ML Kit: bu nədir, imkanları və necə işləyir

ML Kit nədir?

ML Kit — Google-dan mobil SDK kitabxanası olub, tərtibatçılara Android və iOS üçün hazır maşın öyrənmə API-ləri təqdim edir. O, 2018-ci ildə Google I/O konfransında Firebase-in bir hissəsi kimi təqdim edilmiş, sonra isə müstəqil SDK kimi əlçatan olmuşdur. ML Kit Data Science mürəkkəbliyini abstraksiya edir: tərtibatçı modelləri öyrətməli, hiperparametrləri konfiqurasiya etməli və ya tensor hesablamalarını anlamalı deyil.

Kitabxana kompüter görmə və NLP-nin dörd əsas istiqamətini əhatə edir: mətnin tanınması, üzün aşkarlanması, ştrixkodların skan edilməsi, şəkillərin analizi və obyektlərin seqmentasiyası. Hər API iki variantda təqdim olunur — əsas (sürətləndirilmiş) və dəqiq (genişləndirilmiş modellə).

ML Kit Android üçün Google Play Services vasitəsilə yayılır ki, bu da tətbiqin yeni versiyasını dərc etmədən modelləri yeniləməyə imkan verir. Hər API-nin yükləmə ölçüsü modelin mürəkkəbliyindən asılı olaraq 2 ilə 15 MB arasında dəyişir. iOS üçün kitabxana CocoaPods və ya Swift Package Manager vasitəsilə ələ ücrəti ilə modelin ilk işə salınmada yüklənməsi ilə təmin edilir. Google məlumatlarına görə, ML Kit-in bütün API-lərinin ümumi ölçüsü 80 MB-dan çox deyil, bu da kitabxananı həcm məhdudiyyətləri olan mobil tətbiqlər üçün məqbul edir.

əsas imkanlar

ML Kit-in tərkibinə latın, kiril və heroqlif dəstəyi ilə mətnin tanınması, gülümsəmə və açıq gözlərin müyyən edilməsi ilə üzlərin aşkarlanması və izlənməsi, bütün populyar formatlarda ştrixkodların skan edilməsi, şəkillərin ön və arxa plana seqmentasiyası, 33 əsas nöqtə üzrə insan duruşunun analizi və təsnifatla obyektlərin tanınması üçün API-lər daxildir. Google I/O 2025 məlumatlarına görə, ML Kit-in əsas modellərinin dəqiqliyi latın mətni üçün 97%, üzlər üçün isə 94% təşkil edir.

ML Kit-in əsas API-ləri

ML Kit bir neçə API qrupu təklif edir, onların hər biri kompüter görmə və ya mətn emalının konkret tapşırığını həll edir. Üç ən çox tələb olunan istiqaməti nəzərdən keçirək.

Mətnin tanınması

Text Recognition API real vaxt rejimində şəkillərdən çap və əlyazma mətnini çıxarmağa imkan verir. API Azərbaycan, ingilis, çin və ərəb dilləri daxil olmaqla 50+ dili dəstəkləyir. Nəticə iyerarxik struktur şəklində qaytarılır: mətn blokları → sətrlər → hər elementin koordinatları ilə tokenlər. Google ML Kit benchmarks (2026) məlumatlarına görə, orta sinif cihazda əsas model üçün bir kadrın tanınması 80–150 ms çəkir.

Üzün tanınması

Face Detection API şəkillərdə və video axınında üzləri aşkarlayaraq 17 əsas istinad nöqtəsini müyyən edir: gözlər, qaşlar, burun, ağız, üz konturu. API həmçinin gülümsəmə ehtimalını, gözlərin açıqlığını və başın üç ox üzrə fİrlanma bucağını hesablayır. Bulud həllərindən fərqli olaraq, ML Kit üzləri ciddşəkildə cihazda emal edir və şəkilləri serverə göndərmir.

Ştrixkodların skan edilməsi

Barcode Scanning API bütün geniş yayılmış formatları dəstəkləyir: EAN-13, QR Code, Code 128, PDF417, Data Matrix və Aztec. API kodu avtomatik olaraq müyyən edir və onun məzmununu qaytarır — sadə mətndən strukturlaşdırılmış məlumatlara qədər (URL, vCard vizit kartı, geolokasiya koordinatları). Skan sürəti saniyədə 30 kadra çatır ki, bu da API-ni real vaxt tətbiqlərində istifadə etməyə imkan verir.

• Text Recognition — şəkillərdən mətnin çıxarılması, 50+ dil
• Face Detection — üzlərin və əsas nöqtələrin aşkarlanması
• Barcode Scanning — QR, EAN, Code 128, PDF417 formatlarının hamısı
• Image Labeling — şəkillərin kateqoriyalar üzrə təsnifatı
• Pose Detection — 33 əsas bədən nöqtəsi

ML Kit-in layihəyə inteqrasiyası

ML Kit-i Android layihəsinə qoşmaq üçün build.gradle faylında münasib asılılığı əlavə etmək və prosessor nümunəsi yaratmaq kifayətdir. text Recognition API nümunəsində inteqrasiyanı nəzərdən keçirək.

