Viziunea artificială

Viziunea automată (cunoscută și sub numele de viziune computerizată) este setul de procese care au ca scop crearea unui model aproximativ din lumea reală ( 3D ) pornind de la imagini bidimensionale ( 2D ). Scopul principal al viziunii computerizate este de a reproduce viziunea umană. Vederea este înțeleasă nu numai ca achiziționarea unei fotografii bidimensionale a unei zone, ci mai ales ca interpretarea conținutului acelei zone. Informațiile sunt înțelese în acest caz ca ceva care implică o decizie automată.

Un sistem de viziune artificială constă în integrarea componentelor optice, electronice și mecanice care permit dobândirea, înregistrarea și procesarea imaginilor atât în spectrul luminii vizibile, cât și în afara acesteia ( infraroșu , ultraviolet , raze X etc.). Rezultatul procesării este recunoașterea anumitor caracteristici ale imaginii în diferite scopuri de control, clasificare, selecție etc.

Sistem de viziune

Un sistem de viziune constă din mai multe componente:

camere și optică
sistem de iluminare
obiectul de examinat
sistemul de achiziție și prelucrare a imaginilor
interfețe om-mașină
interfețe cu mediul extern

Piesele care trebuie inspectate sunt poziționate - adesea prin sisteme de manipulare automată - în fața uneia sau mai multor camere și aprinse corespunzător, pentru a evidenția cât mai mult posibil defectele care trebuie identificate. Sistemul optic formează o imagine pe senzorul camerei care produce un semnal de ieșire electrică. Acest semnal va fi digitalizat și stocat.

Imaginea, captată și redată în acest mod „ușor de înțeles” de către un computer, poate fi apoi procesată cu un software special care include algoritmi de calcul și analiză, capabili să identifice caracteristicile imaginii și să amplifice unele aspecte - de exemplu contururi, margini , forme, structuri - pentru a efectua verificările și verificările pentru care a fost proiectat sistemul.

Pe baza rezultatelor procesării, sistemul va lua decizii cu privire la destinația obiectului, de exemplu, îl sortează între „cele bune” sau îl va arunca și va furniza informațiile corespunzătoare restului sistemului de producție.

Sarcini tipice

O problemă clasică în viziunea computerizată este de a determina dacă imaginea conține sau nu anumite obiecte ( recunoașterea obiectelor ) sau activități. Problema poate fi rezolvată eficient și fără dificultăți pentru obiecte specifice în situații specifice, de exemplu recunoașterea unor obiecte geometrice specifice, cum ar fi poliedre , recunoașterea feței sau caractere scrise de mână. Lucrurile se complică în cazul obiectelor arbitrare în situații arbitrare.

În literatură găsim diferite varietăți ale problemei:

Recunoaștere (recunoaștere): unul sau mai multe obiecte prespecificate sau stocate pot fi urmărite la clase generice, de obicei împreună cu locația lor 2D sau 3D în scenă.
Identificare (ID): se detectează o instanță specifică a unei clase. De exemplu, identificarea unei anumite fețe, amprente digitale sau vehicul.
Detectare (detectare): imaginea este scanată până la identificarea unei anumite condiții. De exemplu, detectarea posibilelor celule sau țesuturi anormale în imaginile medicale

O altă sarcină tipică este reconstrucția scenariului: având în vedere 2 sau mai multe imagini 2D, se încearcă reconstituirea unui model 3D al scenariului. În cel mai simplu caz vorbim despre un set de puncte unice în spațiul 3D sau suprafețe întregi. În general, este important să găsiți matricea fundamentală care reprezintă punctele comune din diferite imagini.

Aplicații industriale

Datorită funcționalității și puterii de calcul ridicate, sistemele de viziune pot găsi domenii de aplicație practic nelimitate.

Aplicațiile industriale includ:

Recunoașterea defectelor și respectarea toleranțelor
Orientarea, poziționarea și ghidarea robotului
Măsurători fără contact
Verificări ale centurilor continue ( inspecție web )
Clasificare și alegere
Citirea de caractere și coduri

Recunoașterea defectelor și respectarea toleranțelor

Este una dintre cele mai răspândite aplicații, deoarece nu se poate spune că nicio producție industrială nu prezintă defecte și majoritatea defectelor pot fi văzute vizual. Adesea inspecția producției este efectuată de operatori specializați, cu costuri ridicate pentru manipularea pieselor și a resurselor umane.

