Che cosa è la Visione Artificiale?
Prima di parlare di sistemi di visione artificiale nell’industria, partiamo dalla base tecnologica.
La visione artificiale o computer vision è la disciplina (branca dell’Intelligenza Artificiale) che studia algoritmi e tecniche per permettere ai computer di riprodurre funzioni e processi dell’apparato visivo umano per estrarre informazioni utili alla loro elaborazione.
La vasta gamma di applicazioni pratiche di visione artificiale rende tale tecnologia una componente essenziale di molte innovazioni anche in ambito industriale.
Cosa sono i Sistemi di Visione?
I sistemi di visione sono un insieme di uno o più dispositivi che si occupano dell’acquisizione di dati (immagini e/o video) e di un dispositivo in grado di ricevere e analizzare i dati acquisiti (in genere un PC), mediante un’intelligenza (software).
Grazie all’insieme di tecnologie e di metodi è possibile eseguire l’analisi automatica di immagini in varie applicazioni dell’industria per risolvere problematiche specifiche: identificazione, misurazione, riconoscimento difetti, guida robot, navigazione robot, ecc..
Sistemi di Visione basati su Deep Learning
Lo sviluppo di tecniche sempre più avanzate di Visione Artificiale come il machine learning e il deep learning ha permesso di arrivare a prestazioni paragonabili a quelle umane, in realtà anche superiori, nel rilevare e reagire con rapidità agli input visivi.
KabVision è specializzata nell’applicazione di tecniche di Deep Learning per il suoi sistemi di visione artificiale. Il deep learning è un ramo del machine learning che sfrutta algoritmi per istruire il sistema ad apprendere in autonomia.
I sistemi di visione industriale come funzionano?
Le indagini su un’immagine che la computer vision può effettuare sono più o meno approfondite a seconda delle tecniche utilizzate, della tipologia di immagine e del tipo di richiesta effettuata.
La computer vision e quindi i sistemi di visione computerizzata, riassumendo funzionano così:
- Acquisizione dell’immagine
L’acquisizione delle immagini è il primo passo nei sistemi di visione artificiale. Questo processo implica l’uso di telecamere industriali, sensori ottici e illuminazione specializzata per catturare immagini ad alta risoluzione dei prodotti in esame. Le immagini, anche di grandi dimensioni, possono essere acquisite in tempo reale tramite video, foto o tecnologia 3D.
Le tecniche principali includono: Imaging 2D che utilizza telecamere monocromatiche o a colori per catturare immagini bidimensionali; Imaging 3D che sfrutta laser, stereovisione o luce strutturata per ottenere dati tridimensionali degli oggetti e Imaging multispettrale e iperspettrale che cattura informazioni su diverse lunghezze d’onda per rilevare difetti invisibili all’occhio umano.
Le reti neurali per la computer vision funzionano distinguendo i numerosi elementi che compongono un’immagine, identificano i bordi e poi modellano i sottocomponenti. Usando il filtraggio e una serie di azioni attraverso gli strati profondi della rete, mettono insieme tutti gli elementi che compongono l’immagine.
Abbiamo dedicato un articolo specifico per i componenti di un sistema di visione proprio in questo blog. - Elaborazione dell’immagine
Una volta, acquisita l’immagine si passa alla sua elaborazione. I modelli di machine e deep learning automatizzano gran parte di questo processo. Dopo essere stati addestrati, infatti, tramite il caricamento di migliaia di immagini etichettate o pre-identificate, generano un algoritmo in grado autonomamente di elaborarle per estrarre informazioni rilevanti. Le principali tecniche sono: filtraggio e pre-elaborazione che miglioramento del contrasto, riduzione del rumore e normalizzazione delle immagini; segmentazione: suddivisione dell’immagine in regioni per isolare le caratteristiche di interesse; riconoscimento di pattern: utilizzo di algoritmi per individuare forme, contorni e texture; analisi morfologica: estrazione di caratteristiche geometriche per identificare difetti e incongruenze. - Interpretazione dell’immagine
La fase finale è l’interpretazione, che consiste nell’identificazione o classificazione dell’immagine in base all’applicazione richiesta.
Quali sono le ispezioni visive che si possono eseguire?
