Negli ultimi decenni, i computer e le macchine hanno progressivamente migliorato le loro capacità di elaborare e analizzare diverse forme di dati. Inizialmente i dati che rappresentavano il mondo fisico dovevano essere inseriti manualmente in macchinari industriali e le persone prendevano decisioni senza avere un contesto completo dell’ambiente.
La recente proliferazione dell'Internet of Things (IoT) accompagnata dall'intelligenza artificiale (AI) e dall'ubiquitous computing (computazione ubiqua), sta alimentando i rapidi progressi della computer vision (CV) e le relative opportunità di applicazioni innovative.
Cos’è la Computer Vision?
La computer vision (o visione artificiale) permette alle macchine e alle persone di vedere, percepire, interpretare e interagire con il mondo fisico attraverso l'elaborazione di dati visivi in approfondimenti digitali. La CV richiede tipicamente sensori o sistemi basati sulla visione, come le telecamere, per catturare questi pixel del mondo fisico, ma può anche sfruttare altri tipi di immagini. Per esempio, si possono utilizzare scansioni MRI, radar di imaging, progetti di edifici, file CAD o immagini satellitari.
In genere, questi dati visivi, o di immagine, vengono utilizzati per formare modelli di apprendimento profondo attraverso reti neurali e creare un modello di IA inferenziale da eseguire nel mondo reale.
John Schavemaker, Responsabile del settore Computer Vision in PTC, spiega ulteriormente come "l’IA per la CV" può funzionare in due modalità: "riconoscere il noto" o "strutturare l'ignoto" sulla base di caratteristiche visive. La prima modalità è "supervisionata" con esempi (umani), e la seconda modalità è "non supervisionata" ed è la macchina stessa a "raggruppare" i dati in modelli simili.
Queste tecniche guidate dall'intelligenza artificiale sono particolarmente potenti per elaborare gli immensi e complessi dati visivi non strutturati del mondo e stanno stimolando la prossima generazione di applicazioni di computer vision, dalla guida autonoma alla scoperta / monitoraggio delle malattie.
In questo articolo di blog, ci immergeremo in alcuni esempi d’applicazioni della computer vision e analizzeremo il loro impatto su uomini, macchine e spazi.
Applicazione n°1 : Proteggere e potenziare gli esseri umani
Gli ostacoli che la computer vision incontra nell’identificare gli elementi visivi umani possono essere scoraggianti per molti da accettare, poiché 'vedere è credere', giusto? Beh, questa frase è in realtà imprecisa - la nostra percezione visiva segue il principio di Gestalt, che spesso dipinge un'immagine del mondo con dati incompleti, una sintesi della realtà. La computer vision può effettivamente aiutare gli esseri umani a superare questa visione limitata e fornire previsioni su ciò che potrebbe accadere dopo, salvando potenzialmente delle vite.
Per esempio, ci sono circa 100.000 incidenti automobilistici causati da guida in stato di sonnolenza, con oltre 1.500 morti. I sistemi di visione computerizzata incorporati nelle telecamere del cruscotto sono sempre più in grado di rilevare uno stato di sonnolenza attraverso l'analisi degli intervalli dei battiti degli occhi, la posizione della testa, lo sbadiglio e altri comportamenti umani. Il rilevamento di questi comportamenti può far scattare un allarme sonoro per svegliare il conducente.
Un’altra applicazione di computer vision per veicoli è l’ADAS (sistemi avanzati di assistenza alla guida). Gli ADAS utilizzano un mix di sensori che includono telecamere rivolte verso l'esterno e la tecnologia LiDAR per rilevare gli eventi dell'ambiente di guida ed emettere azioni immediate come l'avviso audio o visivo di una collisione imminente e la frenata di emergenza in frazioni di secondo, molto più veloce del tempo di reazione potenziale del conducente. Si stima che l'ADAS possa potenzialmente prevenire oltre 20.000 morti all'anno.
Questi esempi di CV illustrano come l’IA e i sensori possono lavorare insieme per percepire gli eventi - molto più acutamente di quanto sia possibile per gli esseri umani, e in definitiva creare un mondo più sicuro.
Applicazione n°2: La visione artificiale aumenta la produttività e la precisione
Come visto in precedenza, la computer vision può essere incorporata nelle nostre macchine (come i veicoli) per rilevare il comportamento umano, ma può anche essere sovrapposta direttamente alla nostra vista tramite la realtà aumentata.
Mentre non si ha necessariamente bisogno dell'IA per creare un'applicazione CV che apporti valore al vostro business, il suo coinvolgimento non farà che aumentare la portata delle capacità.
Prendete l’esempio qui di seguito di applicazione della computer vision che ci mostra come il team Vuforia Innovation Runway di PTC è in grado di riconoscere dei pezzi di ricambio in tempo reale usando la computer vision e l'IA identificando i pezzi esatti (fusibile, cerchione dell'auto, viti, staffe ecc.) e le loro caratteristiche specifiche, quanti pezzi ci sono in magazzino e potenzialmente altre informazioni.
Eva Agapaki, Senior Software Development Engineer e responsabile del progetto Innovation Runaway, spiega ulteriormente: "Abbiamo addestrato questo modello di computer vision basandoci interamente su dati CAD, il che ha ridotto drasticamente la quantità di tempo di sviluppo del modello d’IA che in genere richiederebbe un grande numero di dati di immagini dei pezzi di ricambio nel mondo reale. Le aziende industriali hanno una marea di dati CAD a loro disposizione e possono utilizzare questo processo per preparare modelli d’IA e computer vision che possano riconoscere automaticamente una serie di prodotti, parti, oggetti e immagini”
Il mondo industriale è complesso, ed è normale per i lavoratori di prima linea di interfacciarsi con l'ignoto quotidianamente, creando sfide aziendali e ostacolando la produttività. In questo esempio, tradizionalmente un tecnico potrebbe dover ripescare i manuali di formazione o identificare le esatte procedure operative cartacee per individuare le informazioni giuste riguardanti un singolo pezzo di ricambio tra migliaia di altri pezzi di ricambio molto simili.
