LA FINE DI UN PERCORSO

Breve riassunto delle tematiche del blog

Scrivere questo blog è stata un esperienza sorprendentemente interessante capace di farmi scoprire un nuovo mondo che mi era prima completamente ignoto e che mi ha coinvolto ogni giorno di più.

La scelta di un argomento così proiettato verso il futuro: "LA VISIONE ARTIFICIALE" è stata mossa dalle stesse ragioni che mi hanno portato a studiare ingegneria, ovvero un amore e un interesse verso ciò che è l'innovazione, la concezione di un nuovo futuro e le ricadute che questa concezione potrà avere sulla società.
.
Il blog è stato diviso in 8 settori, evidenziati nelle etichette, che hanno permesso di dare ordine ai concetti e di analizzare la visione artificiale da un punto di vista il più generale possibile.

Inizialmente si è data una definizione del concetto di artificiale "DEFINIZIONE DI ARTIFICIALE" per poter capire le caratteristiche di questo aggettivo, per poi dare una definizione di visione artificiale aiutandoci anche con una mappa concettuale che ci indica i possibili campi di sviluppo di quest'ultima. Da qui poi si è cercato come questo termine viene tradotto nelle varie lingue.

Si è cercato di studiare l'argomento sia da un punto di vista bibliografico scientifico, cercando articoli che parlassero di questa e che libri; che  da un punto di vista artistico ricercandola in campi quali cinema, musica e fumetti.

Si è quindi provato di comprendere come era "fatta" questa visione artificiale (esperienza questa non facile), gli elementi e le forme e le specifiche che la compongono ; e come funzionano questi sistemi di visione artificiale sia nella parte di hardware che di software.

Si è allora analizzato il mondo industriale, principale acquirente, utilizzatore e produttore della visione artificiale, informandoci così sui brevetti esistenti e modelli già sul mercato; su chi li produce, sui suoi simboli; e in particolare ci siamo soffermati sulla robotica, l'agricoltura e sulle lenti.

In ultima analisi si è voluto capire quali potevano essere le ricadute sociali di questa nuova tecnologia: quali lavori va a sostituire; chi sono gli utilizzatori; come si è evoluto questo settore sul mercato e le previsioni future; per studiare infine la fobia (come un nuovo luddismo) che accompagna questa tecnologia.

Per facilitare la lettura è stato redatto un glossario trilingue sulla visione artificiale, e un abbecedario illustrato.

L'obbiettivo principale di questo blog era quello di riuscire ad osservare una cosa da più punti di vista, capirne il perché è fatta in un modo piuttosto che in un altro, interrogarsi su questa. "come funziona? Chi la può utilizzare? Quale può essere il suo impatto nella vita di tutti i giorni?". Solo ponendosi questi interrogativi e cercando le risposte anche da punti di vista che non sono i classici (ad esempio il lato artistico della visione artificiale) si può veramente comprendere una cosa.

IMPATTO FUTURO SUL MARKETING DELLA VISIONE ARTIFICIALE

Qui un articolo che parla su come potrebbe cambiare il marketing grazie alla computer vision
How computer vision may impact the future of marketing.

LA ROBOTIC VISION

La Robot Vision, combinazione tra hardware di visione, telecamere o sensori e algoritmi che consentono a un robot di elaborare dati visuali dal mondo reale, è oramai essenziale in molteplici applicazioni.

In campo industriale si è riscontrata negli ultimi anni una massiccia diffusione di tecnologie autonome robotizzate evolute. La differenza sostanziale di questi nuovi robot sta nel "know-how", ovvero questi nuovi sistemi sono capaci di imparare da soli i movimenti da fare e sopratutto quando è opportuno farli. In poche parole una volta "insegnato" al robot cosa deve fare questo non ha più bisogno del controllo umano per lavorare e per discernere i casi in cui deve lavorare dai casi in cui non deve lavorare. Questa è una innovazione assoluta, fino ad oggi il controllo umano era imprescindibile nell'industria.

Alcuni articoli su questo argomento:

I) "ROBOTICA E VISIONE" analizza l'utilizzo della visione robotica nell'industria;
II) "Visione artificiale per robot" alcune applicazioni visione robotica;
III) "Visione artificiale per la robotica" parla della differenza fra Machine Vision e Robotic Vision.