Le principali indagini visive automatiche tramite deep learning possono riguardare:
Object Detection: identificazione di una o più entità all’interno di un’immagine in un qualsiasi punto del campo inquadrato dalla telecamera. Qualsiasi si la sua posizione, illuminazione o grado di leggibilità;
Image Classification: analisi del contenuto dell’immagine e attribuzione di un’etichetta per classificarla in una o più classi. Sulla base dei dati visivi, un modello di classificazione emette una decisione binaria sì/no;
Image Segmentation: suddivisione dell’immagine in sezioni per isolare le caratteristiche di interesse;
OCR: localizza e riconosce il testo e o i codici all’interno dell’immagine ispezionata;
Anomaly Detection: identifica e delimita le aree che mostrano imperfezioni o difetti all’interno dell’immagine ispezionata basandosi su ciò che è stato osservato. L’algoritmo fornisce indicazioni di quanto l’anomalia si discosta rispetto al prodotto conforme;
Face Recognition: riconoscimento di volti di persone;
Action Recognition: identificazione di una o più entità e della loro relazione nel tempo e nello spazio, al fine di identificare e descrivere azioni specifiche;
Visual Relationship Detection: comprensione della relazione tra gli oggetti in un’immagine;
Emotion Recognition: rilevamento del sentiment di un’immagine;
Image Editing: modifiche a un’immagine.
Le difficoltà più rilevanti in queste indagini riguardano le possibili associazioni o ambiguità che l’algoritmo potrebbe effettuare/valutare. Quindi è molto importante sviluppare un dataset ampio per l’addestramento dell’algoritmo. Proprio perché l’algoritmo sviluppato deve comprendere l’immagine anche quando ci sono trasformazioni come per esempio variazioni di luce, deformazione dell’oggetto o variazioni di scala. Casistica molto reale se pensata all’interno di un impianto produttivo.
In Kablator la Business Unit di KabVision
è pronta per ogni sfida di visione artificiale!
Sistemi di visione artificiale nell’industria
In ambito industriale un sistema di visione artificiale trova differenti applicazioni grazie alla possibilità di essere integrato direttamente sulle linee di produzione e negli ambienti di fabbrica. L’applicazione degli stessi è in forte aumento anche perché sono un elemento fondamentale nella digital transformation e Industria 4.0.
Non ci sono più dubbi sulla validità nell’utilizzo di sistemi di visione industriale per automazione al fine di ottimizzare le attività produttive. I vantaggi della visione artificiale applicata all’industria manifatturiera possono essere riassunti in:
riduzione notevole dei tempi di sviluppo;
massima precisione possibile nelle applicazioni;
miglioramento della qualità dei prodotti e l’efficienza dei sistemi;
riduzione dei tempi di fermo;
riduzione dei costi della manodopera;
sicurezza in ambiente lavorativo;
possibilità per le persone di concentrarsi sulle operazioni a più alto valore aggiunto.
Il vantaggio che deriva poi da tutti i precedenti è quello dell’aumento della produttività delle linee di produzione.
Applicazioni industriali dei sistemi di visione
Le applicazioni e ispezioni automatiche in ambito industriale principali sono:
Controllo di qualità: individuare difetti, variazioni dimensionali, imperfezioni, conformità dei pezzi, idoneità di assemblaggi, qualità delle superfici e dei profili, colori in maniera molto accurata e rapida rispetto all’ispezione umana.
Lettura codici ed etichette: lettura etichette, verifica stampe e controllo di posizione e orientamento dei pezzi, analisi del contenuto o livello di riempimento.
Processi critici: attraverso l’analisi real time delle immagini, le macchine possono prendere decisioni rapide.
Guida robot: applicazione automatizzata per attività di picking, ispezione e selezione oggetti 2d e 3d o per controlli su lavorazioni fuori standard.
Previsione predittiva: monitoraggio costante delle attrezzature e delle macchine, previsione guasti e interventi di manutenzione.
Sicurezza ambientale: identificazione situazioni di pericolo per garantire rispetto delle norme di sicurezza.
Le aziende che adottano sistemi di visione con intelligenza artificiale godono di un vantaggio competitivo significativo, migliorando la loro capacità di adattamento e agilità in un ambiente industriale molto complesso.
La nostra business unit KabVision è nata proprio per sviluppare questo vantaggio competitivo alle aziende che si affidano alla nostra consulenza per risolvere problemi all’interno dei loro sistemi produttivi.
Per una consulenza tecnologica KabVision: +39 3313466711- info@kablator.com
VUOI RIMANERE SEMPRE AGGIORNATO
SULLE NOVITA’ KABLATOR?
Iscriviti alla newsletter!