Aplicarea unui sistem de control bazat pe computer are mai multe avantaje:

Reducerea costurilor forței de muncă
100% control al producției
Control bazat pe criterii obiective și repetabile

Principalele controale de calitate pot fi urmărite înapoi la multe dintre caracteristicile tipice ale viziunii pe computer: verificări ale suprafeței, verificări ale prezenței / absenței pieselor, numărări, verificări ale culorii etc.

Orientarea, poziționarea și ghidarea robotului

O parte semnificativă a inteligenței artificiale se ocupă cu gestionarea sistemelor interfațate cu roboți sau mașini care se mișcă în spațiu sau efectuează mișcări. Acest tip de proces implică adesea achiziționarea informațiilor furnizate de un sistem de viziune artificială care ocupă rolul unui senzor vizual.

Există sisteme capabile să dirijeze manipulatoare, roboți antropomorfi sau cărucioare în medii industriale necunoscute a priori. De exemplu, încărcarea și descărcarea roboților care trebuie să identifice poziția exactă a diferitelor obiecte și să le plaseze pe paleți sau în containere sau către un sistem inteligent de manipulare, capabil să se deplaseze într-o fabrică în care circulă oameni, alte mijloace de manipulare și deseori zone. sunt ocupate de bunuri.

Măsurători fără contact

Se disting în general măsurători în una sau două dimensiuni: diametre, lungimi, înălțimi, excentricitate, liniaritate, măsurători tridimensionale, calcule de volum (prin analiza imaginilor dobândite din unghiuri multiple). Utilizarea SdV este adecvată în special pentru măsurarea obiectelor fragile, greu accesibile, conținute în alte obiecte, la temperaturi ridicate: de exemplu turnarea oțelului topit în laminare etc. Un avantaj al viziunii artificiale constă și în posibilitatea de a efectua măsurători neconvenționale care sunt superioare celor realizate cu sisteme tradiționale, de exemplu prin măsurarea zonelor de forme complexe.

Citire continuă ( inspecție web )

Acesta constă în detectarea defectelor sau a citirilor de caractere pe benzi sau plăci plasate în derulare rapidă. Această analiză se face de obicei cu camere liniare. Exemple ale acestei aplicații sunt verificarea corectitudinii imprimării, absența defectelor pe laminate, țesături etc.

Clasificare și alegere

Este una dintre cele mai complexe aplicații, deoarece deseori mecanismele de alegere nu sunt ușor de codificat. Un sector tipic este alegerea plăcilor ceramice sau de marmură sau a scândurilor din lemn.

Citirea de caractere și coduri

Acestea sunt caracteristici foarte frecvente în sectoare, cum ar fi alimentele sau produsele farmaceutice, pentru a efectua o serie întreagă de controale asupra produselor de ieșire, cum ar fi data de expirare a produselor, loturile de producție, corectitudinea fișelor de instrucțiuni anexate etc.

Aplicații în alte domenii

Control autonom al vehiculului
Detectarea evenimentelor (supraveghere video)
Organizarea informațiilor (indexarea bazelor de date și a secvențelor de imagini)
Modelarea obiectelor sau mediilor (inspecții industriale, analize de imagine în mediul medical și modelare topografică )
Interacțiune (intrare într-un dispozitiv pentru interacțiunea om-computer)
Studii interdisciplinare cu neurobiologie

În fizică , o ramură semnificativă a viziunii computerizate este utilizată pentru a înțelege mecanismele în care radiația electromagnetică, de obicei în domeniul infraroșu, este reflectată de pe suprafețe.

Un alt mediu de aplicație este prelucrarea semnalului . De fapt, multe tehnici utilizate pentru procesarea semnalelor cu o singură variabilă pot fi extinse la semnale cu 2 variabile într-un mod natural. Cu toate acestea, nu toate metodele utilizate pentru imagini pot fi reutilizate pe semnale variabile unice.

Control autonom al vehiculului

O nouă zonă de aplicații emergente este cea a vehiculelor autonome, cum ar fi submarinele, vehiculele terestre cu roți sau cu șenile sau avioanele. Un sistem de viziune artificială poate susține atât șoferul acestor vehicule în diverse situații, deoarece poate chiar (în cazul vehiculelor complet autonome ) să se ocupe de întreaga navigație. În acest caz, este important să puteți recunoaște obstacolele și să puteți produce o hartă a zonei înconjurătoare. Exemple în acest domeniu sunt sistemele de avertizare în mașini, sistemele de aterizare automată a aeronavelor sau sistemele de conducere automată a mașinilor. Această ultimă tehnologie, chiar dacă a fost studiată și produsă, nu a atins încă costurile suficiente pentru a fi lansată pe piață.

