Visione artificiale: Approfondimenti sul mondo della visione artificiale

Di Fouad Sabry

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.

 

 

• Lingua: Italiano
• Editore: Un Miliardo Di Ben Informato [Italian]
• Data di uscita: 5 mag 2024

Anteprima del libro

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