I SIMBOLI DELLA VISIONE ARTIFICIALE

Come simboli della visione artificiale si hanno i loghi delle agenzie incaricate di standardizzare questa nuova tecnologia:

EMVA

FIREWIRE

GIGE VISION

Glossario Trilingue

ITALIANO	INGLESE	FRANCESE	SIGNIFICATO
VISIONE ARTIFICIALE	MACHINE VISION	VISION PAR ORDINATEUR	articolo
RETRO ILLUMINAZIONE	BACK LIGHTING	RÉTROÉCLAIRING	Posizionamento di una sorgente luminosa dietro un oggetto in modo da evidenziarne la forma; tecnica utile per nascondere i dettagli della superficie ed enfatizzare il contorno di un oggetto.
SFONDO	BACKGROUND	FOND	pixel che non contengono informazione utile
PRIMO PIANO	FOREGROUND	PREMIER PLAN	pixel che contengono informazione utile
CONTRASTO	CONTRAST	CONTRASTE	rapporto valore più alto valore più scuro luminosità di un immagine
SEGNALE	SIGNAL	SIGNAL	variazione temporale dello stato del sistema o anche notifica di un informazione
ETICHETTATURA	LABELLING	ÉTIQUETAGE	operazione che consiste nell’analizzare i pixel nel foreground per separare oggetti differenti gli uni dagli altri
Blob	Blob	Blob	Entità che caratterizza tutti i pixel connessi fra loro
MISURAZIONE	MEASUREMENT	MESURE
LED	LED	DIODE ÉLECTROLUMINESCENTE	Light Emitting Diode
METROLOGIA	METROLOGY	MÉTROLOGIE	scienza della misurazione
SEGMENTAZIONE	SEGMENTATION	SEGMENTATION	determinazione di quali sono i pixel che contengono informazioni
TELECENTRICITÀ	TELECENTRICITY	TÉLÉCENTRIQUE	proprietà di una lente telecentrica di mantenere i raggi luminosi principali paralleli all'asse ottico
DISTANZA DI LAVORO	WORKING DISTANCE	DISTANCE DE TRAVAIL	Distanza (solitamente espressa in millimetri) dal piano di fuoco ottimale all'estremità frontale della lente.
RACCOLTA DIFFERENZIATA	BIN PICKING	RAMASSAGE DE BIN	studio di sistemi che siano in grado di individuare e afferrare oggetti ammucchiati o disposti casualmente
TRACCIABILITÀ	TRACKING	POURSUITE	riconoscimento dei codici su componenti e prodotti
GUIDA AUTOMATICA	AUTOMATIC GUIDE	GUIDE AUTOMATIQUE

LE LENTI TELECENTRICHE

Uno degli obiettivi principale quando si progetta un sistema di visione principale è quello di poter utilizzare  migliori obiettivi possibili in quanto una qualità migliore della lente si traduce in una qualità migliore di tutto il sistema.

Le comuni lenti sono chiamate lenti entocentriche e possono avere problemi di:
- risoluzione immagine;
- alterazioni del fattore di ingrandimento dovuti a scostamenti dell'oggetto;
- distorsione dell'immagine;
- errori prospettici;
- bassa risoluzione;
- incertezza della posizione del contorno.

Gli obiettivi telecentrici sono in grado di ridurre o addirittura neutralizzare questi problemi, inoltre neutralizzano gli effetti prospettici dovuti a un posizionamento impreciso o una geometria dalla tridimensionalità pronunciata.
Per questo motivo sono molto usati nell'industria di alta precisione.

Se si è interessati al funzionamento: "Introduzione alle ottiche telecentriche"

LA VISIONE ARTIFICIALE NELL'AGRICOLTURA

I sistemi di visione artificiale hanno trovato ampio spazio nel mondo dell'agricoltura, e in particolare nell'agricoltura di precisione. Infatti sempre più agricoltori passano ad un sistema di produzione innovativo chiamato sistema a griglia, dove queste griglie non vengono più viste come un unico campo ma come delle zone di gestione.

Gli alimenti coltivati vengono controllati da una serie di nuove macchine implementate con dei sistemi di visione artificiale che possono esaminare la pianta e decidere (e lo fanno più velocemente e più accuratamente dell'uomo) se raccogliere o no una pianta; oppure se spruzzare il disinfestante o no; o ancora controllare se le piante vivono o muoiono in base all'acqua che ricevono.

Queste innovazioni possono portare enormi vantaggi in termini di profitti e gestione all'agricoltore.

Se interessati l'argomento è stato sviluppato in maniera più accurata dal sito della Intel: "Il futuro dell'agricoltura grazie alla visione artificiale".

