10 semplici progetti di visione artificiale per imparare mettendoti alla prova

Hai mai notato come le telecamere per il traffico rilevino automaticamente i veicoli, come i negozi usino telecamere di sorveglianza per monitorare i prodotti sugli scaffali o come le app per il fitness usino la fotocamera del telefono per comprendere i tuoi movimenti in tempo reale? Tutte queste tecnologie si basano sulla visione artificiale.

La visione artificiale è un ramo dell'intelligenza artificiale che aiuta le macchine a vedere e interpretare immagini e video. Invece di limitarsi a registrare le immagini, questi sistemi possono riconoscere gli oggetti, identificare schemi e trasformare ciò che vedono in informazioni utili.

I modelli open source di visione artificiale all'avanguardia, come Ultralytics YOLO26, supportano diverse attività di visione, tra cui il rilevamento degli oggetti, la classificazione delle immagini, la segmentazione delle istanze, la stima della posa e il tracciamento degli oggetti. Questi modelli sono progettati per funzionare in modo efficiente in tempo reale, facilitando lo sviluppo di applicazioni pratiche per diversi settori.

10 semplici progetti di visione artificiale in breve#

10 semplici progetti di visione artificiale per principianti#

1. Un sistema di allarme di sicurezza basato sulla visione#

I sistemi di sicurezza sono usati in case, uffici e magazzini per proteggere gli ambienti. I tradizionali sistemi basati su sensori non sono sempre affidabili, soprattutto quando l'ambiente cambia.

Per esempio, i semplici sensori di movimento spesso attivano falsi allarmi a causa di ombre, cambiamenti di illuminazione o piccoli movimenti. Al contrario, un sistema basato su telecamere e alimentato dalla visione artificiale può identificare specifici oggetti di interesse, migliorando notevolmente la precisione e riducendo i falsi allarmi.

Puoi realizzare un sistema di monitoraggio della sicurezza in tempo reale con Ultralytics YOLO26, che elabora ogni fotogramma della telecamera e rileva oggetti predefiniti, come persone o veicoli, nella scena. Quando viene identificato un oggetto di interesse, il sistema vi disegna attorno dei riquadri di delimitazione e assegna un punteggio di confidenza alla previsione.

Fig 2. Rilevamento di una persona in un cortile con un modello Ultralytics YOLO (Fonte)

Puoi anche definire una regione di interesse (ROI), come una porta o un'area riservata, in modo che gli avvisi si attivino solo quando gli oggetti entrano nella zona designata. Questo progetto ti aiuta a familiarizzare con il funzionamento del rilevamento degli oggetti in tempo reale e con l'integrazione degli output del modello in azioni automatizzate, come notifiche o allarmi.

2. Monitoraggio degli allenamenti con la visione artificiale#

Molte app per il fitness usano una telecamera per contare le ripetizioni e tracciare i movimenti. Mentre la telecamera registra il video, la visione artificiale analizza i movimenti del corpo in tempo reale.

Puoi sviluppare un sistema di monitoraggio degli allenamenti di questo tipo con Ultralytics YOLO26 e le sue funzionalità di stima della posa. Il modello elabora ogni fotogramma e rileva punti chiave del corpo, come spalle, gomiti, fianchi e ginocchia. Questi punti formano uno scheletro digitale che rappresenta la postura e i movimenti della persona.

Fig 3. Tracciamento in tempo reale e conteggio automatico delle ripetizioni degli esercizi (Fonte)

Durante esercizi come squat o flessioni, è possibile misurare i cambiamenti degli angoli articolari per stimare il numero di ripetizioni. Per esempio, tracciando la flessione e l'estensione del ginocchio durante uno squat, il sistema può contare ogni ripetizione completata.

3. Gestione dei parcheggi dei veicoli basata sulla visione#

Parcheggiare può essere frustrante in luoghi come centri commerciali, uffici, aeroporti e complessi residenziali. Controllare manualmente i posti richiede tempo e i semplici sensori indicano solo se un singolo posto è occupato. Un sistema basato su telecamere può monitorare l'intero parcheggio in una volta e mostrare in tempo reale quali posti sono liberi.