Aplicațiile militare sunt, fără îndoială, una dintre cele mai mari zone care profită de avantajele viziunii pe computer, chiar dacă doar o mică parte din munca depusă în acest mediu este făcută publică. Exemple evidente pot fi sistemul de ghidare și vizare a rachetelor .

Camp medical

Una dintre cele mai mari și mai promițătoare domenii este cea medicală. Această zonă se caracterizează prin extragerea informațiilor din imagine cu intenția de a pune un diagnostic al unui pacient. De obicei, imaginea este dobândită prin microscopie , raze X , angiografie și tomografie . Exemple de informații care pot fi deduse din imagini sunt prezența tumorilor, arteriosclerozei sau a altor disfuncții maligne.

Neurobiologie

Un alt rol important este neurobiologia, în special studiul sistemului vizual. În biologie percepția vizuală a oamenilor și animalelor este studiată prin sisteme care funcționează în termeni de procese psihologice. Viziunea automată pe de altă parte studiază și descrie un sistem vizual artificial implementat în software sau hardware. Primul tratează problema din exterior, al doilea din interior. Schimbul interdisciplinar între studiul biologic și viziunea pe computer a dat rezultate importante de ambele părți. În ultimul secol a avut loc un studiu intens al ochilor, neuronilor și structurii creierului pentru a înțelege modul în care semnalul vizual este procesat de organismele umane și animale. Aici cele două discipline întâlnite ca viziune artificială încearcă, de asemenea, să simuleze modul în care aparatul vizual biologic se comportă de fapt chiar dacă la un nivel diferit de complexitate. De aici și motivul pentru care unele metode utilizate în vederea artificială s-au reflectat și în câmpul biologic.

Avantajele tehnologiei

Constanța, fiabilitatea, obiectivitatea comenzilor

Un operator uman care lucrează pe o bandă transportoare pentru a verifica defectele pieselor nu poate efectua o verificare de 100% a tuturor pieselor și să mențină constanța criteriilor de evaluare în timp, în timp ce un sistem de viziune poate funcționa zile întregi, fără nicio variație de performanță . Chiar și omogenitatea judecății între diferiți operatori constituie un element care duce la preferarea unui control automat: este practic imposibil să se obțină constanța și omogenitatea criteriilor de evaluare de la operatori umani.

Operabilitate în medii ostile

În condiții de mediu extreme, cum ar fi medii foarte zgomotoase, expuse la agenți chimici, la temperaturi foarte ridicate sau foarte reci, în zone de acțiune a mașinilor sau a sistemelor de manipulare, spații închise, un sistem de viziune poate funcționa în pace fără a pune în pericol viața. sau supune-i stresului fizic inutil.

Viteze mari de control

Un sistem de viziune este capabil să efectueze operațiuni de verificare în fracțiuni de secundă chiar și pe obiecte în mișcare foarte rapidă, cum ar fi benzile transportoare.

Viteza controlului generează două oportunități importante legate între ele: este posibil să regândim sistemul de control al calității care trece de la verificările probei la verificările totale (100% din produse) cu toate avantajele care rezultă;

este posibilă reproiectarea proceselor și liniilor de producție, introducând sisteme de manipulare automată și evitând plămânii intermediari dedicați anterior controlului calității și transferului de piese de la o fază la alta.

Mărimea mică a obiectelor care trebuie verificate

Dimensiunea obiectelor este o variabilă care limitează adesea verificarea și controlul uman în procesul de producție. Sistemele de viziune vă permit să analizați detalii care nu sunt vizibile sau dificil de identificat de către om datorită opticii și software-ului specific.

Precizie ridicată a controlului

Chiar și în prezența obiectelor caracterizate de toleranțe foarte înguste, sistemele de viziune permit atingerea unei precizii și precizii de control mult superioare celei oamenilor. Acest lucru ne permite să obținem produse care sunt din ce în ce mai conforme cu nevoile pieței.

Generarea datelor de proces

În plus față de îndeplinirea sarcinilor de control - de exemplu prin identificarea și aruncarea pieselor defecte - sistemele noastre de viziune sunt capabile să genereze și să stocheze date despre proces în timp real, evidențiind abateri de la parametrii optimi.

Acest lucru face posibilă identificarea oricăror semne sau tendințe de înrăutățire a procesului (derive), ajutând astfel managerii liniei de producție să ia măsuri corective înainte de depășirea pragurilor de toleranță stabilite.

