Visione artificiale: Approfondimenti sul mondo della visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Che cos'è la visione artificiale
La tecnologia e i metodi utilizzati per fornire ispezione e analisi automatiche basate su immagini per applicazioni quali ispezione automatica, controllo di processo e guida di robot , tipicamente nell'industria, vengono definiti visione artificiale. Il termine "visione artificiale" comprende un'ampia gamma di tecnologie, inclusi elementi software e hardware, sistemi integrati, attività, procedure e professionisti qualificati. A differenza della visione artificiale, che è un sottocampo dell'informatica, la visione artificiale è un campo dell'ingegneria dei sistemi che potrebbe essere considerato diverso dalla visione artificiale. Cerca di combinare le tecnologie esistenti in modi nuovi e di applicarle alla soluzione dei problemi che si incontrano nel mondo reale. Questa parola è quella più comunemente utilizzata per queste funzioni in situazioni che coinvolgono l'automazione industriale; tuttavia, viene utilizzato anche per queste funzioni in altri ambienti, come la guida dei veicoli.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Visione artificiale
Capitolo 2: Visione artificiale
Capitolo 3: Termografia
Capitolo 4: Fotocamera intelligente
Capitolo 5: Scansione 3D
Capitolo 6: Mappatura mobile
Capitolo 7: Asservimento visivo
Capitolo 8: Odometria visiva
Capitolo 9: Sistemi robotici guidati dalla visione
Capitolo 10: Smistamento ottico
(II) Rispondere alle principali domande del pubblico sulla visione artificiale.
(III) Esempi reali dell'utilizzo della visione artificiale in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati studenti, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di visione artificiale.
Leggi altro di Fouad Sabry
Tecnologie Emergenti In Optoelettronica [Italian]
Correlato a Visione artificiale
Titoli di questa serie (100)
Mappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniContorno attivo: Avanzamento della visione artificiale con tecniche di contorno attivo Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMinimi quadrati: Tecniche di ottimizzazione per la visione artificiale: metodi dei minimi quadrati Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dei gradienti orientati: Svelare il regno visivo: esplorare l'istogramma dei gradienti orientati nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniBanca filtri: Approfondimenti sulle tecniche del banco di filtri di Computer Vision Valutazione: 0 su 5 stelle0 valutazioniCampo di movimento: Esplorando le dinamiche della visione artificiale: svelato il campo del movimento Valutazione: 0 su 5 stelle0 valutazioniModello del sistema visivo umano: Comprendere la percezione e l'elaborazione Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniFiltro adattivo: Migliorare la visione artificiale attraverso il filtraggio adattivo Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniPercezione visiva: Approfondimenti sull'elaborazione visiva computazionale Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Rete di sensori visivi: Esplorare la potenza delle reti di sensori visivi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFotocamera intelligente: Rivoluzionare la percezione visiva con la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento oggetti: Progressi, applicazioni e algoritmi Valutazione: 0 su 5 stelle0 valutazioniVisualizza la sintesi: Esplorare le prospettive nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSegmentazione delle immagini: Sbloccare insight grazie alla precisione dei pixel Valutazione: 0 su 5 stelle0 valutazioniSistema di riconoscimento facciale: Sbloccare il potere dell'intelligenza visiva Valutazione: 0 su 5 stelle0 valutazioniRobot automatizzato per l'ispezione a raggi X: Migliorare il controllo di qualità attraverso la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento ottico del Braille: Potenziare l'accessibilità attraverso l'intelligenza visiva Valutazione: 0 su 5 stelle0 valutazioniSoftware Afelio: Sbloccare la visione: esplorare le profondità del software Aphelion Valutazione: 0 su 5 stelle0 valutazioniFlusso ottico: Esplorazione di modelli visivi dinamici nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRicerca inversa delle immagini: Svelare i segreti del riconoscimento visivo Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto attivo: Sbloccare la potenza dei modelli di aspetto attivo nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniElaborazione delle immagini piramidali: Esplorare le profondità dell'analisi visiva Valutazione: 0 su 5 stelle0 valutazioniL'era dell'Intelligenza Artificiale: Come l'AI sta rivoluzionando le nostre vite Valutazione: 0 su 5 stelle0 valutazioniContapersone: Sbloccare insight attraverso Visual Analytics Valutazione: 0 su 5 stelle0 valutazioniStima del movimento: Progressi e applicazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCalcolo fisico: Esplorare la visione artificiale nell'informatica fisica Valutazione: 0 su 5 stelle0 valutazioniRendering di grafica computerizzata: Esplorare il realismo visivo: approfondimenti sulla computer grafica Valutazione: 0 su 5 stelle0 valutazioniRealtà aumentata: Esplorando le frontiere della visione artificiale nella realtà aumentata Valutazione: 0 su 5 stelle0 