La visione artificiale è la scienza delle macchine che vedono.

Transcript

1

2 La visione artificiale 2 La visione artificiale è la scienza delle macchine che vedono. In questo caso vedere è inteso non solo come l'acquisizione di una fotografia bidimensionale di un'area, ma soprattutto come l'interpretazione del contenuto di quell'area in mododaabilitareda abilitare una decisione automatica. Un sistema di visione artificiale è costituito dall'integrazione di componenti ottiche, elettroniche e meccaniche che permettono di acquisire, registrare ed elaborare immagini sia nello spettro della luce visibile che al di fuori di essa (infrarosso, ultravioletto, raggi X, ecc.). Il risultato dell'elaborazione è il riconoscimento di determinate caratteristiche dell'immagine per varie finalità di controllo, classificazione, selezione, ecc.

3 Componenti: 3 Un Sistema di Visione è costituito da diverse componenti: telecamere e ottiche sistema di illuminazione l'oggetto da esaminare ilsistema di acquisizione e di elaborazione dell'immagine le interfacce uomo macchina le interfacce con l'ambiente esterno

4 Telecamere ed ottiche 4 Elementi da tenere in considerazione: Qualità dell ottica Tipo di sensore Risoluzione (n.b. differenza tra pixel e photosite / CFA Color Filter Array Bayer Filter)

5 Sistema di illuminazione 5

6 Sistema di illuminazione 6

7 Sistema di illuminazione 7

8 Sistema di illuminazione 8

9 Sistema di illuminazione 9

10 Luce Polarizzata 10 La polarizzazione della radiazione elettromagnetica è una caratteristica delle onde elettromagnetiche e dei fotoni e indica la direzione lungo la quale il campo elettrico oscilla durante la propagazione p dell'onda. La luce è spesso polarizzata, ma in particolare è polarizzata la luce riflessa (metalli, liquidi), oppure se è emessa da lampade polarizzate (lampada+filtro). Un filtro polarizzante può eliminare i riflessi, migliorare la resa dell immagine, permettere di vedere elementi tiinvisibili i ibili alla luce naturale (e.s. Stress nei materiali)

11 Esempi 11

12 Esempi 12

13 Esempi 13

14 Esempi 14

15 Step della visione automatica 15 Steps: Acquisizione immagine (imageacquisition) acquisition) Preelaborazione (pre processing) Estrazione proprietà (feature extraction) Individuazione/segmentazione (detection/segmentation) Elaborazione di altolivello livello (high level processing)

16 Acquisizione 16 Acquisizione immagine (image acquisition) Un'immagine digitale è prodotta da vari tipi di sensori come sensori sensibili alla luce, sensori tomografici, radar, sensori ad ultrasuoni. Nell ambito industriale i si usano solitamente t telecamere (CCD o CMOS) BN con opportuni sistemi di illuminazione In base al tipo di sensore l'immagine può assumere la rappresentazione di un ordinaria immagine 2D, un volume in 3D o una sequenza di immagini. Il valore tipico di un pixel può corrispondere all'intensità di luce in una o più bande spettrali ma può essere anche dedotto dall'assorbimento sonico o delle onde elettromagnetiche.

17 Pre processing 17 Preelaborazione (pre processing) Prima che una immagine venga trattata da un metodo della visione artificiale è solitamente necessario elaborare i dati in modo da verificare che questi soddisfino specifiche regole necessarie almetodo metodo. Per esempio: Ricampionare per assicurarsi che le informazioni non siano ridondanti o insufficienti. Togliere eventuale rumore che introduce informazioni false. Modificare il contrasto t per assicurarsi iche le informazioni i irilevanti vengano individuate.

18 Feature Extraction 18 Estrazione proprietà (feature extraction) Le caratteristiche dell'immagine sono estratte dai dati dell'immagine ad esempio: Linee e bordi Puntidiinteresselocale interesse (Es: angoli) Caratteristiche più complesse possono essere il riconoscimento di movimento, forme e texture.

19 Detection / Segmentation 19 Individuazione/segmentazione (detection/segmentation) In qualche punto del processo viene presa la decisione di quali aree saranno rilevanti per l'ulteriore elaborazione. Es: Selezione di un set di punti di interesse Segmentazione dell'immagine in più regioni checontengonounoggettodicontengono oggetto interesse.

