2024/10/15 13:21:21

Компьютерное зрение
Машинное зрение

Содержание

Что такое компьютерное зрение?
Чем машинное зрение отличается от компьютерного?
Задачи машинного зрения
Системы машинного зрения
Исследования рынка компьютерного зрения
Робототехника
Примечания

Что такое компьютерное зрение?

Компьютерное зрение — это технология, с помощью которой машины могут находить, отслеживать, классифицировать и идентифицировать объекты, извлекая данные из изображений и анализируя полученную информацию^[1].

Компьютерное зрение применяется для распознавания объектов, видеоаналитики, описания содержания изображений и видео, распознавания жестов и рукописного ввода, а также для интеллектуальной обработки изображений.

Чем машинное зрение отличается от компьютерного?

Машинное зрение использует анализ изображений для того, чтобы решать промышленные задачи. Машинное и компьютерное зрение — области связанные

Новичкам может показаться, что это разные названия одной и той же технологии, но это не так, так как компьютерное зрение — это общее название набора технологий, а машинное зрение — сфера применения.

Задачи машинного зрения

Машинное зрение позволяет отказаться от ручного труда, ведь контролировать сборку изделий, считать и измерять объекты, читать текст, цифры и идентифицировать объекты может робот.

Машинное зрение используется в различных областях. В медицине — для того, чтобы более точно ставить диагноз, в промышленности — для снижения себестоимости товаров за счёт автоматизации. В автомобильной индустрии — для навигации беспилотников, а в ритейле — для считывания штрихкодов или подсчёта посетителей.

Системы машинного зрения

Так как машинное зрение используется для решения различных промышленных задач, то в зависимости от того, какую именно задачу нужно решить, создаются специальные системы машинного зрения.

Типовые системы машинного зрения состоят из камер, ПО, процессоров, источников света, приложений программного обеспечения и различных датчиков.Российский рынок облачных ИБ-сервисов только формируется 2.5 т

Например, датчик определил, что деталь на конвейере нужно проверить, запустил камеру и сделал снимок этой детали. После этого изображение отправляется в компьютер, где программное обеспечение для машинного зрения обрабатывает полученную картинку.

После того, как изображение обработано, в зависимости от состояния детали программа пропускает или не пропускает деталь по конвейеру дальше. То есть, если деталь повреждена — программное обеспечение подаст сигнал устройству для её отклонения, остановит производство или предупредит человека о том, что есть деталь с дефектом.

2024: Как российские предприятия внедряют машинное зрение

Российские промышленные предприятия активно осваивают технологии машинного зрения, интегрируя их с искусственным интеллектом для повышения эффективности производства. О растущем интересе к этой сфере стало известно в октябре 2024 года из результатов исследования, проведенного Институтом статистических исследований и экономики знаний НИУ ВШЭ.

Согласно отчету, 78% из 2,3 тыс. опрошенных российских организаций проявляют интерес к продуктам на основе компьютерного зрения. Внедрение этих технологий происходит в несколько этапов и требует значительных инвестиций.

Как российские предприятия используют машинное зрение

Процесс интеграции машинного зрения начинается с установки специализированного оборудования. Предприятия используют IPv-камеры наружного видеонаблюдения и высокоскоростные камеры, способные снимать до 40 тыс. кадров в секунду. Современные устройства могут детектировать фракции до 1 микрометра, что позволяет контролировать состав материалов с высокой точностью.

Следующим этапом является настройка серверной инфраструктуры, которая обрабатывает большие массивы данных в виде фотографий высокого разрешения. Для снижения нагрузки на серверы применяются нейронные сети, которые анализируют только те снимки, где обнаружены отклонения от заданных параметров.

Заключительным этапом становится разработка и внедрение специального программного обеспечения, включающего модели машинного обучения и алгоритмы обработки изображений. Руководитель департамента систем машинного зрения и нейросетей Nord Clan Пётр Хвесюк отмечает, что для обучения нейросетей необходимо собрать минимум 50 тыс. фотографий, которые могут быть получены как в реальных условиях, так и синтезированы в лаборатории.

Стоимость внедрения технологий машинного зрения варьируется в зависимости от сложности проекта. По оценке эксперта ГК «Юзтех» Ильи Смирнова, базовое решение может обойтись в ₽8–15 млн, а персонализированное программное обеспечение — до ₽20 млн. Окупаемость таких проектов составляет около двух лет.^[2]

2022: Искусственный интеллект распознает изображения хуже человека

Искусственный интеллект распознает изображения хуже человека.