valutazioniAnalisi dei contenuti video: Sbloccare insight attraverso i dati visivi Valutazione: 0 su 5 stelle0 valutazioniAnnotazione automatica delle immagini: Migliorare la comprensione visiva attraverso il tagging automatico Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento dei gesti: Sbloccare il linguaggio del movimento Valutazione: 0 su 5 stelle0 valutazioniRecupero delle immagini: Sbloccare la potenza dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniRecupero di immagini basato sul contenuto: Sbloccare i database visivi Valutazione: 0 su 5 stelle0 valutazioniClassificazione delle immagini contestuali: Comprendere i dati visivi per una classificazione efficace Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEsplorazione della raccolta di immagini: Svelare i paesaggi visivi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
Guida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioniSelf-Publishing del Futuro per Scrittori 2.0: Self-Publishing Facile Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Visione artificiale
0 valutazioni0 recensioni
Anteprima del libro
Visione artificiale - Fouad Sabry
Capitolo 1: Visione artificiale
La visione artificiale (MV) si riferisce sia alla tecnologia che alle metodologie utilizzate per fornire ispezione e analisi automatizzate basate sull'imaging per applicazioni come l'ispezione automatica, il controllo dei processi e la guida dei robot, spesso utilizzate in ambienti industriali. La visione artificiale è un termine generico che comprende un'ampia varietà di tecnologie, prodotti software e hardware, sistemi integrati, attività, approcci e competenze. La visione artificiale, che è un sottocampo dell'informatica, e la visione artificiale, che è una materia di ingegneria dei sistemi, possono essere differenziate l'una dall'altra. Si sforza di combinare la tecnologia già esistente in modi nuovi e di utilizzarla nel processo di ricerca di soluzioni ai problemi che si verificano nel mondo reale. Questo è il nome che viene più spesso utilizzato per queste attività in situazioni che coinvolgono l'automazione industriale; Tuttavia, viene utilizzato per queste funzioni anche in altri ambienti, compresi quelli che coinvolgono la guida del veicolo.
Il processo di visione artificiale nel suo complesso inizia con la progettazione delle specifiche delle esigenze e del progetto, ed è seguito dallo sviluppo di una soluzione. L'imaging è la prima fase del processo, a cui segue l'esame automatico dell'immagine e la raccolta di tutte le informazioni necessarie durante il tempo di esecuzione.
La parola visione artificiale
può avere diversi significati, ma tutti si riferiscono alla tecnologia e alle procedure utilizzate per estrarre automaticamente le informazioni da un'immagine. Ciò è in contrasto con l'elaborazione delle immagini, che si traduce nella creazione di un'immagine completamente nuova. Le informazioni che vengono recuperate possono essere semplici come un segnale di parte buona/parte cattiva, oppure può essere una raccolta più sofisticata di dati come l'identificazione, la posizione e l'orientamento di ogni singolo elemento incluso all'interno di un'immagine. I dati possono essere utilizzati in una varietà di applicazioni, tra cui l'ispezione autonoma, la guida di robot e processi nell'industria, il monitoraggio della sicurezza e la guida dei veicoli. Per ulteriori informazioni, consultare il glossario della visione artificiale.
L'ispezione e lo smistamento automatizzati basati sull'imaging e la navigazione robotica sono le applicazioni chiave per la visione artificiale; In questa sezione viene descritta la procedura tecnologica che si svolge quando la soluzione è in funzione.
L'acquisizione di un'immagine è la prima fase della catena di operazioni che compongono l'ispezione automatizzata. Questa fase comporta spesso l'uso di fotocamere, obiettivi e illuminazione che sono stati progettati per offrire la differenza necessaria per l'elaborazione futura.
L'illuminazione è uno dei componenti che viene spesso incluso in un sistema di ispezione automatizzato, in un dispositivo fotografico o di altro tipo, in un processore, in un software e in dispositivi di output.: 11–13
È possibile che il dispositivo di imaging (ad esempio una fotocamera) sia indipendente dall'unità di elaborazione delle immagini primaria o che sia accoppiato con essa. Se si sceglie quest'ultima opzione, il dispositivo risultante viene spesso indicato come fotocamera intelligente o sensore intelligente.
L'elaborazione di un'immagine avviene dopo che è stata acquisita. Nella maggior parte dei casi, il prodotto finale è il culmine di molte fasi di lavorazione che sono state eseguite nell'ordine corretto. In un processo tipico, il primo passo è la modifica dell'immagine utilizzando strumenti come i filtri, poi viene la rimozione degli oggetti, poi viene la rimozione (utilizzando metodi come le misurazioni o la lettura di codici) dei dati da quegli oggetti, e infine arriva la comunicazione di quei dati o il confronto di quei dati con i valori target, che si traduce nella creazione e nella comunicazione di risultati pass/fail
. Tra le tante tecnologie di elaborazione delle immagini disponibili c'è la visione artificiale; Combinazione di immagini 2D o 3D vicine tramite un processo noto come unione o registrazione.