Puoi creare un sistema di gestione dei parcheggi con Ultralytics YOLO26 per rilevare i veicoli da un flusso video in diretta. Il sistema analizza ogni fotogramma e individua le auto nella scena.

Fig 4. Gestione intelligente dei parcheggi basata sulla visione artificiale (Fonte)

Puoi disegnare sullo schermo le zone di parcheggio e controllare se un'auto rilevata si sovrappone a una di esse. In tal caso, il posto viene contrassegnato come occupato. Altrimenti, rimane disponibile.

Per ampliare il sistema, potresti aggiungere il rilevamento delle targhe e applicare il riconoscimento ottico dei caratteri (OCR) per leggere i numeri delle targhe ai fini della registrazione o del controllo degli accessi.

4. Identificazione delle specie vegetali con la classificazione delle immagini#

L'identificazione delle piante è importante in agricoltura, nel monitoraggio ambientale e nell'istruzione. Gli agricoltori la usano per rilevare lo stato di salute delle colture, i ricercatori per studiare la biodiversità e gli studenti per imparare a conoscere le diverse specie.

L'identificazione tradizionale delle piante richiede spesso competenze specialistiche e confronti manuali, attività che possono richiedere molto tempo e dare risultati incoerenti. La visione artificiale rende il processo più rapido e scalabile, analizzando automaticamente le immagini.

Per questo tipo di soluzione, puoi creare un modello di classificazione delle immagini che predice la specie di una pianta a partire da una foto. Puoi iniziare con un modello preaddestrato come Ultralytics YOLO26 e ottimizzarlo su un dataset di piante etichettato usando l'apprendimento per trasferimento.

Durante l'addestramento, il modello apprende caratteristiche come la forma e la consistenza delle foglie e le differenze di colore per distinguere le specie. Per iniziare, puoi esplorare i dataset di piante disponibili pubblicamente o i dataset curati dalla community su piattaforme come Roboflow Universe, dove puoi trovare rapidamente immagini etichettate.

5. Gestione delle code con la Vision AI#

I sistemi di gestione delle code sono usati in luoghi come banche, aeroporti, ospedali e negozi per monitorare il flusso delle persone e ridurre i tempi di attesa. In particolare, con la visione artificiale puoi contare e monitorare le persone in fila usando un flusso video in diretta.

Un sistema di monitoraggio delle code integrato con un modello di visione artificiale, come Ultralytics YOLO26 per il rilevamento e il tracciamento delle persone, può semplificare la gestione delle code. Il sistema può elaborare ogni fotogramma video, rilevare le persone e contare quante si trovano in un'area di coda predefinita.

Fig 5. Gestione delle code in un aeroporto basata sulla Vision AI

Combinando il rilevamento degli oggetti con una semplice logica di tracciamento, puoi stimare la lunghezza della coda e persino calcolare il tempo di attesa in base alla velocità con cui scorre la fila.

6. Rilevamento e monitoraggio della folla per area#

Contare le persone in un'area specifica è importante per gli eventi, gli spazi pubblici e la gestione della sicurezza. Invece di contare tutte le persone nell'inquadratura, puoi concentrarti solo su una regione selezionata, come un ingresso, un'area di attesa o una zona riservata.

Con Ultralytics YOLO26 puoi rilevare le persone in ogni fotogramma video e definire un'area personalizzata sullo schermo. Puoi configurare la soluzione in modo che conti solo le persone all'interno di quell'area.

Fig 6. Monitoraggio della folla con conteggio per area (Fonte)

Questo approccio ti aiuta a monitorare la densità della folla nelle aree di interesse e a capire come cambia l'occupazione nel tempo.

7. Controllo qualità nella produzione#

Nella produzione, piccoli errori come componenti mancanti o posizionati in modo scorretto possono compromettere la qualità dei prodotti e causare resi. Per ridurre questi problemi, molte linee di produzione usano sistemi di visione per rilevare i difetti prima che i prodotti passino alla fase successiva.

Puoi simulare una semplice linea di assemblaggio in cui una telecamera riprende i prodotti mentre si spostano su un nastro trasportatore. Con Ultralytics YOLO26, un sistema di questo tipo può verificare che tutti i componenti richiesti siano presenti e posizionati correttamente.