У компьютерного зрения нет тех физиологических особенностей, которые есть у человека, поэтому оно хуже распознает изображения. К такому выводу пришли ученые из ВШЭ и Московского политехнического университета. Об этом ВШЭ сообщила 7 сентября 2022 года. Подробнее здесь. .

2021: Эксперты по компьютерному зрению закрывают проекты из-за нехватки обучающих данных

Согласно новому исследованию компании Datagen, 99% команд специалистов в области компьютерного зрения столкнулись с необходимостью закрыть проекты с использованием машинного обучения из-за недостатка данных для обучения своих моделей. Более того, по той же причине все (100%) участники исследования были вынуждены отложить проекты. Об этом стало известно 27 декабря 2021 года.

Как выяснили исследователи, проблемы с обучающими данными носят самый разный характер и затрагивают команды специалистов в равной степени. Самыми главными проблемами являются недостаточная аннотация (48%), несоответствующий охват предметной области (47%) и дефицит данных (44%).

Нехватка надежных данных для обучения в конкретной предметной области усугубляется тем фактом, что в сфере компьютерного зрения не хватает четко определенных стандартов и передовых практик.

На вопрос о том, как собираются обучающие данные в их организациях, респонденты представили целую «сборную солянку» из различных источников и методологий. Синтетические или настоящие, собранные внутри организации или полученные из публичных наборов данные – как оказалось, для обучения моделей компьютерного зрения организации используют абсолютно все данные, независимо от их происхождения.

Тем не менее, команды специалистов в области компьютерного зрения, похоже, нашли решение проблемы в виде синтетических данных. 96% опрошенных уже используют синтетические данные для обучения своих моделей искусственного интеллекта. Однако качество, источник и доля используемых синтетических данных по-прежнему сильно различаются в зависимости от области, и только 6% команд в настоящее время используют исключительно синтетические данные.

Повсеместный переход на использование синтетических данных соответствует количеству новых прогнозов о том, что 2022 год станет прорывом для синтетических данных.

В online-опросе Datagen приняли участие 300 специалистов в области компьютерного зрения, представляющих 300 отдельных предприятий^[3].

2020: Компании начали заменять охранников на камеры с машинным зрением

27 апреля 2020 года стало известно, что розничные магазины, строительные и производственные компании начали оснащать свои помещения и площадки системами видеонаблюдения с искусственным интеллектом. Они следят за тем, носят ли посетители и сотрудники медицинские маски и соблюдают ли между собой дистанцию, как это требуется в связи с пандемией COVID-19. Устанавливать такие системы, стоимость которых достигает $1 тыс. в год, дешевле, чем иметь дополнительных охранников, считают участники рынка, опрошенные агентством Reuters.

Представители нескольких компаний сообщили, что видеонаблюдение с искусственным интеллектом позволит снять любые претензии, связанные с несоблюдением указаний органов здравоохранения и благополучия человека. При наличии такого решения не только посетители и сотрудники магазинов и других предприятий смогут увидеть, что правила безопасности соблюдаются в полной мере, но сделать это также смогут страховщики и регуляторы.

Розничные магазины, строительные и производственные компании начали оснащать свои помещения и площадки системами видеонаблюдения с искусственным интеллектом

Меньше всего мы хотим, чтобы губернатор закрыл всех нас просто потому, что никто не соблюдает предписанные рекомендации, — поделилась Джен Сьюрт (Jen Suerth), вице-президент чикагской строительной компании Pepper Construction. В апреле 2020 года она запустила «умное» видеонаблюдение на базе программного продукта SmartVid.io для отслеживания поведения рабочих.

Аналогичные технологии планируют внедрить производитель бриллиантов Samarth Diamond и владелец открытых торговых центров в США RPT Realty. Первая планирует использовать решение от Glimpse Analytics, вторая — RE Insight.

Заказчики уверены в возможностях технологии, потому что они уже использовали подобные инструменты для изучения покупателей, входящих в магазины, а также для обнаружения сотрудников на строительных площадках, которые пренебрегают базовыми правилами техники безопасности.^[4]

Как системы компьютерного зрения помогают контролировать качество продукции

Исследования рынка компьютерного зрения

Объем мирового рынка камер с компьютерным зрением за год вырос до $7,41 млрд

В 2023 году продажи камер с компьютерным зрением в глобальном масштабе достигли $7,41 млрд. Для сравнения, годом ранее объем рынка оценивался в $6,14 млрд. Таким образом, зафиксирован рост на уровне 20%. Об этом говорится в исследовании Market Research Future, результаты которого опубликованы в начале ноября 2024 года. Подробнее здесь.