Viziunea artificială oferă sistemelor o înțelegere la nivel înalt a mediului înconjurător pe baza imaginilor. (© DigiKey)
Viziunea artificială reprezintă un ansamblu de tehnologii care oferă echipamentelor automatizate o înțelegere detaliată a mediului înconjurător, pornind de la analiza imaginilor. Fără software-ul dedicat de viziune artificială, imaginile digitale nu ar fi altceva decât simple colecții de pixeli fără legătură între ei. Prin intermediul acestor algoritmi, sistemele de viziune artificială permit computerelor să detecteze marginile, forme geometrice și caracteristici vizuale din imagini, oferind rutinei de procesare de nivel superior posibilitatea de a identifica obiectele de interes predefinite. În plus, termenul “imagine” nu se limitează neapărat la imaginile fotografice din spectrul vizibil – acesta poate include și date obținute prin infraroșu, laser, raze X sau ultrasunete, extinzând considerabil domeniul de aplicare al viziunii artificiale.
În prezent, una dintre cele mai frecvente aplicații ale viziunii artificiale în mediul industrial este identificarea unei piese specifice într-un coș care conține un amestec de componente dispuse aleatoriu. Într-o astfel de situație, viziunea artificială permite roboților de tip pick-and-place să selecteze automat piesa corectă. Recunoașterea bazată pe feedback vizual ar fi, desigur, un proces simplu dacă toate piesele ar fi aranjate ordonat și orientate uniform pe o tavă. Însă algoritmii moderni și robuști de viziune artificială pot identifica obiecte aflate la distanțe diferite față de cameră și în orientări variate, menținând o acuratețe ridicată.
Cele mai avansate sisteme de viziune artificială au deschis calea către noi modele de automatizare, mult mai complexe și versatile decât simplele aplicații de selectare a pieselor din containere.
Tehnologii de viziune artificială
Termenul viziune automată este uneori folosit pentru a desemna metodele matematice consacrate și eficiente de extragere a informațiilor din imagini. Prin contrast, termenul viziune computerizată descrie, de obicei, sisteme moderne, mai complexe din punct de vedere computațional, inclusiv abordări de tip black-box bazate pe învățare automată (ML) sau inteligență artificială (AI). Cu toate acestea, viziunea automată poate fi privită și ca un termen general, care include toate metodele de procesare și interpretare a imaginilor la nivel înalt.
Pe măsură ce tehnologiile de analiză vizuală evoluează, metodele de extragere a informațiilor complexe din imagini devin din ce în ce mai răspândite. În mediul academic, aceste tehnologii sunt adesea considerate distincte de viziunea artificială tradițională. Totuși, din perspectivă practică, ele pot fi privite ca variante complementare ale aceluiași concept, iar în multe aplicații, metodele se suprapun sau se combină pentru a obține rezultate mai precise.
Prelucrarea digitală a imaginilor
Reprezintă o ramură a prelucrării semnalelor digitale, care implică îmbunătățirea, restaurarea, codificarea și comprimarea imaginilor. Comparativ cu prelucrarea analogică, abordarea digitală oferă reducerea zgomotului și a distorsiunilor, precum și accesul la o gamă mult mai variată de algoritmi. Îmbunătățirea digitală a imaginilor presupune, de regulă, creșterea contrastului și poate include, de asemenea, corecții geometrice pentru unghiul de vizualizare sau distorsiunile lentilelor. Comprimarea este realizată, în mod obișnuit, prin aproximarea unui semnal complex cu o combinație de funcții cosinus, tehnică folosită în multe formate moderne de imagine.
Fotogrammetria
Utilizează tehnici de identificare a caracteristicilor vizuale pentru a extrage măsurători din imagini. Aceste măsurători pot include informații tridimensionale (3D) atunci când sunt disponibile mai multe imagini ale aceleiași scene din unghiuri diferite. Cele mai simple sisteme de fotogrammetrie determină distanța dintre două puncte dintr-o imagine, folosind o scară de referință. De aceea, este adesea necesară includerea în cadru a unui obiect de dimensiune cunoscută, pentru a permite calibrarea precisă a măsurătorilor.
