7 applicazioni di computer vision

1. Computer Vision per il rilevamento dei difetti

Questa è, forse, l’applicazione più comune della visione artificiale. Fino ad ora il rilevamento dei difetti viene effettuato da persone addestrate in lotti selezionati e di solito non è possibile il controllo totale della produzione. Con la visione artificiale possiamo rilevare difetti come crepe nei metalli, difetti di vernice, stampe difettose ecc. in dimensioni inferiori a 0,05 mm. Molto meglio dell’occhio umano! Queste telecamere di visione hanno bisogno di un algoritmo che è il “cervello intelligente” che è in grado di differenziare ciò che è un difetto e ciò che non lo è. Questo algoritmo è progettato e addestrato specificamente per ogni particolare applicazione attraverso immagini con difetto e senza difetto.

2. Computer Vision per la metrologia

È un’altra delle applicazioni più importanti. Ciò che è stato fatto finora con apparecchiature di metrologia laser complesse o sonde, ora può essere misurato utilizzando la visione artificiale. La chiave su questo argomento, è quello di fare una buona regolazione del riferimento per essere in grado di misurare con la precisione necessaria, e soprattutto, utilizzare l’illuminazione appropriata per ogni tipo di materiale e ambiente di lavoro. Utilizzando sistemi di visione artificiale possiamo misurare dimensioni variabili delle parti, rettilineità, parallelismo

3. Computer Vision per il rilevamento di intrusi

Attraverso telecamere iperspettrali è possibile distinguere tra un frutto e una pietra, che consente, soprattutto negli alimenti, prodotti più sicuri per il consumatore. Le telecamere iperspettrali sono in grado di differenziare il tipo di materiale attraverso la misurazione della lunghezza d’onda. In questo modo, è possibile differenziare una pietra da un frutto, una plastica da un metallo o altre combinazioni mentre il materiale è diverso.

4. Computer Vision per la verifica dell’assemblaggio

Ogni giorno vengono realizzati assiemi sempre più complessi, con più parti o connessioni. La computer vision ci permette di verificare, passo dopo passo, che ogni pezzo sia al suo posto, o alla fine del processo, che l’assemblaggio finale sia corretto. Questa applicazione è molto utile per l’assemblaggio di macchinari, attrezzature, schede elettroniche o pre-assemblaggi con molta complessità. Questi sistemi riducono significativamente i tempi di ciclo di operazioni molto complesse e i tempi di reintervento.

5. Computer Vision for Screen reader

A volte non è possibile estrarre dati da uno schermo di visualizzazione perché si tratta di un sistema fornitore chiuso o perché tale sistema è incompatibile con quello installato. Una soluzione a questo problema è installare una telecamera per la visione artificiale per leggere lo schermo ed estrarre i dati che appaiono su di esso (temperature, codici, tensioni any qualsiasi informazione utile che appare sullo schermo e ne hai bisogno). Per fare questo, cerchiamo le regioni di interesse in cui si trovano le informazioni, usiamo un algoritmo di riconoscimento dei caratteri (OCR) per estrarlo, e tutto perfetto!

6. Computer Vision for Code and character reader (OCR)

Siamo onesti, i designer sono persone molto simpatiche, ma tendono a cambiare la tipografia in lettere più complesse (e carine!) frequentemente 😉. Torniamo agli algoritmi di riconoscimento dei caratteri per avere un sistema di riconoscimento della visione artificiale addestrato, quindi anche tu hai una tipografia complessa, l’OCR sarà in grado di leggerli. Si tratta di un sistema così robusto in grado di leggere anche lettere scritte a mano. Prova dei migliori designer!

7. Computer Vision + robotics for bin picking

E infine una delle applicazioni che ci vengono più richieste, combinando la robotica collaborativa con la computer vision per poter eseguire il bin picking di pezzi posizionati in modo disordinato. I pezzi sono disordinati e quindi abbiamo bisogno di ottimizzare le traiettorie e rilevare le coordinate di presa. Il robot ha bisogno di aiuto (la visione artificiale) dicendogli che cosa un pezzo è e dove si trova, in modo che possa decidere qual è il modo migliore per raccogliere il pezzo.