Filtraggio (ad es. filtraggio morfologico)
La prima fase della definizione delle soglie consiste nello stabilire o determinare un valore di grigio che sarà utile per le fasi successive del processo. Dopodiché, il valore viene utilizzato per suddividere l'immagine in sezioni, e occasionalmente viene anche impiegato per convertire ogni sezione dell'immagine in bianco e nero semplice a seconda che si trovi o meno al di sotto o al di sopra di quel valore in scala di grigi.
Il conteggio dei pixel è il processo di conteggio del numero di pixel luminosi o scuri.
Il processo di semplificazione e/o trasformazione della rappresentazione di un'immagine in qualcosa di più comprensibile e semplice da analizzare viene definito segmentazione. La segmentazione è la suddivisione di un'immagine digitale in più segmenti.
Trovare i bordi di un oggetto è ciò a cui si riferisce il rilevamento dei bordi.
Analisi del colore: identificazione di componenti, merci e cose in base ai loro colori; giudicare la qualità dei prodotti in base ai loro colori; isolare le caratteristiche utilizzando i colori.
L'esame di un'immagine alla ricerca di blob discreti di pixel collegati (ad esempio un buco nero in un oggetto grigio) come punti di riferimento dell'immagine viene definito rilevamento ed estrazione di blob.
Elaborazione basata su reti neurali, deep learning e machine learning: processo decisionale multivariabile ponderato e auto-addestrato
L'identificazione dei modelli, in particolare la corrispondenza dei modelli. È necessario individuare, abbinare e/o contare determinati modelli. Ciò può includere la posizione di un oggetto che può essere ruotato, parzialmente coperto da un altro oggetto o di dimensioni fluttuanti.
Lettura di codici a barre, matrici di dati e cosiddetti codici a barre 2D
OCR è l'acronimo di Optical Character Recognition e si riferisce al processo di automazione della lettura di testi come i numeri di serie.
La misurazione delle dimensioni di un articolo è una parte importante della misurazione e della metrologia (ad es. in pixel, pollici o millimetri)
Confronto dei valori effettivi con quelli specificati per arrivare a una conclusione pass or fail
o go/no go
. Ad esempio, durante la verifica delle informazioni utilizzando un codice o un codice a barre, il valore letto viene confrontato con il valore obiettivo che è stato salvato. Durante il processo di misurazione, una misurazione viene verificata rispetto al valore standard e alle eventuali tolleranze applicabili. Quando si controllano i codici alfanumerici, il valore generato dall'OCR viene confrontato con il valore corretto, noto anche come valore target. Quando si esegue un controllo per i difetti, è possibile confrontare la dimensione misurabile delle imperfezioni con i massimi consentiti dagli standard di qualità.
I sistemi di ispezione automatica spesso forniscono determinazioni pass/fail come uno dei loro output.
È pratica tipica della visione artificiale fornire a un robot informazioni sulla sua posizione e sul suo orientamento, consentendo così al robot di afferrare correttamente il prodotto. Questa capacità viene utilizzata anche per dirigere il movimento che è meno complicato dei robot, come un controller di movimento con solo uno o due assi.
Ancora nel 2006, un consulente del settore ha stimato che il settore MV rappresentava una dimensione di mercato di 1,5 miliardi di dollari in Nord America.
{Fine Capitolo 1}
Capitolo 2: Visione artificiale
Lo studio di come i computer possano derivare conoscenze di alto livello da immagini o video digitali è al centro dell'area scientifica multidisciplinare della visione artificiale. Da un punto di vista tecnologico, indaga e tenta di automatizzare le attività che rientrano nelle capacità del sistema visivo umano.
Le attività associate alla visione artificiale includono tecniche per ottenere, elaborare, analizzare e comprendere immagini digitali, nonché l'estrazione di dati ad alta dimensione dall'ambiente fisico al fine di creare informazioni numeriche o simboliche, come i giudizi.
La visione artificiale è un sottocampo dell'informatica che indaga le basi teoriche dei sistemi artificiali progettati per derivare informazioni dalle immagini. I dati visivi possono essere presentati in una varietà di formati, tra cui sequenze video, immagini ottenute da diverse telecamere, dati multidimensionali ottenuti da uno scanner 3D o da apparecchiature di scansione medica e così via. L'obiettivo del campo tecnico noto come visione artificiale è quello di implementare le idee e i modelli che ha sviluppato nel processo di costruzione di sistemi di visione artificiale.
I campi della ricostruzione della scena, del rilevamento di oggetti, del rilevamento di eventi, del tracciamento video, del riconoscimento di oggetti, della stima della posa 3D, dell'apprendimento, dell'indicizzazione, della stima del movimento, dell'asservimento visivo, della modellazione di scene 3D e del ripristino delle immagini sono tutti sottodomini della visione artificiale. Altri sottodomini della visione artificiale includono la modellazione di scene 3D.
La visione artificiale è uno studio multidisciplinare che esamina il modo in cui