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 sembrino simili, differenze fondamentali le rendono adatte a diverse applicazioni. L'elaborazione delle immagini si concentra sulla manipolazione e sul miglioramento di immagini e fotogrammi video, mentre la computer vision fa un passo avanti, usando le immagini elaborate per aiutare i computer a interpretarne e comprenderne il contenuto. La visione artificiale, invece, applica le tecniche di computer vision specificamente agli ambienti industriali, ad esempio per attività di ispezione e controllo qualità.

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

Questi tre ambiti rendono possibili diverse applicazioni in molti settori, tra cui sanità, produzione e agricoltura. In questo articolo esploreremo l'elaborazione delle immagini, la computer vision e la visione artificiale, illustrandone le differenze. Vedremo anche come funzionano e come vengono usate nei diversi settori.

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 essenziali anche per l'elaborazione dei dati e la creazione di dataset visivi con immagini nitide e di alta qualità, e aiutano i sistemi di computer vision e visione artificiale ad analizzarle con precisione. Librerie come OpenCV e MATLAB offrono framework robusti che rendono queste tecniche accessibili a sviluppatori e ricercatori in numerosi ambiti.

Ecco alcune tecniche di elaborazione delle immagini diffuse:

• Filtraggio: il filtraggio viene applicato per ridurre il rumore in un'immagine, attenuando variazioni e distorsioni. Tra i filtri più comuni ci sono quelli gaussiani, usati per sfocare, e quelli mediani, che rimuovono il rumore sale e pepe, visibile come pixel bianchi e neri casuali.
• Rilevamento dei bordi: serve a individuare i contorni degli oggetti in un'immagine rilevando brusche variazioni dell'intensità dei pixel. In applicazioni come la diagnostica per immagini, il rilevamento dei bordi viene usato per delineare la struttura di organi e tumori.
• Soglia: nell'elaborazione delle immagini, la sogliatura consiste nel convertire un'immagine in scala di grigi in un'immagine binaria impostando un valore 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 modifica e sul miglioramento delle immagini, 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 nelle immagini o nei fotogrammi video. Cerca di riprodurre il modo in cui interpretiamo ciò che vediamo intorno a noi.

La computer vision può essere usata per automatizzare attività come la sorveglianza. Ha inoltre numerose applicazioni pratiche, come il riconoscimento facciale, la diagnostica per immagini 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 su larga scala. Diversi settori usano poi questi modelli addestrati, come Ultralytics YOLOv8, per attività come il rilevamento degli oggetti e il tracciamento degli oggetti.

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

Ad esempio, le auto a guida autonoma, come quelle di Tesla, usano la computer vision per orientarsi nel mondo reale. Le riprese raccolte 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 le situazioni del 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 le caratteristiche principali e confrontandole con un database di dati facciali archiviati.

Che cos'è la visione artificiale?#

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

Vediamo come funziona. Per prima cosa, si raccolgono i dati usando una o più telecamere ad alta risoluzione. Queste telecamere possono anche includere funzionalità specializzate, come l'imaging a infrarossi o termico. Poi, i dati raccolti vengono analizzati con tecniche di computer vision per estrarre le informazioni necessarie. A seconda dell'applicazione specifica, le informazioni estratte includono in genere dettagli quali identificazione degli oggetti, forme, dimensioni, movimenti, schemi e anomalie presenti nella scena.

Analizziamo un'applicazione della visione artificiale#

Il controllo qualità sulle linee di produzione garantisce che solo prodotti di alta qualità arrivino ai clienti, favorendo una maggiore soddisfazione e un aumento dei profitti. I metodi tradizionali spesso si basano su ispezioni manuali, che possono richiedere molto tempo ed essere soggette a errori umani. Un controllo qualità carente può inoltre causare ritardi nella produzione e perdite finanziarie, danneggiando la reputazione di un'azienda. Una soluzione efficace è automatizzare attività come l'ispezione delle superfici, la verifica delle etichette e il posizionamento degli oggetti con l'aiuto della visione artificiale.

Ad esempio, nell'industria farmaceutica, la qualità dei prodotti è fondamentale e vengono applicate normative rigorose per mantenere standard elevati. La visione artificiale può assicurarsi che i blister contengano il numero corretto di pillole, verificando che ogni confezione abbia esattamente la quantità prevista, ad esempio dieci pillole in una confezione da 10. Un modello di computer vision come YOLOv8, addestrato su un dataset come Medical Pills, può essere usato per 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 tenere presente alcuni limiti della visione artificiale. I sistemi di visione artificiale hanno spesso bisogno di condizioni di illuminazione eccellenti per illuminare i prodotti negli ambienti industriali. Servono inoltre telecamere, processori e acceleratori hardware di alta qualità per acquisire i dati e velocizzare l'analisi. Il fatto che questi sistemi siano progettati specificamente per attività pratiche in ambito industriale comporta costi di configurazione elevati.

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 più adatta ad attività come la regolazione della luminosità o la riduzione del rumore, che richiedono meno potenza di calcolo e non necessitano della capacità di comprendere 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 è invece pensata per gli usi industriali, come l'ispezione automatizzata, e spesso si avvale di sistemi specializzati e costosi.

Guardare il quadro d'insieme#

Sebbene l'elaborazione delle immagini, la computer vision e la visione artificiale siano strettamente correlate, hanno ciascuna obiettivi distinti. L'elaborazione delle immagini migliora e manipola le immagini a livello di pixel, risultando molto utile per attività come il ripristino 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.

Comprendendo queste tecnologie e le loro differenze, puoi scegliere quella più adatta alle tue applicazioni, ottenendo maggiore efficienza e 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 grazie alla tecnologia IA.