Alla scoperta dell'elaborazione delle immagini, della visione artificiale e della visione industriale

L'IA può essere usata per analizzare ogni tipo di dato e, quando si tratta di dati visivi come immagini e video, si entra nell'ambito dell'analisi delle immagini, che comprende diverse tecnologie. L'elaborazione delle immagini, la computer vision e la visione artificiale consentono ai computer di vedere e comprendere il mondo analizzando immagini e fotogrammi video. Sebbene queste tre tecnologie possano sembrare simili, presentano differenze importanti che le rendono utili per una vasta gamma di applicazioni. L'elaborazione delle immagini si concentra sulla modifica e il miglioramento di immagini e fotogrammi video, mentre la computer vision fa un passo in più e usa queste immagini elaborate per aiutare i computer a interpretarne e comprenderne il contenuto. La visione artificiale, invece, applica tecniche di computer vision specificamente agli ambienti industriali, ad esempio per le attività di ispezione e controllo qualità.

Fig. 1. Le tecnologie principali utilizzate per analizzare i dati visivi.

Questi tre ambiti rendono possibili diverse applicazioni in numerosi settori, come la sanità, la produzione e l'agricoltura. In questo articolo approfondiremo l'elaborazione delle immagini, la computer vision e la visione artificiale, illustrandone le differenze. Vedremo anche come funzionano e come vengono utilizzate nei vari settori. Iniziamo.

Che cos'è l'elaborazione delle immagini?#

Partiamo dalla tecnica fondamentale alla base sia della computer vision sia della visione artificiale: l'elaborazione delle immagini. Consiste nell'utilizzare algoritmi per modificare e migliorare le immagini digitali, regolando parametri come luminosità, contrasto e bilanciamento del colore, oppure eliminando il rumore, per prepararle ad analisi e interpretazioni più avanzate.

Vediamo come funziona. L'elaborazione delle immagini scompone le immagini nei singoli pixel e li modifica per ottenere gli effetti desiderati. Per esempio, per aumentare la luminosità di un'immagine, l'algoritmo può incrementare l'intensità di ciascun pixel. Allo stesso modo, per rilevare i bordi, può cercare variazioni improvvise nei valori dei pixel. Applicando operazioni matematiche e algoritmi a questi pixel, l'elaborazione delle immagini può migliorare la qualità dell'immagine, estrarre informazioni o creare nuove immagini.

Le tecniche di elaborazione delle immagini sono fondamentali anche per elaborare i dati e creare dataset visivi con immagini nitide e di alta qualità; inoltre, aiutano i sistemi di computer vision e di visione artificiale ad analizzarle con precisione. Librerie come OpenCV e MATLAB offrono framework solidi che rendono accessibili queste tecniche di elaborazione delle immagini a sviluppatori e ricercatori di numerosi settori.

Ecco alcune tecniche di elaborazione delle immagini diffuse:

• Filtraggio: il filtraggio riduce il rumore in un'immagine attenuando variazioni e distorsioni. Tra i filtri più comuni figurano i filtri gaussiani per la sfocatura e i filtri mediani per rimuovere il rumore sale e pepe, visibile come pixel bianchi e neri casuali.
• Rilevamento dei bordi: questa tecnica individua i contorni degli oggetti in un'immagine rilevando brusche variazioni dell'intensità dei pixel. Applicazioni come l'imaging medico usano il rilevamento dei bordi per delineare la struttura degli organi e dei tumori.
• Soglia: nell'elaborazione delle immagini, la sogliatura consiste nel convertire un'immagine in scala di grigi in un'immagine binaria impostando un valore di soglia. I pixel al di sopra della soglia diventano bianchi (1), mentre quelli al di sotto diventano neri (0).

Fig. 2. Immagine in scala di grigi prima e dopo la sogliatura.

Esploriamo un'applicazione dell'elaborazione delle immagini#

Il restauro delle immagini è un ottimo esempio di applicazione dell'elaborazione delle immagini. Consiste nel recuperare un'immagine che si è deteriorata nel tempo. Si usano tecniche come il filtraggio e la riduzione del rumore per rimuovere segni, graffi, macchie e tracce di usura e ripristinare la qualità originale dell'immagine. Il restauro delle immagini è particolarmente utile quando le immagini sono di bassa qualità o danneggiate, come nel caso delle vecchie fotografie.

Fig. 3 L'elaborazione delle immagini può essere usata per restaurare vecchie immagini danneggiate.

Che cos’è la visione artificiale?#

A differenza dell'elaborazione delle immagini, che si concentra sulla loro modifica e sul loro miglioramento, la computer vision consente ai computer di vedere e comprendere il mondo reale. Molte applicazioni usano la computer vision per identificare e comprendere oggetti e persone in immagini o fotogrammi video. Questa tecnologia riproduce la visione umana e cerca di emulare il modo in cui interpretiamo ciò che ci circonda.

La computer vision può automatizzare attività come la videosorveglianza. Ha inoltre numerose applicazioni pratiche, tra cui il riconoscimento facciale, l'imaging medico e i veicoli autonomi. I modelli di computer vision vengono addestrati con tecniche di deep learning per estrarre e identificare caratteristiche e schemi complessi da dataset di immagini di grandi dimensioni. Diversi settori utilizzano poi questi modelli addestrati, come Ultralytics YOLOv8, per attività quali il rilevamento degli oggetti e il tracciamento degli oggetti.

