画像処理、コンピュータビジョン、マシンビジョンの探求

AIはあらゆる種類のデータを分析するために使用できます。画像やビデオなどの視覚データに関しては、これは画像分析の領域に該当し、さまざまなテクノロジーが関与しています。画像処理、computer vision、およびmachine visionにより、コンピューターは画像やビデオフレームを分析することで、世界を見て理解することが可能になります。これら3つのテクノロジーは似ているように見えますが、さまざまなアプリケーションで役立つ重要な違いがあります。画像処理は画像やビデオフレームの操作と強調に焦点を当てているのに対し、computer visionはこれらのprocessed imagesを使用してコンピューターがそのコンテンツを解釈および理解するのを助けることで、さらに一歩進んでいます。一方、machine visionは、computer vision techniquesを製造現場などの産業環境に特化して適用し、inspections and quality controlなどのタスクを行います。

Fig 1. 視覚データの分析に使用される主要なテクノロジー。

これら3つの分野により、healthcare、manufacturing、agricultureなど、多くの業界でさまざまなアプリケーションが可能になります。この記事では、画像処理、computer vision、およびmachine visionについて探求し、それらの違いについて説明します。また、それらがどのように機能し、さまざまな業界でどのように使用されているかについても解説します。それでは始めましょう。

画像処理とは何か？#

コンピュータビジョンとマシンビジョンの両方の根底にある基礎技術である、画像処理から始めましょう。これにはアルゴリズムを使用してデジタル画像を操作および強化し、明るさ、コントラスト、カラーバランスなどのパラメータを調整したり、ノイズを除去したりして、より高度な分析や解釈に備えることが含まれます。

どのように機能するのかを見てみましょう。画像処理は、画像を個々のピクセルに分解し、それらのピクセルを操作して所望の効果を得ることで行われます。例えば、画像を明るくするために、アルゴリズムは各ピクセルの輝度を上げる場合があります。同様に、エッジを検出するために、ピクセル値の急激な変化を探すこともあります。これらのピクセルに数学的操作やアルゴリズムを適用することで、画像処理は画質の向上、情報の抽出、または新しい画像の作成に使用されます。

画像処理技術は、データ処理や、明確で高品質な画像を持つ視覚データセットの作成にも不可欠であり、computer visionやマシンビジョンシステムがそれらを正確に分析するのに役立ちます。OpenCVやMATLABなどのライブラリは、さまざまな分野の desenvolvedor や研究者がこれらの画像処理技術を利用しやすくする堅牢なフレームワークを提供します。

以下は、一般的な画像処理手法の一部です。

• フィルタリング: フィルタリングは、バリエーションや歪みを平滑化することで、画像内のノイズレベルを低減するために適用されます。一般的なフィルターには、blurring用のガシアンフィルターや、ランダムな白と黒のピクセルとして現れるソルト＆ペッパーノイズを除去するためのメディアンフィルターなどがあります。
• エッジ検出: ピクセル強度の急激な変化を検出することにより、画像内のオブジェクトの境界を特定するために使用されます。medical imagingなどのアプリケーションでは、エッジ検出を使用して臓器や腫瘍の構造を輪郭描画します。
• 二値化： 画像処理における二値化（Thresholding）とは、しきい値を設定してグレースケール画像をバイナリ画像に変換することを指します。しきい値を超えるピクセルは白（1）に変わり、それを下回るものは黒（0）に変わります。

図2。二値化前後のグレースケール画像。

画像処理のアプリケーションを探求する#

Image restorationは、画像処理のアプリケーションの素晴らしい例です。これには、時間の経過とともに劣化した画像を復元することが含まれます。フィルタリングやノイズ低減などの技術を使用して、マーク、傷、汚れ、摩耗、破損を取り除き、劣化した画像を元の品質に戻します。画像処理の復元は、古い写真のように画像が低品質または破損している状況で特に役立ちます。

Fig 3. 画像処理を使用して、古い破損した画像を復元できます。

コンピュータビジョンとは何か？#

画像の変更と強化に重点を置く画像処理とは異なり、コンピュータビジョンはコンピュータに現実世界を見て理解する能力を与えます。多くのアプリケーションがコンピュータビジョンを使用して、画像やビデオフレーム内のオブジェクトや人物を識別・理解しています。これは人間の視覚を模倣し、周囲に見えるものをどのように理解しているかを再現しようとするものです。

Computer visionは、surveillanceなどのタスクを自動化するために使用できます。また、facial recognition、medical imaging、autonomous vehiclesなど、幅広い実用的なアプリケーションがあります。Computer visionモデルは、ディープラーニング手法を使用してトレーニングされ、大規模なimage datasetsから複雑な特徴やパターンを抽出および識別します。その後、さまざまな業界が、object detectionやobject trackingなどのさまざまなタスクのために、Ultralytics YOLOv8などのこれらのトレーニング済みモデルを使用します。