Con un algoritmo integrato nell'intelligenza artificiale che opera la visione artificiale sulla realtà aumentata, il tecnico può vedere istantaneamente tutte le informazioni di cui ha bisogno e ridurre i punti di errore nel processo.
La computer vision è qui per aumentare le nostre capacità visive, non per sostituirle. Con applicazioni intelligenti, può renderci più sicuri e più produttivi che mai.
Applicazione n°3 : Potenziare la macchina autonoma
Le macchine sono tradizionalmente inconsapevoli del loro ambiente fisico e dipendono da specifici input umani per istruire o programmare le loro azioni. Ma ora, grazie alla sensorizzazione, l'Industrial Internet of Things, l'IA e lo spatial computing, la consapevolezza situazionale delle macchine sta migliorando.
Le macchine abilitate di queste tecnologie convergenti possono usufruire della computer vision per capire e navigare nel mondo fisico.
Il veicolo autonomo (AV) è un grande esempio di una complessa applicazione di computer vision che sta rivoluzionando i paesaggi competitivi automobilistici e l'ecosistema dei trasporti. Un veicolo autonomo deve ingerire un grande volume di dati visivi dinamici (veicoli, pedoni) e statici (infrastrutture, alberi, cartelli) e prendere decisioni in frazioni di secondo.
Il reperimento di questi ampi volumi di dati del mondo reale per addestrare i modelli d’IA e gestire ogni scenario di guida richiede risorse significative che creano colli di bottiglia nei test AV. Schavemaker sottolinea che una soluzione per i veicoli autonomi, e per altri casi di carenza di dati di addestramento per l’IA, sarebbe quella di "addestrare i sistemi d’IA tramite dati sintetici: ambienti digitali simulati (come le strade) che imitano da vicino il mondo fisico”.
Non tutte le applicazioni di Computer Vision create per le macchine hanno bisogno di questa revisione computazionale completa e di movimenti sofisticati per creare valore. A livello aziendale, le macchine vengono utilizzate per l'ispezione e la verifica della qualità da un po' di tempo ormai (si parla allora di visione artificiale) e queste applicazioni sono sempre più migliorate tramite l'IA attraverso il deep learning. Ma, addestrando le macchine su come dovrebbe essere un prodotto o un oggetto in un dato punto del processo di produzione, si può rilevare e rimuovere rapidamente qualsiasi difetto riscontrato. Questo é un esempio d’applicazione di CV critica per le linee di produzione in rapido movimento con grandi volumi di articoli mutevoli dove il mantenimento dei tempi di attività e la resa del prodotto è un requisito competitivo.
CV only improves machines perception of the surrounding environment, which can drive an array of business and societal value across quality, productivity, and mobility.
Applicazione n°4 : Migliorare la comprensione dello spazio
Un'altra area emergente in cui la computer vision inizia a fare il suo ingresso è la sua applicazione su spazi o ambienti. Analizzando la rete di interazioni tra spazi e cose (persone, macchine, oggetti, ecc.) si aprono opportunità di ottimizzazione ed efficienza.
Ecco alcuni esempi : L'integrazione di un sistema di CV nelle nostre infrastrutture di trasporto fornisce un'analisi del flusso di traffico per le agenzie governative che mirano a ridurre l'impronta di carbonio di una città. La CV può determinare l'occupazione dei parcheggi e automatizzare l'emissione di biglietti aumentando o riducendo gli ingressi in città. Nella vendita al dettaglio, si potrebbe tracciare i movimenti dei clienti per ottimizzare il posizionamento dei prodotti e le opportunità di vendita/sconto.
Nel settore manifatturiero, la forza lavoro rappresenta un'enorme sfida per la produttività, ma anche un'opportunità per generare efficienze. Ora, grazie alla computer vision possiamo catturare i dati del flusso di lavoro e con l'analisi spaziale identificare dei modelli d'ottimizzazione e ridurre i colli di bottiglia.
Nel seguente video, il presidente e CEO di PTC Jim Heppelmann spiega questo esempio di computer vision e l'opportunità potenzialmente enorme che l'analisi spaziale può avere sulla misurazione delle prestazioni della forza lavoro.
La CV può anche rilevare situazioni potenzialmente pericolose che spesso accadono nel settore industriale e quindi garantire la sicurezza dei lavoratori in prima linea attraverso allarmi o altre tecniche. La computer vision intrecciata con lo spatial computing può comprendere ulteriormente questi ambienti 3D creando potenti digital twin.
Conclusione
Ci sono molte sovrapposizioni tra questi esempi d’applicazione della computer vision per gli esseri umani, le macchine e gli ambienti, ma il tema ricorrente è quello di utilizzare la computer vision come una lente sul mondo per capirlo meglio e prevedere elementi importanti al suo interno. Si pensi a un umano che riconosce un oggetto unico in un ambiente industriale, una macchina che effettua autonomamente movimenti complessi istantanei, o che analizza il comportamento degli oggetti in un determinato spazio.
La visione artificiale diventerà sempre più pervasiva nell'industria e nella società. Conciliare i casi d'uso vincenti all'interno di una strategia di trasformazione digitale rappresenta un passo in avanti per capitalizzare su queste innovazioni tecnologiche.
Lo stato della trasformazione digitale industriale
Scopri la nuova ricerca su come le imprese industriali stanno capitalizzando sulla trasformazione digitale.
Leggi