Scopri come funzionano le applicazioni della visione artificiale

Quando abbiamo esplorato la storia dei modelli di visione artificiale, abbiamo visto come si è evoluta la visione artificiale e quale percorso ha portato agli avanzati modelli di visione disponibili oggi. I modelli moderni come Ultralytics YOLOv8 e i suoi successori, tra cui il più recente Ultralytics YOLO26, supportano diverse attività di visione artificiale e sono utilizzati in molte applicazioni interessanti.

In questo articolo daremo uno sguardo ai concetti fondamentali della visione artificiale e dei modelli di visione. Vedremo come funzionano e le loro diverse applicazioni nei vari settori. Le innovazioni nella visione artificiale sono ovunque e spesso operano silenziosamente in background.

Che cos’è la visione artificiale?#

L’intelligenza artificiale (AI) è un termine ombrello che comprende molte tecnologie volte a replicare alcuni aspetti dell’intelligenza umana. La visione artificiale è uno dei sottocampi dell’IA. Si concentra sul fornire alle macchine occhi capaci di vedere, osservare e comprendere ciò che le circonda.

Come la vista umana, le soluzioni di visione artificiale mirano a distinguere gli oggetti, calcolare le distanze e rilevare i movimenti. Tuttavia, a differenza degli esseri umani, che si basano su una vita di esperienze per vedere e comprendere, i computer dipendono da enormi quantità di dati, telecamere ad alta definizione e algoritmi complessi.

Fig. 1 Confronto tra visione umana e visione artificiale.

I sistemi di visione artificiale possono elaborare e analizzare dati visivi come immagini e video con grande velocità e precisione. La capacità di analizzare rapidamente e accuratamente grandi quantità di informazioni visive rende la visione artificiale uno strumento potente in vari settori, dalla produzione all'assistenza sanitaria.

I modelli di visione supportano diverse attività di visione artificiale#

I modelli di visione artificiale sono il nucleo di qualsiasi applicazione di visione artificiale. Sono algoritmi computazionali basati su tecniche di deep learning, progettati per consentire alle macchine di interpretare e comprendere le informazioni visive. I modelli di visione rendono possibili attività fondamentali di visione artificiale, dalla classificazione delle immagini al rilevamento degli oggetti. Esaminiamo più da vicino alcune di queste attività e i relativi casi d’uso.

Classificazione delle immagini#

La classificazione delle immagini consiste nel categorizzare ed etichettare le immagini in classi o categorie predefinite. Un modello di visione come YOLOv8 può essere addestrato su grandi dataset di immagini etichettate. Durante l'addestramento, il modello impara a riconoscere gli schemi e le caratteristiche associate a ciascuna classe. Una volta addestrato, può prevedere la categoria di nuove immagini mai viste analizzandone le caratteristiche e confrontandole con gli schemi appresi.

Fig. 2. Un esempio di classificazione delle immagini. (fonte: towardsdatascience.com)

Esistono diversi tipi di classificazione delle immagini. Per esempio, quando si lavora con immagini mediche, si può usare la classificazione binaria per dividere le immagini in due gruppi, come sano o malato. Un altro tipo è la classificazione multiclasse, che può aiutare a suddividere le immagini in molti gruppi, per esempio classificando diversi animali di una fattoria come maiali, capre e mucche. Oppure, se vuoi classificare gli animali in gruppi e sottogruppi, per esempio distinguendoli tra mammiferi e uccelli e poi suddividendoli in specie come leoni, tigri, aquile e passeri, la classificazione gerarchica è l'opzione migliore.

Rilevamento degli oggetti#

Il rilevamento degli oggetti è il processo di identificazione e localizzazione degli oggetti nelle immagini e nei fotogrammi video tramite la visione artificiale. Comprende due attività: la localizzazione degli oggetti, che disegna riquadri di delimitazione intorno agli oggetti, e la classificazione degli oggetti, che identifica la categoria di ciascun oggetto. Sulla base delle annotazioni dei riquadri di delimitazione, un modello di visione può imparare a riconoscere schemi e caratteristiche specifici di ogni categoria di oggetti e prevedere la presenza e la posizione di questi oggetti in nuove immagini mai viste prima.

Fig. 3. Rilevamento di oggetti con YOLOv8 per individuare i giocatori su un campo da calcio.

Il rilevamento degli oggetti trova numerose applicazioni in diversi settori, dallo sport alla biologia marina. Ad esempio, nel commercio al dettaglio, la tecnologia Just Walk Out di Amazon utilizza il rilevamento degli oggetti per automatizzare il pagamento, identificando gli articoli prelevati dai clienti. La combinazione di visione artificiale e dati dei sensori consente ai clienti di prendere gli articoli e uscire senza fare la fila.

Ecco come funziona nel dettaglio:

• Le telecamere montate sul soffitto riprendono i clienti mentre si muovono nel negozio e i modelli di visione elaborano questi video in tempo reale.
• Il rilevamento degli oggetti individua il prodotto esatto che il cliente prende e mette nel cestino, aggiornando di conseguenza il carrello virtuale.
• I sensori di peso sugli scaffali migliorano la precisione rilevando quando un articolo viene rimosso o rimesso al suo posto.
• Quando il cliente esce dal negozio, è possibile utilizzare il rilevamento degli oggetti e la tecnologia di riconoscimento facciale per confermare l’uscita; i suoi dati di pagamento, ad esempio quelli della carta di credito, possono quindi essere utilizzati per addebitargli automaticamente l’importo.

