Bilgisayarlı görü destekli kentsel koruma: Siirt tarihi kent merkezi üzerine bir değerlendirme

Abstract

Kentsel koruma disiplini, geleneksel yöntemlerin yoğun emek gerektiren, maliyetli ve zaman alıcı doğası nedeniyle, özellikle geniş ölçekli ve hızlı bozulma riski taşıyan tarihi alanlarda sürdürülebilir belgeleme sorunlarıyla karşı karşıyadır. Bu çalışmada, mimari mirasın belgelenmesi ve korunması süreçlerinde bilgisayarlı görü (computer vision) teknolojilerinin, özellikle derin öğrenme tabanlı anlamsal segmentasyon ve nesne algılama algoritmalarının kullanım potansiyeli ve sınırları Siirt Tarihi Kent Merkezi örneği üzerinden incelenmektedir. Araştırmanın temel amacı, "Açık Kelime Hazinesi" (Open-Vocabulary) mimarisine dayanan Grounding DINO modeli kullanılarak, tarihi yapı yüzeylerindeki malzeme bozulmalarının (derz boşalması, sıva dökülmesi, çatlak vb.) otomatik tespit başarısını ölçmek ve bu dijital yaklaşımın koruma pratiğindeki epistemolojik karşılığını tartışmaktır. Siirt Tarihi Kent Merkezi'nden elde edilen 90 adetlik görsel veri seti üzerinde X-AnyLabeling aracı ile gerçekleştirilen analizler, bilgisayarlı görü modelinin özellikle derz boşalmaları (ortalama 0.42 güven skoru) ve sıva dökülmeleri gibi geometrik netliğe sahip hasarları tespit etmede yüksek başarı ve istatistiksel tutarlılık sergilediğini ortaya koymuştur. Ancak çalışma aynı zamanda görüntü işleme teknolojilerinin "bağlamsal körlük" yaşadığını, ticari tabelalar ve metin içeren levhaların (örn. "Büryan" tabelası) algoritma tarafından yapısal bir bozulma (ufalanma/efflorescence) olarak algılandığı "halüsinasyon" vakalarını da bilimsel olarak belgelemiştir. Bu ampirik bulgular, bilgisayarlı görü sistemlerinin otonom bir karar verici olmaktan ziyade, insan uzman denetimini zorunlu kılan "İnsan Döngülü" (Human-in-the-Loop / HITL) bir karar destek mekanizması olarak konumlandırılması gerektiğini açıkça göstermektedir. Sonuç olarak çalışmada, Siirt ve benzeri kaynak kısıtlı bölgeler için, yüksek maliyetli donanımsal sistemler yerine, kitle kaynaklı görsel veri üretimine dayalı, erişilebilir ve hibrit (insan-algoritma işbirliği) bir dijital koruma modelinin metodolojik olarak uygulanabilirliği önerilmektedir. Anahtar Kelimeler: Bilgisayarlı Görü, Görüntü İşleme, Grounding DINO, İnsan Döngülü Yaklaşım (HITL), Kentsel Koruma, Siirt Tarihi Kent Merkezi

The discipline of urban conservation faces significant challenges regarding sustainable documentation, particularly in large-scale historic areas prone to rapid deterioration, due to the labor-intensive, costly, and time-consuming nature of traditional methods. This study investigates the potential and limitations of computer vision Technologies, specifically deep learning-based semantic segmentation and object detection algorithms, in the documentation and conservation of architectural heritage, using the Siirt Historic City Center as a case study. The primary objective is to evaluate the efficacy of the "Open-Vocabulary" based Grounding DINO model in the automated detection of material degradation (e.g., joint detachment, plaster delamination, cracks) on historic building surfaces and to discuss the epistemological implications of this digital approach within conservation practice. Analyses conducted via the X-AnyLabeling tool on a dataset of 90 images acquired from the Siirt Historic City Center revealed that the computer vision model exhibits high accuracy and statistical consistency, particularly in detecting geometrically distinct defects such as joint detachments (mean confidence score of 0.42) and plaster delamination. However, the study also documented instances of "contextual blindness," where the image processing algorithm hallucinated by misidentifying commercial signage and text-bearing plates (e.g., "Büryan" sign) as structural pathologies (efflorescence). These empirical findings underscore that computer vision systems should not be positioned as autonomous decision-makers but rather as decision support mechanisms necessitating a "Human-in-the-Loop" (HITL) approach to ensure expert oversight. Consequently, this research proposes the methodological viability of an accessible, hybrid (human-algorithm collaboration) digital conservation model based on crowdsourced visual data generation for Siirt and similar resource-constrained regions, as an alternative to high-cost hardware systems like the Inception project. Keywords: Computer Vision, Grounding DINO, Human-in-the-Loop (HITL), Image Processing, Siirt Historic City Center, Urban Conservation