Fig 7. Rilevamento e conteggio dei pacchi su una linea di assemblaggio con YOLO

Questo tipo di sistema può anche essere sviluppato per contare gli articoli, verificare che le confezioni siano sigillate e controllare che i prodotti siano disposti correttamente prima di lasciare la linea.

8. Monitoraggio del traffico con la segmentazione delle immagini#

Il monitoraggio del traffico spesso va oltre il semplice conteggio dei veicoli. Negli incroci trafficati, è utile capire come sono posizionati i veicoli nelle corsie e quanto spazio stradale occupano.

Per un sistema di monitoraggio del traffico, puoi creare una soluzione usando il supporto alla segmentazione di istanze di Ultralytics YOLO26. A differenza del rilevamento di oggetti di base, la segmentazione di istanze genera maschere a livello di pixel per ogni veicolo rilevato, delineandone la forma esatta invece di disegnare soltanto un riquadro di delimitazione.

Fig 8. Segmentazione, conteggio e tracciamento dei veicoli in tempo reale (Fonte)

Analizzando queste maschere di segmentazione, il sistema può fornire informazioni più dettagliate sull'utilizzo delle corsie, sulla densità dei veicoli e sui modelli di congestione.

9. Stima della velocità con la computer vision#

La stima della velocità è comunemente usata nei sistemi di monitoraggio del traffico, nella logistica e nei sistemi di trasporto intelligenti. Con la computer vision puoi stimare la velocità di un veicolo direttamente da riprese video, senza usare sensori fisici o radar.

Fig 9. Tracciamento dei veicoli con YOLO (Fonte)

Puoi usare Ultralytics YOLO26 per rilevare e tracciare gli oggetti in un flusso video. Misurando quanto si sposta un veicolo tra un fotogramma e l'altro e usando la frequenza dei fotogrammi del video insieme a un riferimento di distanza reale, puoi stimarne la velocità.

10. Monitoraggio della sicurezza dei lavoratori con la stima della posa#

La sicurezza dei lavoratori è fondamentale in ambienti come cantieri, fabbriche e magazzini. Una postura non sicura, tecniche di sollevamento inadeguate o cadute improvvise possono aumentare notevolmente il rischio di infortuni.

Un esempio consiste nell'usare Ultralytics YOLO26 con la stima della posa per analizzare in tempo reale la postura dei lavoratori. Il modello rileva punti chiave del corpo, come spalle, anche, ginocchia e gomiti. Valutando gli angoli delle articolazioni e i modelli di movimento, il sistema può individuare piegamenti non sicuri, posture scorrette durante il sollevamento o movimenti improvvisi che potrebbero indicare una caduta.

Fig 10. Uso della stima della posa umana per analizzare la postura dei lavoratori edili (Fonte)

Può anche misurare per quanto tempo un lavoratore mantiene una posizione che comporta uno sforzo e inviare avvisi se vengono superate soglie di postura predefinite.

Capire come funziona la computer vision#

La computer vision è un campo dell'IA che usa deep learning, machine learning e altre tecniche per aiutare le macchine a comprendere immagini e video. Consente ai sistemi di analizzare dati visivi e riconoscere schemi.

Il processo inizia spesso con l'elaborazione delle immagini o la pre-elaborazione dei dati, durante la quale i dati visivi vengono ripuliti, ridimensionati o migliorati prima dell'analisi. In seguito, una rete neurale viene addestrata su grandi dataset per imparare schemi come forme, bordi, texture e caratteristiche degli oggetti. In generale, più i dati usati per addestrare un modello sono di alta qualità, migliori saranno le sue prestazioni in diversi scenari reali.

Molti sistemi moderni di computer vision si basano sulle reti neurali convoluzionali (CNNs), progettate appositamente per le attività legate alle immagini. Le CNN estraggono automaticamente le caratteristiche visive importanti e le usano per fare previsioni.