Abbecedario

A  AUTOMOTIVE

B  BACKGROUND

sfondo nero è il background

C  CLASSIFICAZIONE



D  DENSE OPTICAL FLOW*

E  EMVA 1288 (European Machine Vision Association)/ EMBEDDED VISION







F  FOREGROUND 

i pallini bianchi rappresentano il foregroung

G  GUIDA ROBOT

H  HAL 9000

I  INDUSTRIA 4.0

L  LABELLING


M  MISURARE


N


O  OCR/OCV

P  PATTERN MATCHING 3D**

Q  QUALITÀ


R  RISOLUZIONE/ROBOTIC VISION

S  SMART CAMERA

T  TRACCIABILITÀ


U


V  VERIFICA


Z



*Dense Optical Flow. Si tratta di algoritmi che stimano l’andamento del movimento di oggetti, superfici, dettagli ripresi nella scena. Vengono utilizzati in applicazioni di sorveglianza, per stimare posizione, postura, movimento di persone, per gestire la riduzione del rumore in immagini ad altissima risoluzione.

** Pattern Matching 3D. Sono algoritmi che permettono  di riconoscere diverse tipologie di pezzi modificando unicamente alcuni parametri di controllo. 

LE TECNOLOGIE E LE SCIENZE DELLA VISIONE ARTIFICIALE

Questo articolo vuole essere una continuazione del precedente "COME LAVORA LA VISIONE ARTIFICIALE NELL'INDUSTRIA" e spiegare in breve la tecnologia software che c'è dietro un sistema di visione artificiale e come lavora questa.

I sistemi di visione sono  una catena di misura, e in quanto ciò possiedono i blocchi funzionali di questa, e il software è uno di questi blocchi.

La catena di misura sulla quale è strutturato un sistema di visione è fatta degli elementi mostrati in figura.

In sequenza sono mostrati il blocco di acquisizione, quello di elaborazione e quello di estrazione dell’informazione, essi si specializzano in base all'elemento reale posto ad analisi.

La catena di misura ha come obbiettivo quello di ‘potare’ le informazioni acquisite, che sono intrinsecamente molto dense (immagini) fino a estrarre indicazioni estremamente sintetiche, quali quelle di tipo passa/non passa, nei controlli di qualità così come nei controlli di processo. 

La catena di misura ha come obbiettivo quello di ‘potare’ le informazioni acquisite, che sono intrinsecamente molto dense (immagini) fino a estrarre indicazioni estremamente sintetiche, per questo motivo per ottenere sistemi affidabili ed efficienti vanno considerati i seguenti aspetti:

1. La natura del misurando: dimensione, colore, riflettività, forma;
2. Come il misurando è portato al sistema di visione: campo inquadrato, tipologia di alimentazione della scena, tempo di ciclo;
3. Quali sono le sorgenti di disturbo: illuminazione ambientale, variabilità di riflessione delle superfici, tessitura delle superfici;
4. Quale sia l’informazione da estrarre: caratteristiche superficiali, dimensioni geometriche per controllo di tolleranze, volumi, colore, temperatura, orientamento, posizione
5. Quale sia la combianzione telecamera/lente che garantisca oltre alla magnificazione adeguata la qualità dell’immagine sufficiente a riconoscere in modo affidabile l’informazione d’interesse;
6. Quale sistema di illuminazione della scena consenta di ottimizzare la visibilità delle caratteristiche d’interesse;
7. Quale sia la combinazione ottimale di singoli elemti software per estrarre l’informazione.
8. Come e con quali tempi trasmettere l’informazione all’esterno, ad esempio verso un PLC, per la gestione delle operazioni a valle.

L'algoritmo di funzione di un software per l'elaborazione di un immagine può essere questo:

PRE-ELABORAZIONE

Le funzioni che appartengono a questa classe di elaborazione hanno come scopo quello di condizionare l’immagine.Le tipiche operazioni sono quelle di

(i) incremento del rapporto segnale-disturbo, mediante operazioni di filtraggio spaziale,
(ii) compensazione di distorsioni prospettiche e ottiche,
(iii) correzione di effetti di ombra o di disuniformità nei livelli di grigio legati al sistema di illuminazione.

L’esperienza insegna che in un sistema ben progettato questa tipologia di operazioni dovrebbe avere un peso ridotto: ad esempio, la scelta di una lente di buona qualità riduce sensibilmente l’effetto distorsivo, e aumenta la visibilità dei dettagli nell’immagine.

SEGMENTAZIONE

La segmentazione è una fase cruciale della catena di elaborazione e consiste nel determinare quali sono i pixel che contengono informazioni (foreground) e quali invece no (background). I criteri di assegnazione di ogni pixel  variano moltissimo a seconda della particolare applicazione. Un metodo semplice e molto efficace è quello che utilizza il contrasto dell’immagine. Per ogni pixel nell’immagine il livello di grigio corrispondente viene comparato a un valore di soglia e viene classificato in base alla sua intensità.