20 High level processing 20 Elaborazione di alto livello (high level processing) A questo punto l'input è tipicamente un piccolo insieme di punti o regione di immagine che si presuppone debba contenere un oggetto specifico. Gli obiettivi delrestante processo sono: Verificare che il modello contenuto nell'input possieda le specifiche del modello base o della classe. Stimare i parametri specifici tipo la posizione o la dimensione. Classificare oggetti in più categorie

21 Compiti Tipici 21 Nella letteratura troviamo differenti varietà del problema: Recognition: uno o più oggetti prespecificati o memorizzati possono essere ricondotti a classi generiche usalmente insieme alla loro posizione 2D o 3D nella scena. Identification: viene individuata un'istanza specifica di una classe. Es. Identificazione di un volto, impronta digitale o veicolo specifico. Detection: L'immagine e scansionata fino all'individuazione di una condizione specifica. Es. Individuazione di possibili cellule anormali o tessuti nelle immagini mediche ricostruzione della scena: dati 2 o più immagini 2D si tenta di ricostruire un modello 3D della scena. Nel caso più semplice si parla di un set di singoli punti 3D. Casi più complessi tentano di generare superfici 3D complete. Generalmente è importante trovare la matrice fondamentale che rappresenta i punti comuni provenienti da immagini differenti.

22 Applicazioni industriali 22 Compiti tipici della visione artificiale in ambienti industriali sono: Controllo qualità (Riconoscimento difetti e rispetto delle tolleranze) Orientamento, posizionamento e guida robot Misure non a contatto Verifiche su nastri in continuo (Web Inspection) Classificazione e scelta Lettura di caratteri e codici

23 Controllo qualità 23 Si tratta di una delle applicazioni più diffuse, in quanto nessuna produzione industriale può dirsi esente da difetti e gran parte dei difetti è riscontrabile visivamente. Spesso l'ispezione della produzioneè condottadaoperatorida operatori specializzati, con elevati costi per la movimentazione dei pezzi e di risorse umane. L'applicazione di un sistema di controllo basato sulla visione artificiale presenta numerosi vantaggi: Riduzione costi legati alla manodopera Controllo della produzione al 100% Controllo in base a criteri oggettivi e ripetibili I principali controlli di qualità sono riconducibili a molte delle tipiche funzionalità della visione artificiale: controlli superficiali, controlli di presenza/assenza parti, conteggi, verifiche di colore, ecc.

24 Controllo qualità 24 La qualità va costruita a monte del processo di controllo! La visione automatica misura la qualità raggiunta e aiuta a fissare dei limiti oggettivi a cui tendere.

25 Guida dei Robot 25 Una parte significativa dell'intelligenza artificiale si occupa di gestire sistemi interfacciati a robot o macchine che si muovono nello spazio o compiono movimenti. Questa tipologia di processo implica spesso l'acquisizione di informazioni fornite da un sistema di visione artificiale che occupa il ruolo di sensore visivo. Esistono sistemi in grado di dirigere manipolatori, robot antropomorfi o carrelli in ambienti industriali i non noti a priori. i Ad esempio robot tdi carico e scarico che devono individuare la posizione esatta di oggetti diversi e posizionarli su pallet o in contenitori o ad un sistema di movimentazione intelligente, in grado di muoversi in uno stabilimento dove circolano persone, altri mezzi di movimentazione e spesso le aree sono occupate da merci. Solitamente le applicazioni non devono essere critiche e devono avere un grado di complessità relativamente semplice

26 Lettura in continuo (web inspection) 26 Consiste nella rilevazione di difetti o letture di caratteri su nastri o lastre poste in scorrimento veloce. Questa analisi viene fatta tipicamente con telecamere lineari. Esempi di questa applicazione sono la verifica della correttezzadella stampa, l'assenza didifettidifetti su laminati, su tessuti, ecc.

27 Altre applicazioni 27 Classificazione e scelta Si tratta di una delle applicazioni più complesse in quanto spesso i meccanismi di scelta non sono facilmente codificabili. Un tipico settore è quello della scelta delle piastrelle di ceramica o di marmo o di tavole di legno. Lettura di caratteri e codici Si tratta di funzionalità molto diffuse in settori come l'alimentare o il farmaceutico per eseguire tutta una serie di controlli sui prodotti in uscita come ad esempio la data di scadenza dei prodotti, i lotti di produzione, la correttezza dei fogli di istruzione allegati, targhe, ecc.

28 Misure non a contatto 28 Si distinguono in genere misure ad una o due dimensioni: diametri, lunghezze, altezze eccentricità, linearità, misure a tre dimensioni, calcoli di volume (attraverso l'analisi di immagini acquisite da più angolazioni). L'utilizzo della visone automatizzata risulta particolarmente indicato per misurare oggetti fragili, difficili da raggiungere contenuti in altri oggetti, a temperature elevate: ad esempio colate di acciaio fuso in laminatoi, ecc. Un vantaggio della visione artificiale consiste anche nella possibilità di effettuare misure non convenzionali e superiori a quelle fatte con i sistemi tradizionali, ad esempio misurando aree di forme complesse.

29 Vantaggi e svantaggi 29 PRO: Affidabilità Costanza Precisione Possibilità di lavorare 24*7 No distrazioni Possibile visione ad alte velocità Possibilità di elevati ingrandimenti Contro: Meno flessibile Meno adattabile Non può lavorare su pezzi/difetti/situazioni impreviste Ilcomputer non vede come un uomo! Ilcomputer non capisce!

30 Domande? 30