La maggior parte dei progetti per principianti ruota attorno ad alcune attività di computer vision fondamentali. Ecco le principali che incontrerai:

• Classificazione delle immagini: questa attività assegna un'unica etichetta a un'intera immagine, ad esempio per stabilire se l'immagine mostra un gatto o un cane.
• Rilevamento di oggetti: gli oggetti presenti in un'immagine vengono localizzati ed evidenziati con riquadri di delimitazione, ad esempio identificando auto, persone o biciclette in una scena stradale.
• Segmentazione di istanze: ogni oggetto in un'immagine viene separato a livello di pixel, in modo da poterne delineare la forma esatta; è utile quando servono confini precisi.
• Stima della posa: nell'immagine vengono identificati punti chiave del corpo umano, come spalle, gomiti e ginocchia, per comprenderne la postura e i movimenti.
• Tracciamento degli oggetti: gli oggetti vengono seguiti attraverso i fotogrammi di un video per monitorarne i movimenti nel tempo.

Fig 1. Esempio di rilevamento di oggetti con la computer vision

L'impatto crescente della computer vision#

Oggi l'IA visiva viene adottata in molti settori. Il mercato globale della computer vision dovrebbe raggiungere i 58 miliardi di dollari entro il 2030, con una crescita annua vicina al 20%, man mano che sempre più organizzazioni integrano l'intelligenza visiva nei propri sistemi.

I trasporti sono, ad esempio, un importante settore in crescita. Nelle auto a guida autonoma, la computer vision consente ai veicoli di rilevare in tempo reale corsie, altri veicoli, pedoni e semafori.

Il commercio al dettaglio è un altro esempio interessante. I negozi automatizzati usano la computer vision e la fusione dei sensori per rilevare i prodotti presi dai clienti, consentendo acquisti senza passare dalla cassa.

Nel settore sanitario, la computer vision è ampiamente usata nell'imaging medico per analizzare esami come radiografie, risonanze magnetiche e immagini TC, aiutando i medici a rilevare anomalie e a formulare diagnosi.

Aspetti da considerare prima di avviare un progetto di IA visiva#

Pianificare in anticipo il tuo progetto di IA visiva può aiutarti a evitare gli errori più comuni e a creare un sistema più affidabile. Ecco alcuni aspetti pratici da considerare prima di avviare un progetto di computer vision:

• Definisci chiaramente l'obiettivo: specifica cosa vuoi che faccia il sistema, ad esempio rilevare oggetti, tracciare movimenti, stimare pose o classificare immagini. Un obiettivo chiaro può orientare meglio le tue decisioni tecniche durante tutto il progetto.
• Dai priorità alla qualità del dataset: dati e annotazioni ben etichettati, diversificati e rappresentativi sono fondamentali. Dati di scarsa qualità spesso portano a prestazioni del modello inaffidabili.
• Scegli gli strumenti giusti: seleziona strumenti supportati e facili da usare. Python è una scelta comune per chi inizia, perché offre un vasto ecosistema di librerie di computer vision e risorse didattiche. Anche i modelli della famiglia Ultralytics YOLO sono molto usati per diverse attività di computer vision, come il rilevamento e il tracciamento degli oggetti, e rappresentano quindi un punto di partenza pratico e accessibile.
• Ottimizza per le condizioni reali: variazioni di illuminazione, angolazioni della telecamera, sfocatura da movimento e sfondi disordinati possono influire sulle prestazioni. Prova il sistema in condizioni simili a quelle in cui verrà effettivamente usato.
• Considera privacy ed etica: se lavori con immagini o video di persone, tieni conto delle normative sulla privacy dei dati e delle pratiche di IA responsabile. Assicurati che i dati vengano raccolti e usati in modo appropriato.

Punti chiave#

La computer vision sta cambiando il modo in cui i sistemi comprendono i dati visivi. Esplorando idee progettuali pratiche e applicazioni reali, chi è agli inizi può acquisire rapidamente esperienza pratica.

Modelli come Ultralytics YOLO26 rendono più facile iniziare e ottenere risultati più rapidamente. Con obiettivi chiari e dati di qualità, puoi creare solide basi per sistemi di computer vision più avanzati.

Unisciti alla nostra community in crescita ed esplora il nostro repository GitHub per trovare risorse sull'IA. Per sviluppare oggi con l'IA visiva, scopri le nostre opzioni di licenza. Scopri come l'IA in agricoltura sta trasformando il settore agricolo e come l'IA visiva nella robotica sta plasmando il futuro visitando le pagine dedicate alle nostre soluzioni.