Asılılıqların konfiqurasiyası

build.gradle (app-level) faylında ML Kit Text Recognition üçün asılılıq əlavə edilir. Kitabxana modeli ilk zəng zamanı Google Play Services vasitəsilə avtomatik yükləyir.

dependencies {
    // ML Kit Text Recognition v2
    implementation 'com.google.mlkit:text-recognition:16.0.1'

    // Google Play olmayan cihazlarda işləmək üçün
    implementation 'com.google.mlkit:text-recognition:16.0.1'
}

Kotlin-də istifadə nümunəsi

Asılılıqları konfiqurasiya etdikdən sonra TextRecognizer yaradıb ona InputImage formatında şəkil ötürmək olar. Nəticə RecognizedText obyektləri şəklində qaytarılır.

val recognizer = TextRecognition.getClient()
val image = InputImage.fromBitmap(bitmap)

recognizer.process(image)
    .addOnSuccessListener { result ->
        for (block in result.textBlocks) {
            val blockText = block.text
            val lines = block.lines
            // Tanınan mətnin emalı
            Log.d("MLKit", "Block: $blockText")
        }
    }
    .addOnFailureListener { e ->
        Log.e("MLKit", "Xəta: $e")
    }

Kod TextRecognition müştərisi yaradır, ona bitmap şəkil ötürür və nəticəni asinxron emal edir. Mətn blokları koordinatlarla iç-içə sətrlər və tokenlər ehtiva edir ki, bu da tapılan mətni birbaşa şəkil üzərində göstərməyə imkan verir.

inteqrasiyanın vacib aspekti xəta idarəçiliyidir. ML Kit çox qaranlıq şəkil, çevrilmiş mətn və ya yaddaş limitini aşma zamanı xəta qaytara bilər. Cihaz modelinin öhdəsindən gələ bilmədiyi hallar üçün Google Cloud Vision vasitəlsilə bulud tanınmasına fallback əlavə etmək tövsiyə olunur. Təcrübə göstərir ki, kombinə edilmiş yanaşma (ML Kit + Cloud Vision) mürəkkəb sənədlərdə ümumi tanınma dəqiqliyini 92%-dən 98%-ə qaldırır.

Cihazda ML-in üstünlükləri

Cihazda ML — ML Kit-in bulud ML xidmətlərindən əsas fərqi. Bütün hesablamalar cihazda lokal olaraq aparılır ki, bu da üç prinsipial üstünlük verir. Birincisi — sıfır gecikmə: model server cavabını gözləmədən məlumatları 50–200 ms ərzində emal edir. İkincisi — internet olmadan işləmə: kitabxana təyyarə rejimində fəaliyyət göstərir ki, bu da çölkə tətbiqləri üçün vacibdir.

Məlumatların məxfiliyi

Lokal emal istifadəçinin şəkillərinin, sənədlərinin və şəxsi məlumatlarının heç vaxt cihazı tərk etmədiyinə zəmanət verir. Bu, xüsusilə məlumatların serverə ötürülməsinin tənzimləmə tələləri ilə qadağan olduğu tibb, maliyyə və korporativ təhlükəsizlik sahələrindəki tətbiqlər üçün önəmlidir. Google (2026) statistikasına görə, istifadəçilərin 78%-i məxfilik səbəbindən cihazda emal edilən tətbiqlərə üstünlük verir.

Trafik və resurslara qənaət

Şəkilləri serverə göndərən və mobil trafik istehlak edən bulud ML həllərindən fərqli olaraq, ML Kit şəbəkə qoşulması tələb etmir. Trafikə qənaət intensiv şəkil emalı olan tətbiqlər üçün günlük 50–200 MB-a çata bilər. Batareya mülayim istehlak olunur: bir tanınma dövrü aktiv istifadə saatında 0.5–2% yük çəkir.

ML Kit vs digər ML həlləri

ML Kit yerli ML freymvorkları (TensorFlow Lite, Core ML) ilə bulud xidmətləri (Google Cloud Vision, AWS Rekognition) arasında aralıq mövqe tutur. əsas xüsusiyyətləri müqayisə edək.

Sənədlərin skan edilməsi və ya üz yoxlanması kimi tipik kompüter görmə tapşırıqları üçün ML Kit sadəliyi sayəsində optimal seçimdir. Şəbəkə arxitekturalarına sahib mürəkkəb layihələr TensorFlow Lite tələb edir. Bulud xidmətləri maksimal dəqiqliyə ehtiyac olduqda əsaslandırılır.

ML Kit və TensorFlow Lite arasında seçim edərkən inkişaf sürəti ilə çeviklik nisbətini nəzərə alın. Layihədə artıq data scientist və öyrədilmiş model varsa — birbaşa TFLite istifadə edin. ML yalnız tətbiqin köməkçi funksiyasıdırsa (çeki skan etmək, selfidə gülümsəməni yoxlamaq) — ML Kit bir həftə əvəzinə 30 dəqiqəyə nəticə verəcək.

Google (2026) məlumatlarına görə, ML Kit-in mövcud layihəyə orta tətbiq müddəti əsas ssenari üçün 4–6 saat, fərdi modellə tam inteqrasiya üçün isə 2–3 gün təşkil edir. 73% hallarda tərtibatçılar ML Kit-i modellərin maksimal dəqiqliyinə görə deyil, məhz inteqrasiya sürətinə görə seçirlər.