Vélsýn er samruni fjölda tækni sem gerir iðnaðar eða öðrum sjálfvirkum búnaði kleift að fá frá myndum háþróaðan skilning á umhverfinu sem fyrir liggur. Án sjónhugbúnaðar vélarinnar, stafrænar myndir með mismunandi litagildi og tónstyrk væri ekkert annað en einfalt, ótengt safn pixla við slíkan búnað. Vélsýn gerir tölvu (venjulega tengd vélstýringu) kleift að greina brúnir og form á slíkum myndum til að leyfa hærra stig örgjörva að þekkja fyrirfram skilgreindan markhluta. Myndir í þessum skilningi eru ekki takmarkaðar við ljósmyndamyndir í sýnilegu litrófinu; Þeir geta einnig innihaldið myndir sem fengnar eru með innrauða, leysir, röntgenmyndum og ultrasonic merkjum.
Í iðnaðarumhverfi er það nokkuð algengt að sjónræn notkun vélarinnar þekki ákveðna hluta frá þeim mörgum hlutum sem settir eru í ringulreið af efnis ruslakörfur. Hér hjálpar vélarsýn að velja og setja vélmenni sjálfkrafa að ná réttum hlutum. Auðvitað, ef hlutunum er öllum snyrtilega raðað í sömu stefnumörkun á bretti, væri tiltölulega einfalt að þekkja þá með myndgreiningum. Hins vegar geta öflugar reiknirit vélar sjón þekkt hluti sem eru í mismunandi vegalengdum frá myndavélinni (og birtast því sem mismunandi stórar myndir á myndskynjara) sem og hluti sem eru ekki stilla í sömu átt og myndavélin.
Háþróaðasta vélkerfið hefur gert kleift að nýta hönnun sem er mun flóknari en að velja hluta úr ruslafötum; Til dæmis getur verið að það sé ekki flóknari auðkenning en sjálfkeyrandi bíll.
Tækni sem tengist Vélsýn
Hugtakið vélarsýn er stundum frátekin til vísan til flóknari og skilvirkari stærðfræðilegra aðferða sem geta dregið út upplýsingar úr myndum. Aftur á móti lýsir hugtakinu tölvusýn venjulega nútímalegri, reiknandi krefjandi kerfum þar með talið svarta kassaaðferðir sem nota vélanám eða gervigreind (AI). Samt sem áður er einnig hægt að nota sjónræn sjón sem allt umlykjandi hugtak sem inniheldur allar aðferðir til að draga fram há stigs upplýsingar úr myndum; Í þessu tilfelli lýsir tölvusjón undirliggjandi kenning sinni um rekstur.
Tækni sem getur dregið út hátt stig frá myndum gnægð. Í rannsóknarsamfélaginu eru slíkar aðferðir oft taldar aðgreindar frá sjónrænu sjón. Í raun og veru eru þær hins vegar mismunandi leiðir til að innleiða Vélsýn ... og þeir skarast í mörgum tilvikum.
Stafræn myndvinnsla er mynd af stafrænni merkisvinnslu sem felur í sér myndaukningu, endurreisn, kóðun og samþjöppun. Kostir umfram hliðstæða myndvinnslu eru lágmörkun hávaða og röskunar sem og fjöldi reiknirita sem til eru. Ein af fyrstu gerðum myndbætingarinnar var notuð til að leiðrétta fyrstu nærmyndarmyndirnar af tunglflötunum. Í þessu ferli var notast við ljósritunar kortlagningu og hávaðasíur og leiðréttingar voru gerðar á rúmfræðilegum röskun sem stafaði af röðun myndmyndavélarinnar við tungl yfirborðið.
Stafræn myndaukning felur venjulega í sér aukna andstæða og hugsanlega rúmfræðilegar leiðréttingar til að skoða sjónarhorn og röskun á linsu. Samþjöppun er oft náð með því að samræma flókin merki sem sambland af kósínuaðgerðum-Fourier umbreytingu, þekkt sem stakur kósínubreyting (DCT). JPEG skráarsniðið er algengasta notkun DCT. Endurreisn myndar getur einnig notað Fourier umbreytinguna til að fjarlægja hávaða og þoka.