Segmentazione semantica e delle istanze#

La segmentazione semantica e la segmentazione delle istanze sono attività di visione artificiale che aiutano a suddividere le immagini in segmenti significativi. La segmentazione semantica classifica i pixel in base al loro significato semantico e considera tutti gli oggetti appartenenti a una categoria come un'unica entità con la stessa etichetta. È adatta a etichettare oggetti non numerabili come "il cielo" o "l'oceano", oppure insiemi come "le foglie" o "l'erba".

La segmentazione delle istanze, invece, distingue le diverse istanze della stessa classe assegnando un’etichetta univoca a ogni oggetto rilevato. Puoi usare la segmentazione delle istanze per segmentare oggetti numerabili, quando il numero e l’individualità degli oggetti sono importanti. Consente un’identificazione e una distinzione più precise.

Fig. 4. Un esempio di segmentazione semantica e delle istanze.

Possiamo comprendere meglio la differenza tra segmentazione semantica e segmentazione delle istanze con un esempio relativo alle auto a guida autonoma. La segmentazione semantica è ideale per le attività che richiedono di comprendere il contenuto di una scena e può essere usata nei veicoli autonomi per classificare gli elementi della strada, come gli attraversamenti pedonali e i segnali stradali. La segmentazione delle istanze, invece, può essere utilizzata nei veicoli autonomi per distinguere i singoli pedoni, veicoli e ostacoli.

Stima della posa#

La stima della posa è un'attività di visione artificiale incentrata sul rilevamento e il tracciamento dei keypoint della posa di un oggetto in immagini o video. Viene utilizzata soprattutto per stimare la posa umana, con keypoint che includono aree come spalle e ginocchia. Stimare la posa di una persona ci aiuta a comprendere e riconoscere azioni e movimenti fondamentali per diverse applicazioni.

Fig. 5. Un esempio di stima della posa con YOLOv8.

La stima della posa può essere utilizzata nello sport per analizzare i movimenti degli atleti. La NBA la usa per studiare i movimenti e le posizioni dei giocatori durante le partite. Tracciando keypoint come spalle, gomiti, ginocchia e caviglie, la stima della posa fornisce informazioni dettagliate sui movimenti dei giocatori. Queste informazioni aiutano gli allenatori a sviluppare strategie migliori, ottimizzare i programmi di allenamento e apportare modifiche in tempo reale durante le partite. Inoltre, i dati possono aiutare a monitorare la stanchezza dei giocatori e il rischio di infortuni, migliorando la loro salute e le loro prestazioni complessive.

Rilevamento degli oggetti con riquadri di delimitazione orientati#

Il rilevamento degli oggetti con riquadri di delimitazione orientati (OBB) usa rettangoli ruotati per identificare e localizzare con precisione gli oggetti in un’immagine. A differenza dei riquadri di delimitazione standard, allineati agli assi dell’immagine, gli OBB ruotano per adattarsi all’orientamento dell’oggetto. Questo li rende particolarmente utili per gli oggetti non perfettamente orizzontali o verticali. Sono ideali per individuare e isolare con precisione gli oggetti ruotati, evitando sovrapposizioni negli ambienti affollati.

Fig. 6. Esempio di rilevamento di bounding box orientate su un'immagine aerea di barche con YOLOv8.

Nella sorveglianza marittima, identificare e tracciare le navi è fondamentale per la sicurezza e la gestione delle risorse. Il rilevamento OBB può essere utilizzato per localizzare con precisione le navi, anche quando sono molto ravvicinate o orientate secondo angolazioni diverse. Aiuta a monitorare le rotte marittime, gestire il traffico navale e ottimizzare le operazioni portuali. Può anche contribuire agli interventi di emergenza, identificando e valutando rapidamente i danni a navi e infrastrutture dopo eventi come uragani o fuoriuscite di petrolio.

Tracciamento degli oggetti#

Finora abbiamo parlato di attività di visione artificiale che operano sulle immagini. Il tracciamento degli oggetti è un’attività di visione artificiale che permette di seguire un oggetto attraverso i fotogrammi di un video. Inizia identificando l’oggetto nel primo fotogramma con algoritmi di rilevamento, quindi ne segue continuamente la posizione mentre si sposta nel video. Il tracciamento degli oggetti combina tecniche come il rilevamento degli oggetti, l’estrazione delle caratteristiche e la previsione del movimento per mantenere accurato il tracciamento.

Fig. 7. Tracciamento dei pesci con YOLOv8.

I modelli di visione come YOLOv8 possono essere usati per tracciare i pesci nella biologia marina. Grazie alle telecamere subacquee, i ricercatori possono monitorare i movimenti e i comportamenti dei pesci nei loro habitat naturali. Il processo inizia rilevando i singoli pesci nei primi fotogrammi e poi ne segue le posizioni per tutto il video. Tracciare i pesci aiuta gli scienziati a comprendere i modelli migratori, i comportamenti sociali e le interazioni con l’ambiente. Inoltre, favorisce pratiche di pesca sostenibili, fornendo informazioni sulla distribuzione e l’abbondanza dei pesci.

Uno sguardo finale alla visione artificiale#

La visione artificiale sta cambiando attivamente il modo in cui usiamo la tecnologia e interagiamo con il mondo. Usando modelli di deep learning e algoritmi complessi per comprendere immagini e video, la visione artificiale aiuta i settori a semplificare molti processi. Attività di visione artificiale come il rilevamento e il tracciamento degli oggetti rendono possibili soluzioni prima irrealizzabili. Con il continuo miglioramento della tecnologia di visione artificiale, il futuro riserva molte altre applicazioni innovative!

Impariamo e cresciamo insieme! Esplora il nostro repository GitHub per scoprire i nostri contributi all’IA. Scopri come stiamo ridefinendo settori come le auto a guida autonoma e l’agricoltura grazie all’IA.