Noi tendințe

După anul 2000, odată cu creșterea integrării hardware și reducerea consecventă a spațiilor, vedem că se afirmă categoria sistemelor de viziune compacte numite camere inteligente . Practic nu există nicio variație calitativă în comparație cu sistemele bazate pe PC, ci doar o creștere a caracterului practic. După anul 2005, apar primele sisteme integrate de viziune care profită din plin de puterea tot mai mare a computerelor personale care utilizează software de nivel înalt care utilizează logici hibride . Aceste sisteme de viziune au, spre deosebire de sistemele clasice, un nivel ridicat de adaptabilitate la evenimente externe care le fac mult mai fiabile și mai versatile. Aceste sisteme sunt mult mai simple de utilizat, deoarece rezolvă automat unele probleme tipice ale viziunii computerizate, lăsând operatorul să configureze doar aspectele funcționale ale sistemului.

Istorie

Deși există studii și lucrări anterioare, nu înainte de 1970 studiile din sector s-au putut specializa, datorită creșterii performanței computerelor care au reușit să proceseze cantități mari de informații, cum ar fi imaginile. Trebuie să așteptăm până în anii 1980 pentru a vedea primele aplicații practice reale ale acestei discipline, caracterizate adesea printr-un scop pur demonstrativ . În anii 1990 vedem că apar primele cadre de captare standard care se introduc pe PC-uri, iar sistemele de viziune capătă o funcționalitate și o robustețe mai mari, abandonând aspectul tipic experimental din deceniul precedent, în special în domeniul industrial. disciplină caracterizată prin unele soluții funcționale împânzite cu mai multe eșecuri. În 2000 - 2008 câmpul viziunii computerizate poate fi descris ca divers și imatur. Cauza se regăsește probabil în evoluția sa, la care au contribuit diverse discipline științifice, fără a fi însă de acord asupra unei formulări standard a „problemei viziunii artificiale”. Mai mult, cu consecințe și mai evidente, nu există o formulare standard a modului în care trebuie rezolvate problemele de viziune pe computer. În schimb, există o mulțime de metode pentru rezolvarea sarcinilor de viziune computerizate bine definite, în care procedurile sunt adesea dependente de context și rareori pot fi extinse la un spectru mai larg de aplicații. Multe dintre aceste metode sunt încă la nivelul cercetării de bază, dar multe altele au găsit spațiu în producția comercială, unde fac parte din sisteme mari care rezolvă probleme complexe. În majoritatea aplicațiilor practice, computerele sunt pre-instruite pentru a rezolva o anumită sarcină, cu toate acestea, metodele bazate pe învățare devin din ce în ce mai frecvente. Din 2009 am văzut utilizarea camerelor cu comunicații digitale, în special a standardului GIGEtherneth, care combină factori precum o viteză echitabilă, economie, standardizare (utilizează porturi GigaBit Ethernet normale de pe PC) și o soliditate echitabilă în domeniul industrial, de în consecință, capturile de cadre analogice tind să iasă din imagine. Din punctul de vedere al generării de software, vedem o concentrare specială în soluționarea problemelor 3D. În general, fiabilitatea soluțiilor se îmbunătățește.

Rețele neuronale

În ciuda experimentării rețelelor neuronale în vederea artificială și a unor aplicații anterioare anului 1996 , tocmai din acest an începem să vedem mai multe aplicații de viziune care rezolvă strălucit aplicații de tip industrial. Utilizarea acestor logici în ceea ce privește algoritmii clasici a condus cu siguranță la rezolvarea satisfăcătoare a unor probleme mai complexe, dar adesea complicația învățării și rezultatele nu întotdeauna omogene au redus beneficiile aduse de acest tip de logică. De fapt, modelele produse de rețelele neuronale , chiar dacă sunt foarte eficiente, nu pot fi explicate în limbajul simbolic uman: rezultatele trebuie acceptate „așa cum sunt”, de unde și definiția engleză a rețelelor neuronale ca cutie neagră („cutie neagră”) . Ca și în cazul oricărui algoritm de modelare, rețelele neuronale sunt eficiente numai dacă variabilele predictive sunt alese cu atenție.

Logici hibride

Hybrid Logics ( 2001 ) este terminologia generică utilizată pentru a clasifica o serie de algoritmi compuși dintr-o diversitate de logici. Acesta nu este un termen strict „exact” și adesea diverși producători de sisteme de viziune și centre de cercetare dau nume diferite acestui tip de tehnologie și este dificil de identificat. Filozofia din spatele acestui termen este mai interesantă: având în vedere limitele logicii clasice (matematice și statistice) și neuronale, unele companii care rezolvă diferitele probleme de vedere computerizată au „amestecat” diferite tipuri de logici pentru a rezolva cu un indice de fiabilitate ridicat al problemelor reale . Sistemele de viziune care utilizează diferiți algoritmi de acest tip se mai numesc și sisteme de viziune integrate .