Ljósritun notar einhvers konar viðurkenningu á eiginleikum til að vinna úr mælingum úr myndum. Þessar mælingar geta innihaldið 3D upplýsingar þegar margar myndir af sömu senu eru aflað frá mismunandi stöðum. Einfaldasta ljósritunarkerfi nota kvarða til að mæla fjarlægðina á milli tveggja punkta í mynd. Til að gera þetta er oft nauðsynlegt að hafa þekktan viðmiðunarkvarðann á myndinni.
Lögun uppgötvun gerir tölvunni kleift að þekkja brúnir, horn eða punkta á myndinni. Þetta er fyrsta skrefið sem þarf til að fá ljósritun og til að þekkja hluti og hreyfingu. Greining greinir svæði með brúnum sem eru of sléttar til að greina brún eða horn.
Viðurkenning á mynstri er notuð til að þekkja ákveðna hluti. Í einfaldasta tilvikinu gæti þetta þýtt að finna vel skilgreindan sértækan vélrænan hluta á færiband.
3D uppbygging ákvarðar 3D lögun hlutar frá 2D mynd. Þessi aðgerð er hægt að veruleika með ljósritunaraðferðum. Í þessu tilfelli eru hæðir sameiginlegra eiginleika (ákvarðaðar í myndum frá mismunandi athugunarpunktum) ákvörðuð með þríhyrning. 3D uppbygging er einnig möguleg með því að nota 2D myndir einar; Hér útskýrir hugbúnaðurinn einnig rúmfræðileg tengsl milli brúnir eða skyggða svæði.
Menn geta endurbyggt teninga einfaldlega með því að vinna úr þeim í heila sínum með því að nota línuteikningu - með því að nota skyggða hringi til að endurgera kúlur. Skyggingin sýnir halla yfirborðsins. Hins vegar er þetta afleiðuferli mun flóknara en hægt er að halda, þar sem skyggingin er einvíddar breytu, meðan hallinn á sér stað í tvívíddar tilfelli. Þetta getur leitt til óljósra aðstæðna - staðreynd staðfest með því að sýna líkamlega ómögulega hluti.
Hvernig Vél sjónverkefni eru raðgreind
Mörg vélasýn kerfi fela í sér ofangreindar aðferðir smám saman með því að byrja með lágstigsaðgerðum og fara síðan yfir í hærra stig. Á lægsta stigi eru allir pixlar myndar geymdir sem gagnabreiddargögn. Hver aðgerð í röðinni þekkir síðan myndareiginleika og táknar upplýsingar sem vekja áhuga með tiltölulega litlu magni af gögnum.
Sú fyrsta er lágt stig rekstur myndbætingar og endurreisn og síðan uppgötvun á lögun. Þannig að þegar um er að ræða marga skynjara er hægt að framkvæma lágstigsaðgerðir með dreifðum ferlum sem sérhæfa sig fyrir einstaka skynjara. Þegar aðgerðir eru greindar í einstökum myndum er hægt að framkvæma fullkomnari ljósmyndir - eins og með hvaða viðurkenningu hlutar eða annað verkefni sem treystir á sameinuð gögn frá mörgum myndum og skynjara.
Bein útreikningur og námsreiknirit
Þegar um er að ræða sjón á vél er bein útreikningur sett af stærðfræðilegum aðgerðum sem eru skilgreindar af forritaranum. Þessar aðgerðir taka aðföng eins og mynd pixelgildi og framleiða framleiðsla eins og hnit á hlutumbrún. Aftur á móti eru námsreiknirit ekki skrifaðar beint af mönnum, heldur eru þjálfaðir í dæmi gagnapakka sem tengjast aðföngum við viðeigandi framleiðsla. Fyrir vikið eru námsreiknirit notaðir sem svartir kassar. Flest slík vélanám notar nú djúpt nám sem byggist á gervi taugakerfi til útreikninga.
