boşluğu zamanla da genişler. Bir sentetik küme üretildiği anda dondurulur, oysa gerçek bir hat sürüklenir: malzeme partileri değişir, takımlar aşınır, aydınlatma yaşlanır. Geçen çeyreğin işlemeleri üzerinde eğitilmiş bir model bu çeyreğin parçalarının gerisinde kalabilir; ve sentetik küme hattan yeniden yakalanamadığı için, o boşluğu kapatmak, taze bir gerçek parça partisini fotoğraflamak yerine tüm kümeyi yeniden üretmek ve yeniden doğrulamak demektir.
| Faktör | Yardımcı olduğunda | Yanılttığında |
|---|---|---|
| Kusur bulunabilirliği | Gerçek kusurlar tehlikeli veya yakalanması imkânsıza yakın | Gerçek kusurlar aslında toplanabilir |
| Gerçekçilik | Oluşturucu gerçek optik, aydınlatma ve malzemeyle eşleşir | İşlemeler gerçek dokuyu kaçırır, böylece model eserleri öğrenir |
| Arıza modu | Sentetik, gerçek fiziksel kusuru yeniden üretir | Sentetik, o şekilde asla oluşmayan bir kusuru öğretir |
| Doğrulama | Ayrı tutulmuş gerçek kusurlarla test edilir | Yalnızca daha fazla sentetik görüntüde doğrulanır |
Yalnızca hatasız parçalarla anomali tespiti sentetik kusur ihtiyacını neden azaltır?
Yalnızca hatasız parçalarla anomali tespiti sentetik kusur ihtiyacını azaltır çünkü kusurları hiç öğrenmez. Bir hatasız parçanın nasıl göründüğünü yaklaşık 20 gerçek hatasız görüntüden öğrenir ve sapmayı işaretler; böylece dolgulanacak seyrek bir kusur sınıfı ve icat edilecek bir arıza modu yoktur. Üzerinde eğitildiğiniz veri gerçek, boldur ve zaten hattan gelmektedir; bu da hem toplama sorununu hem de sentetik verinin getirdiği alan boşluğunu aşar.
Bunun gerçek bir hatta önemli olmasının operasyonel bir nedeni var. Hatasız parçalar normal her kaydığında yeniden yakalanabilir; böylece yeniden eğitim, yaklaşık 20 taze hatasız görüntü toplamak ve 48 saatten kısa sürede yeniden eğitmek meselesidir; güncellenmiş model, hava boşluklu (air-gapped) bir hatta bile USB ile dağıtılır. Bir sentetik boru hattının böyle bir kestirmesi yoktur: parçadaki her değişiklik, oluşturucuyu yeniden inşa etmek ve onu hâlâ bulmanız gereken gerçek kusurlara karşı yeniden doğrulamak demektir.
Bu, sentetik veriyi işe yaramaz kılmaz, yalnızca zahmete değdiği yeri daraltır. Ünitenin Kusur (Defect) modunda etiketli bir sınıf olarak istediğiniz belirli, tekrarlanabilir bir kusurunuz varsa, özenle doğrulanmış bir sentetik küme yardımcı olabilir. Nadir, ilk kez görülen ve belirtilmemiş kusurlar için ise Anomali (Anomaly) modu bunları yalnızca hatasız parçalarla kapsar ve eğitim 48 saatten kısa sürede biter. MVTec Anomaly Detection veri kümesi gibi kamuya açık kıyaslamalar tam da gerçek kusur verisi kıt olduğu için inşa edildi ve anomali yöntemlerini gerçek, ayrılmış kusurlar üzerinde ölçerler; sentetik verinin karşılaması gereken standart da budur.
Bir güven kontrol listesi: sentetik kusur verisi kullanmalı mısınız?
Bir sentetik kusur kümesine güvenmeden önce, onu kısa bir kontrol listesinden geçirin. Amaç, alan boşluğunu içeri almadan faydayı, yakalanması zor bir kusurun daha fazla kapsamını korumaktır.
- Gerçek kusuru hiç toplayabiliyor musunuz? Evetse, gerçek görüntüleri veya yalnızca hatasız parçalarla anomali tespitini tercih edin.
- Oluşturucu, yalnızca şekli değil, gerçek optiği, aydınlatmayı ve malzemeyi yeniden üretiyor mu?
- Model gerçek, ayrılmış kusurlar üzerinde mi doğrulanıyor, yoksa yalnızca sentetik görüntülerde mi?
- Sentetik kusur, kusurun fiziksel olarak nasıl oluştuğuyla mı eşleşiyor, yoksa onun hayali bir sürümüyle mi?
- Yalnızca hatasız parçalarla anomali tespiti bunu hiç kusur üretimi olmadan kapsayabilir miydi?
Dürüst yanıtlar gerçek veriye veya yalnızca hatasız parçalara işaret ediyorsa, bu genellikle daha kısa ve daha güvenli yoldur. Tam few-shot yöntemi için, yapay zeka görsel muayenesi üzerine temel rehbere bakın; pratik 20 görüntülük anlatım için, 20 görüntüyle muayene üzerine kardeş yazıya bakın; ve yaklaşımı bir üniteye ve montaja eşlemek için, sistem sayfasına bakın.