Detectarea caracteristicilor
Permite computerelor să identifice marginile, colțurile sau punctele distincte dintr-o imagine. Aceasta reprezintă primul pas esențial în procese precum fotogrammetria, identificarea obiectelor sau analiza mișcării. În plus, detecția blob-urilor (blob detection) este utilizată pentru a identifica regiuni uniforme – adică zone în care variațiile de culoare sau textură sunt prea mici pentru a fi detectate prin metode clasice de identificare a marginilor sau colțurilor.
Nota redacției: Termenul blob provine din expresia engleză Binary Large Object și desemnează, în contextul procesării imaginilor, o regiune compactă, uniformă și distinctă față de zona din jur. „Detectarea blob-urilor” (blob detection) este o tehnică utilizată în viziunea artificială pentru identificarea zonelor de interes care nu pot fi detectate prin metode convenționale de identificare a marginilor sau colțurilor. Pe scurt, algoritmii de detecție a blob-urilor permit sistemelor să recunoască forme sau suprafețe continue, cum ar fi petele de lumină, zonele colorate omogene sau obiectele fără contururi clare.
Recunoașterea modelelor (pattern recognition)
Este folosită pentru identificarea obiectelor specifice dintr-o imagine. În forma sa cea mai simplă, aceasta poate însemna localizarea unei piese mecanice bine definite pe o bandă transportoare.
Reconstrucția 3D
Determină forma tridimensională a obiectelor pe baza imaginilor bidimensionale (2D). Aceasta se poate realiza prin metode fotogrammetrice, unde înălțimea caracteristicilor comune din imagini capturate din unghiuri diferite este calculată prin triangulație. De asemenea, este posibilă și reconstrucția 3D pornind de la o singură imagine 2D, utilizând modele predictive sau algoritmi de învățare automată.
Cum sunt structurate etapele procesării imaginii
Multe sisteme de viziune artificială (sau vizualizare automată) combină treptat tehnicile descrise anterior, începând cu operațiuni de nivel inferior și avansând, pas cu pas, către procese de nivel superior. La nivelul inferior, toți pixelii unei imagini sunt păstrați ca date brute, cu o lățime de bandă ridicată. Fiecare etapă succesivă recunoaște caracteristicile relevante și le transformă în informații sintetizate, reprezentate prin volume tot mai mici de date.
Scanerele 3D captează imagini 2D ale unui obiect pentru a crea un model tridimensional al acestuia; în unele cazuri, aceste modele digitale pot fi utilizate pentru imprimarea 3D. (© DigiKey)
Operațiunile de îmbunătățire și restaurare a imaginii au prioritate, fiind urmate de detectarea caracteristicilor. Atunci când sunt utilizați mai mulți senzori, aceste operațiuni de bază pot fi distribuite între modulele individuale ale sistemului. După identificarea caracteristicilor în imaginile individuale, pot fi realizate măsurători fotogrammetrice de nivel superior, identificarea obiectelor sau alte procese complexe care se bazează pe combinarea datelor provenite de la mai multe imagini și senzori.
Calcule directe și algoritmi de învățare
În contextul viziunii artificiale, un calcul direct reprezintă un set de funcții matematice definite manual de către un programator. Aceste funcții primesc ca intrare valorile pixelilor unei imagini și generează ieșiri precum coordonatele marginilor unui obiect. Prin contrast, algoritmii de învățare nu sunt scriși manual, ci sunt antrenați pe seturi de date exemplificative, care stabilesc corespondențe între intrări și ieșirile dorite. Fiind adesea privită ca o abordare de tip black box, învățarea automată utilizează astăzi rețele neurale artificiale profunde (deep neural networks) pentru a efectua aceste calcule în mod autonom.
În aplicațiile industriale, învățarea automată simplificată poate fi mai fiabilă și mai eficientă computațional atunci când se bazează parțial pe calcul direct. Desigur, această metodă are limite clare: de exemplu, nu poate realiza recunoașterea avansată a tiparelor, precum identificarea fețelor umane într-o transmisiune video provenită dintr-un spațiu public aglomerat. Astfel de sarcini sunt însă gestionate eficient de modelele de învățare automată, care se dovedesc deosebit de utile chiar și în operațiuni de viziune artificială de nivel inferior – cum ar fi îmbunătățirea imaginii, restaurarea și detectarea caracteristicilor.