ETICHETTATURA O LABELLING

L’operazione di labelling consiste nell’analizzare i pixel che contengono informazione per separare oggetti differenti gli uni dagli altri. Il criterio seguito è che i pixel connessi fra loro appartengano alla stessa entità, alla quale viene dato il nome di blob.

ESTRAZIONE DELLE FEATURES

Il passo successivo della catena di elaborazione consiste nella misura quantitativa di specifiche caratteristiche delle blob selezionate, come ad esempio, l’area, il perimetro, la simmetria, la posizione, l’orientamento, il grado di convessità. Un esempio è identificare un oggetto mediante labelling della blob che lo rappresenta e calcolarne il baricentro, per applicazioni di presa.

CLASSIFICAZIONE

A questo punto della catena di elaborazione si hanno a disposizione un certo numero di misureche caratterizzano tutti gli oggetti d’interesse presenti nell’immagine. Queste misure devono poter consentire di decidere se l’elemento passa il controllo o meno. In molti casi questa operazione è semplice: ad esempio, nel caso della verifica del diametro di un foro rispetto alla specifica di tolleranza. In altre situazioni invece è necessaria una fase di classificazione basata sulla verifica di un insieme di regole.

Le Industrie della visione artificiale

Tra le grandi aziende che producono sistemi di visione artificiale, sopratutto per l'industria troviamo:

• Halley Machine Vision
• Vision Device
• UTP vision
• Sivision

MODELLI E BREVETTI ESISTENTI

Nella vita di tutti i giorni la visione artificiale la possiamo associare a due messaggi importanti: "divertimento" e " sicurezza".
Il primo significato è dovuto all'uso di questa tecnologia nel mondo dei videogiochi:

KINECT
É un esempio perfetto di embedded vision: presenta caratteristiche hardware e software che lo rendono sensibile al movimento del corpo umano; a differenza del Wiimote della Nintendo e al PlayStation Move della Sony, consente al giocatore il controllo del sistema senza la necessità d’indossare o impugnare alcunché. Perché c’è la visione di mezzo. Ma oltre a ciò, può essere utilizzato come controller audio/video, ed è un ottimo sistema a basso costo per ricostruzioni 3D di ambienti.

Il secondo invece rappresenta la principale via di sviluppo di questa tecnologia, ecco alcuni esempi:

AUTOMOTIVE
I numeri di vittime per incidenti della strada sono sopra il milione all'anno, per migliorare questa situazione il mercato dell'automobile sta sviluppando diverse tecnologie:
La prima e più semplice è il Mobileye, un sistema capace di avvertire il guidatore se non vengono rispettate le condizioni di sicurezza;
Tuttavia oggigiorno si stanno sviluppando sistemi di frenata automatica capaci di frenare e modulare la frenata quando si va incontro a un ostacolo, non si rispetta la distanza di sicurezza o si rischia di investire un pedone.
Sistema di sicurezza per evitare gli impatti è anche il ProPilot Park, sistema che permette all'auto di posteggiare da sola tramite l'utilizzo di telecamere ed evita così spiacevoli inconvenienti.



POSEIDON
Ogni anno si stima che nel mondo si verifichino almeno 400.000 annegamenti. Negli Stati Uniti l’annegamento è la seconda causa di morte accidentale per i bambini in età compresa fra 1 e 14 anni. Il 19% di essi annega in piscine pubbliche, in presenza del personale di sorveglianza. La MG International ha realizzato il dispositivo Poseidon, un sistema vision embedded che analizza in tempo reale le traiettorie dei nuotatori e allerta il personale di sorveglianza a intervenire immediatamente nel caso di pericolo potenziale, fornendo la posizione esatta del nuotatore in pericolo.


GUIDA AUTOMATICA ROVER
Importanti risultati sono stati raggiunti dai sistemi di visione nel campo dell’ausilio alla giuda e della guida automatica. Il principale filone di ricerca sul tema è rappresentato dal Grand Challenge promosso dall’agenzia americana DARPA (Defense Advanced Research Projects Agency) che dal 2005 ha iniziato a finanziare progetti per la guida autonoma A tale competizione hanno preso parte i più importanti centri di ricerca internazionali in collaborazione con le principali case automobilistiche mondiali.
Un esempio significativo di guida automatica è certamente rappresentato dai due robot Spirit e Opportunity che hanno esplorato il pianeta Marte dal Gennaio 2004; ha fatto il giro del mondo la notizia che, dopo un viaggio di ben 9 Km, durato 18 mesi, Opportunity ha raggiunto il cratere Victoria (un’importante punto di esplorazione per cercare tracce della presenza di acqua su Marte).