Kamerayı Göze Dönüştürmek: Mobil Uygulamalarda Google ML Kit ile Metin Tanıma (OCR)
Görme engelli bireyler ve akıllı asistanlar için akıllı telefon kamerasını gerçek zamanlı bir okuyucuya dönüştürmek nasıl mümkün olur? Android üzerinde Google ML Kit ile internet bağlantısına ihtiyaç duymadan (on-device) çalışan optik karakter tanıma (OCR) mimarisi.
Gören bir birey için bir binanın kapısındaki tabelayı, amfi numarasını veya bir otobüs durağındaki yazıyı okumak yalnızca bir saniyelik doğal bir reflekstir. Ancak görme engelli bir birey olarak tanımadığınız bir koridorda, hastanede veya kampüs binalarında yürürken hangi odanın kapısında olduğunuzu anlamak ciddi bir zorluk yaratabilir. Batı Rota projesini kurgularken beni en çok heyecanlandıran özelliklerden biri, telefonun kamerasını adeta gören bir göze dönüştürme fikriydi.
Bu ihtiyacı çözmek için modern mobil geliştirme dünyasının sunduğu en güçlü araçlardan biri olan Google ML Kit altyapısından faydalandım. ML Kit'in en büyük avantajı, Optik Karakter Tanıma (OCR - Optical Character Recognition) modellerini doğrudan cihaz üzerinde (on-device) çalıştırabilmesidir. Bu sayede uygulamanın metin okuyabilmesi için sunucuya bir görüntü yüklemesine, veri paketi harcamasına veya internet bağlantısına ihtiyacı kalmaz; her şey mikrosaniyeler içinde kullanıcının telefonunun işlemcisinde gerçekleşir.
Teknik çalışma prensibi oldukça pratiktir: Android CameraX veya Camera2 API ile kameradan gelen video akışından anlık görüntü kareleri (ImageProxy) yakalanır. Bu kare, InputImage.fromMediaImage() fonksiyonuyla ML Kit'in TextRecognizer nesnesine iletilir. Model, görseldeki harfleri, kelimeleri ve metin bloklarını tarayarak metnin koordinatlarını ve içeriğini çözer.
Elde edilen metin sonucu daha sonra Android'in yerleşik Metin Okuma (TTS - Text-to-Speech) motoruyla veya ekran okuyucu (TalkBack) entegrasyonuyla anında seslendirilir. Kullanıcı telefonunu koridordaki kapı tabelasına doğru tuttuğunda, kamera yazıyı yakalar yakalamaz kulaklığa 'Derslik 204' veya 'Bölüm Başkanlığı' şeklinde anons gider.
Mobil cihazlarda yapay zekâ modellerinin bu denli hafif ve çevrimdışı çalışabilmesi, erişilebilir teknolojilerde devrim niteliğinde fırsatlar sunuyor. Doğru algoritmalar ve optimize edilmiş kütüphaneler kullanıldığında, cebimizdeki telefonlar yalnızca bir iletişim aracı değil, engelleri kaldıran güçlü bir yardımcıya dönüşüyor.