Einföld vélanám fyrir iðnaðarforrit hefur tilhneigingu til að vera áreiðanlegri og minna reiknandi krefjandi þegar hún er byggð á beinni útreikningi. Auðvitað eru takmörk fyrir því sem hægt er að ná með beinni útreikningi. Til dæmis ætti maður aldrei að vonast til að framkvæma andlit til að viðurkenna háþróað viðurkenningarmynstur sem krafist er, en sérstaklega ekki frá myndbandsupptökum í fjölmennum almenningsrýmum. Aftur á móti getur vélanám höndlað slík forrit. Það kemur því ekki á óvart að vélanám er í auknum mæli beitt fyrir sjónræn sjón í vélum, sérstaklega myndbætingu, endurreisn og uppgötvun eiginleika.
Bættar kennsluaðferðir (ekki reiknirit)
Aukin fágun djúp námstækni hefur gert það ljóst að það eru ekki námsreikniritin sjálf sem þarf að bæta, heldur hvernig reikniritin eru þjálfuð. Ein bætt þjálfunaraðferð er þekkt sem gagnamiðuð tölvusjón. Hér tekur djúpt námskerfi mjög öflugt þjálfunarsett sem samanstendur af þúsundum, milljónum eða jafnvel milljörðum mynda - og vistar síðan samstilltar upplýsingar sem unnar eru úr hverri mynd af reikniritum þess. Þessar reiknirit læra á skilvirkan hátt með því að tengja þau við vinnandi dæmi og vísa síðan til „svarabók“ til að sannreyna að rétt gildi hafi verið fengin.
Það er gömul varúðarsaga um viðurkenningu á stafrænu mynstri. Bandaríski herinn ætlaði einu sinni að nota vélasýn til að viðurkenna markþekkingu og sýnikennsla varnarverktaka benti á áreiðanlegan hátt bæði Bandaríkjunum og rússneskum skriðdrekum. Hægt væri að greina skriðdreka af öllum mismunandi tegundum rétt á fætur annarri, frá loftmyndum birgjans. Hins vegar, þegar það var prófað aftur með eigin myndasafn Pentagon, hélt kerfið áfram að gefa röng svör. Vandamálið var að myndir varnarverktaka sem allar voru sýndar amerískum skriðdrekum í eyðimörkinni og rússneskum skriðdrekum á grænum túnum. Í stað þess að bera kennsl á mismunandi skriðdreka benti kerfið á mismunandi litaða bakgrunn. Hver eru viðurkenningarviðmiðin? Námsalgrími krefjast vandlega sýndra þjálfunargagna til að virka.
Ályktun: Örugg sýn fyrir vélfærafræði
Vélsýn er ekki lengur sess tækni. Í núverandi drifi er iðnaðargeirinn stærsta vaxtarsvæðið fyrir dreifingu véla. Athyglisverðasta þróunin á þessu sviði er hvernig Vélsýn er nú að ljúka öryggiskerfi í iðnaðarverksmiðjum, þ.e. kerfi sem hljóma viðvörun eða gefa raddtilkynningar þegar starfsmaður fer inn á vinnusvæði án hjálm, grímu eða annarra viðeigandi hlífðarbúnaðar. Einnig er hægt að nota vélasýn í kerfum sem vekja athygli á því að hreyfa vélar, svo sem lyftara, komast of nálægt starfsfólki.
Þessi og svipuð sjónskerfi vélarinnar geta stundum komið í stað harða verndarráðstafana í kringum iðnaðar vélmenni til að gera rekstur skilvirkari. Vélasjónskerfi geta einnig komið í stað eða aukið öryggiskerfi sem byggist á ljósum vörn sem stöðva vélar þegar starfsmaður er greindur inn í vinnufélagið. Þegar Vélsýn fylgist með verksmiðjugólfinu í kringum vinnufjölda hafa vélmennin í þeirri klefa möguleika á að hægja smám saman þegar fólk nálgast.
Þegar hönnun iðnaðarumhverfis þróast til að koma til móts við samvinnu vélmenni og annan vinnuboðabúnað sem gerir starfsmönnum verksmiðjunnar kleift að ganga um örugglega (jafnvel meðan búnaðurinn er í gangi), verða þessi og önnur sjónræn vél sem byggir á vélinni algengari hluti af plöntuferlum.