Fig 4. object detectionにUltralytics YOLOv8を使用する例。

たとえば、Teslaなどのself-driving carsは、computer visionを使用して現実世界をナビゲートします。車の車載カメラによってキャプチャされた映像は、computer visionを使用して処理されます。object detection, trackingやsegmentationなどのcomputer visionタスクは、understanding trafficの状況や周囲の環境を理解する上で不可欠です。もう1つの興味深いアプリケーションは顔認識です。Computer visionを使用すると、人物の顔をimageまたはvideoからキャプチャし、主要な特徴を特定して、保存された顔データのデータベースと比較することで、画像内の顔の特徴を分析および認識できます。

マシンビジョンとは何か？#

Machine vision is used in industrial settings。大型の製造工場や生産施設などの産業環境で、製品の品質確保や、完成品のラベルやバーコードの正確性チェックなどのアプリケーションに使用されます。Machine visionは、過酷な条件でも効果的に機能するために耐久性のあるハードウェアに依存する、computer visionの特殊なブランチです。これらのシステムは産業用アプリケーションと統合されているため、高速性とリアルタイムの精度が不可欠です。

仕組みを見てみましょう。まず、1台以上の高解像度カメラを使用してデータが収集されます。これらのカメラには、赤外線やthermal imagingなどの特殊な機能が含まれている場合もあります。次に、collected dataは、computer vision技術を使用して分析され、必要な情報が抽出されます。抽出される情報は通常、特定のアプリケーションに応じて、オブジェクトの識別、形状、サイズ、動き、パターン、およびシーンに存在する異常などの詳細が含まれます。

マシンビジョンのアプリケーションを理解する#

manufacturing productionラインでの品質管理により、高品質の製品のみが顧客に確実に届くようになり、顧客満足度の向上と利益の増加につながります。従来の方法では手動検査に頼ることが多く、非常に時間がかかり、人為的ミスの原因になりやすくなります。品質管理が不十分だと、生産の遅延や経済的損失につながり、企業の評判に影響を与える可能性があります。優れた解決策は、マシンビジョンの助けを借りて、表面検査、ラベル検証、オブジェクト位置決めなどのタスクを自動化することです。

たとえば、pharmaceutical industryでは製品の品質が極めて重要であり、高い基準を維持するために厳格な規制が施行されています。マシンビジョンを使用すると、PTPシートに正しい数のピルが含まれていることを確認し、10個入りパックに10個のピルが入っているなど、各パックに正確な数量が入っていることを検証できます。YOLOv8などのcomputer visionモデルを使用して、count the pills using object detectionを特定してカウントできます。

Fig 5. マシンビジョンは、製薬業界の品質管理に使用できます。

ただし、マシンビジョンを扱う際には考慮すべきいくつかの制限があることに注意することが重要です。Machine visionシステムでは、産業環境で製品をilluminateするために優れた照明条件が必要になることがよくあります。また、データをキャプチャして分析プロセスを高速化するには、高品質のカメラ、processors, and hardware acceleratorsも必要です。これらのシステムが産業環境内の実用的なタスク専用に設計されていることの直接の結果として、セットアップに費用がかかる場合があります。

画像処理、コンピュータビジョン、マシンビジョンの主な違い#

これら3つのテクノロジーを個別に議論し、いくつかのアプリケーションを見てきましたので、それらを並べて詳しく見ていきましょう。

Fig 6. 画像処理、computer vision、およびマシンビジョンの並べての比較。

画像処理は、必要な計算能力が少なく、複雑な視覚情報を理解する能力を必要としない、明るさの調整やノイズフィルタリングなどのタスクに最適です。一方、computer visionは、画像から有意義な洞察を抽出し、複雑なシーンを処理することに優れていますが、より多くの計算リソースと複雑さが必要です。一方、machine visionは、自動検査などの産業用用途向けに調整されており、多くの場合、専門的で高価なシステムによってサポートされています。

全体像を見る#

画像処理、コンピュータビジョン、マシンビジョンは密接に関連していますが、それぞれが明確な目的を果たしています。画像処理はピクセルレベルで画像を強化および操作するため、画像再構成のようなタスクに非常に役立ちます。

一方、コンピュータビジョンは、コンピュータに視覚データを理解して意味を見出す能力を与えることで、さらに一歩進んでいます。顔認識や自動運転車のようなユースケースには不可欠です。さらに、マシンビジョンは特に産業用アプリケーションに使用されます。これは検査や品質管理といった産業プロセスを自動化するものです。

これらのテクノロジーとその違いを理解することで、アプリケーションに最も適したものを選び、効率の向上とより良い結果につなげることができます。

一緒に学び、探求しましょう！AIへの貢献を確認するには、GitHub repositoryをチェックしてください。また、communityへの参加も忘れないでください。最先端のAIテクノロジーでmanufacturingやhealthcareなどの業界をどのように再定義しているかをご確認ください。