Viziune artificială pentru siguranța industrială
Viziunea artificială nu mai este o tehnologie de nișă – ea înregistrează una dintre cele mai rapide creșteri în ceea ce privește implementarea în aplicații industriale. Cea mai spectaculoasă evoluție constă în modul în care sistemele de viziune artificială completează astăzi infrastructura de siguranță a fabricilor, declanșând alarme sau anunțuri audio atunci când personalul pătrunde într-o zonă de lucru fără cască de protecție, mască sau alt echipament corespunzător. De asemenea, aceste sisteme pot detecta apropierea utilajelor mobile, cum ar fi stivuitoarele și pot avertiza lucrătorii atunci când distanța de siguranță este depășită.
Soluții bazate pe viziune artificială
Senzorii de imagine pot identifica piesele în funcție de tip, dimensiune, locație, orientare și culoare. (© DigiKey)
Soluțiile bazate pe viziune artificială pot, în anumite cazuri, înlocui gardurile de protecție fizice din jurul roboților industriali, permițând operațiuni mai flexibile și eficiente. În plus, ele pot îmbunătăți sistemele de siguranță bazate pe bariere optice care, în mod tradițional, opresc complet mașinile dacă un operator intră într-o celulă de lucru. Atunci când viziunea artificială monitorizează activ zona din jurul celulei de lucru, roboții pot încetini progresiv mișcările pe măsură ce un operator se apropie, menținând astfel siguranța fără a întrerupe complet procesul de producție.
Proiectarea mediilor industriale evoluează pentru a se adapta roboților colaborativi (cobots) și altor echipamente care pot funcționa în siguranță în prezența personalului, chiar și în timpul operațiunilor active. Aceste sisteme – și multe altele bazate pe viziune artificială – vor deveni o parte tot mai firească a proceselor de producție.
Prin înțelegerea modului de proiectare și implementare a sistemelor inteligente de viziune artificială, inginerii și producătorii pot integra eficient tehnologii de inteligență vizuală în mediile industriale, sporind siguranța și eficiența. Pe măsură ce tehnologia evoluează într-un ritm accelerat, DigiKey continuă să ofere soluții inovatoare pentru automatizare, de la IoT la AI și viziune artificială. Pentru mai multe informații, vizitați digikey.com/automation.
DigiKey este recunoscut ca lider global și inovator constant în distribuția comercială de ultimă oră a componentelor electronice și a produselor de automatizare la nivel mondial, oferind peste 16.5 milioane de componente de la peste 3 000 de producători de top.
Despre autor
Autor: Rich Miron
Senior Technical Content Developer
Rich face parte din echipa de autori tehnici încă din 2007, fiind responsabil cu redactarea și editarea articolelor, blogurilor și modulelor de instruire pentru produse. Înainte de a se alătura companiei DigiKey, a lucrat în testarea și calificarea sistemelor de in strumentație și control pentru submarine nucleare. Rich deține o diplomă în inginerie electrică și electronică, obținută la North Dakota State University, în Fargo, ND.
DigiKey | https://www.digikey.ro
Glosar de termeni
- Viziune artificială (Machine Vision): tehnologie care permite echipamentelor să interpreteze imagini pentru a înțelege mediul înconjurător și a lua decizii automatizate.
- Viziune computerizată (Computer Vision): domeniu al inteligenței artificiale care se concentrează pe interpretarea imaginilor prin modele de învățare automată.
- Fotogrammetrie: tehnică ce extrage măsurători (inclusiv 3D) din imagini bidimensionale captate din unghiuri diferite.
- Detectarea caracteristicilor: proces de identificare a marginilor, colțurilor sau punctelor cheie într-o imagine.
- Detectarea bloburilor: metodă de recunoaștere a regiunilor uniforme într-o imagine, unde variația de culoare sau textură este redusă.
- Reconstrucție 3D: tehnică de obținere a modelelor tridimensionale din imagini 2D.
- Roboți colaborativi (Cobots): roboți concepuți să lucreze în siguranță alături de oameni, fără separatoare fizice.
- Bariere optice (Light Curtains): senzori de siguranță care detectează prezența umană și pot opri sau regla funcționarea echipamentelor.
- Calcul direct (Direct Computation): abordare bazată pe formule matematice explicite, programate manual, spre deosebire de modelele de învățare automată.
- Învățare automată (Machine Learning): ramură a inteligenței artificiale care antrenează algoritmi să recunoască tipare din seturi de date.