Fig. 4. Esempio di utilizzo di Ultralytics YOLOv8 per il rilevamento degli oggetti.

Per esempio, le auto a guida autonoma, come quelle di Tesla, usano la computer vision per orientarsi nel mondo reale. Le riprese acquisite dalle telecamere di bordo dell'auto vengono elaborate tramite computer vision. Attività di computer vision come il rilevamento e il tracciamento degli oggetti e la segmentazione sono fondamentali per comprendere il traffico e l'ambiente circostante. Un'altra applicazione interessante è il riconoscimento facciale. La computer vision può analizzare e riconoscere i tratti del viso nelle immagini acquisendo il volto di una persona da un'immagine o da un video, identificando i tratti principali e confrontandoli con un database di dati facciali archiviati.

Che cos'è la visione artificiale?#

La visione artificiale viene utilizzata in ambienti industriali, come grandi fabbriche o impianti di produzione, per applicazioni quali garantire la qualità dei prodotti e verificare l'esattezza delle etichette e dei codici a barre sui prodotti finiti. La visione artificiale è un ramo specializzato della computer vision che si affida a hardware resistente per funzionare efficacemente in condizioni difficili. Poiché questi sistemi sono integrati nelle applicazioni industriali, l'alta velocità e la precisione in tempo reale sono essenziali.

Vediamo come funziona. Per prima cosa, i dati vengono raccolti usando una o più telecamere ad alta risoluzione. Queste telecamere possono includere anche funzionalità specializzate, come l'infrarosso o la termografia. Successivamente, i dati raccolti vengono analizzati con tecniche di computer vision per estrarre le informazioni necessarie. In genere, le informazioni estratte riguardano l'identificazione degli oggetti, le forme, le dimensioni, i movimenti, gli schemi e le eventuali anomalie presenti nella scena, a seconda dell'applicazione specifica.

Analizziamo un'applicazione della visione artificiale#

Il controllo qualità nelle linee di produzione manifatturiera garantisce che ai clienti arrivino solo prodotti di alta qualità, aumentando la soddisfazione dei clienti e i profitti. I metodi tradizionali si basano spesso su ispezioni manuali, che possono richiedere molto tempo ed essere soggette a errori umani. Un controllo qualità scadente può inoltre causare ritardi di produzione e perdite finanziarie, danneggiando la reputazione dell'azienda. Una soluzione efficace consiste nell'automatizzare attività come l'ispezione delle superfici, la verifica delle etichette e il posizionamento degli oggetti con la visione artificiale.

Per esempio, nell'industria farmaceutica, la qualità dei prodotti è fondamentale e vengono applicate normative rigorose per mantenere standard elevati. La visione artificiale può verificare che i blister contengano il numero corretto di pillole, controllando che ogni confezione abbia esattamente la quantità prevista, ad esempio dieci pillole in una confezione da 10. Un modello di computer vision come YOLOv8 può identificare e contare le pillole tramite il rilevamento degli oggetti.

Fig. 5. La visione artificiale può essere usata per il controllo qualità nell'industria farmaceutica.

Tuttavia, è importante conoscere alcuni limiti da considerare quando si lavora con la visione artificiale. I sistemi di visione artificiale hanno spesso bisogno di condizioni di illuminazione ottimali per illuminare i prodotti negli ambienti industriali. Per acquisire i dati e accelerare il processo di analisi servono anche telecamere di alta qualità, processori e acceleratori hardware. Poiché sono progettati specificamente per attività pratiche in ambienti industriali, questi sistemi possono essere costosi da installare.

Differenze principali tra elaborazione delle immagini, computer vision e visione artificiale#

Ora che abbiamo analizzato separatamente tutte e tre le tecnologie e visto alcune delle loro applicazioni, confrontiamole più da vicino.

Fig. 6 Confronto diretto tra elaborazione delle immagini, computer vision e visione artificiale.

L'elaborazione delle immagini è ideale per attività come la regolazione della luminosità o il filtraggio del rumore, che richiedono meno potenza di calcolo e non implicano la comprensione di informazioni visive complesse. La computer vision, invece, eccelle nell'estrarre insight significativi dalle immagini e nel gestire scene complesse, ma richiede maggiori risorse di calcolo e una maggiore complessità. La visione artificiale, infine, è pensata per gli usi industriali, come l'ispezione automatizzata, e spesso si affida a sistemi specializzati e costosi.

Guardare il quadro d'insieme#

Sebbene l'elaborazione delle immagini, la computer vision e la visione artificiale siano strettamente correlate, ciascuna ha uno scopo distinto. L'elaborazione delle immagini le migliora e le modifica a livello di pixel, risultando molto utile per attività come la ricostruzione delle immagini.

La computer vision, invece, fa un passo in più e consente ai computer di comprendere e interpretare i dati visivi. È fondamentale per casi d'uso come il riconoscimento facciale e le auto a guida autonoma. La visione artificiale viene invece utilizzata specificamente nelle applicazioni industriali. Automatizza processi industriali come le ispezioni e il controllo qualità.

Conoscendo queste tecnologie e le loro differenze, puoi scegliere quella più adatta alle tue applicazioni, migliorando l'efficienza e ottenendo risultati migliori.

Impariamo ed esploriamo insieme! Visita il nostro repository GitHub per scoprire i nostri contributi all'IA e non dimenticare di partecipare alla nostra community. Scopri come stiamo ridefinendo settori come la produzione e la sanità con tecnologie di IA all'avanguardia.