89 / 100
cianti’, noti come ag-robot, stanno già dimostrando
ciò che le macchine sono in grado di fare. In effetti,
la computer vision e altre tecnologie legate all’intel-
ligenza artificiale, unite ai tool di riconoscimento vo-
cale, stanno progredendo molto rapidamente.
La visione 3D è la naturale evoluzione di quella 2D
ed è utilizzata in campo industriale in diversi ambiti
produttivi. La possibilità di riconoscere la forma di un
oggetto, per esempio, consente di pianificare le fasi di
lavorazione, ottimizzando i tempi e i costi di produ-
zione in uno stabilimento o impianto. Con la rapida
diffusione delle stampanti 3D, poi, crescerà la richiesta
di sistemi di scansione industriali, con la possibilità di
accelerare i processi coinvolti.
Computer vision
La ‘computer vision’ (CV) è quella scienza che per-
mette di insegnare a un computer come identificare
un oggetto fisico posto in un certo ambiente. Il suo
compito è catturare un’immagine, comprenderla, rico-
struirla internamente e crearne una descrizione. Uno
dei problemi centrali dell’elaborazione delle immagini
è l’identificazione di oggetti. La computer vision è alla
base della teoria dei sistemi artificiali, che estraggono
informazioni dalle immagini. I dati di immagine pos-
sono assumere molte forme, per esempio di sequenze
video, viste da più telecamere, o dati multidimensio-
nali, catturati da uno scanner medico.
In campo scientifico e ingegneristico la computer vision applica le
sue teorie, modelli e tecniche per la realizzazione di sistemi con-
cretamente utili, al fine di migliorare la percezione visiva umana,
per cui trova applicazione in vari campi: elaborazione di immagini
(‘imaging’), ‘pattern recognition’, matematica (statistiche, ottimiz-
zazione, geometria), fisica dello stato solido (sensori di immagine,
ottica), neurobiologia (visione biologico) ed elaborazione del
segnale. Machine vision e computer vision seguono approcci e
priorità fondamentalmente diversi. Da un lato, la computer vision
deve catturare immagini 2D di oggetti in una scena e applicare al-
goritmi elaborati per ricreare un’immagine 3D approssimativa di
quella scena. D’altra parte, un sistema di machine vision è interes-
sato solo alle immagini 2D di oggetti le cui caratteristiche salienti
vengono estratte ai fini della discriminazione (identificazione e
riconoscimento).
Dopo essere stata una tecnologia impiegata per la ricerca, negli
ultimi decenni la visione artificiale si è diffusa in una vasta gamma
di campi applicativi, tra i quali quelli legati alla sicurezza e alla
sorveglianza, in campo automotive, consumer, industriale e
medicale. Secondo uno studio della società Tractica, il mercato
delle tecnologie di visione artificiale crescerà dai 5,7 miliardi di
dollari del 2014 a 33,3 miliardi dollari entro il 2019, con un tasso
di crescita annuale composto (Cagr) del 42% (si veda figura 2). La
società di market intelligence prevede che il segmento consumer
sperimenterà il tasso di crescita più elevato, seguito da robotica
e visione industriale.
Il rapido sviluppo della tecnologia, insieme alla caduta dei prezzi
dei chip e alla crescente necessità di questi sistemi per l’auto-
mazione, la sorveglianza e il mondo consumer per applicazioni
basate su fotocamera, sono alcuni dei fattori che attualmente gui-
dano l’adozione delle tecnologie di visione artificiale. Le nuove
tecniche, infine, promettono di migliorare la precisione e l’affida-
bilità dei sistemi di computer vision.
Dispositivi ‘mobile’ e computer vision
Lo sviluppo di dispositivi mobili rappresenta la maggiore sfida at-
tuale dei sistemi di computer vision. Telecamere e sensori rappre-
sentano l’essenza di dispositivi mobili quali tablet e smartphone,
attraverso i quali si può, per esempio, delineare la struttura tridi-
mensionale di una stanza con un semplice puntamento del ta-
blet. La tecnologia computer vision usa in modo intelligente tutti
i sensori di uno smartphone. Un sensore di luce,
per esempio, può essere utilizzato per controllare
il consumo energetico. Altre applicazioni di com-
puter vision includono la correzione dell’illumina-
zione fotografica negli smartphone e utilizzano un
accelerometro per altre applicazioni di controllo.
I produttori di dispositivi hanno anche assolto
alla richiesta di dispositivi in grado di assistere le
persone non vedenti o ipovedenti, per rilevare ed
evitare gli ostacoli ambientali. Una soluzione a que-
sto problema è costituita da un’applicazione per
smartphone (app) messa a punto dai ricercatori
dell’Università di Alicante, dipartimento di Informa-
tica e Intelligenza Artificiale. L’applicazione è pro-
gettata per riconoscere e monitorare gli ostacoli
ad altezza-uomo (testa). Per poter utilizzare l’appli-
cazione, la persona deve indossare lo smartphone
come fosse un ciondolo, con fotocamera 3D e di-
spositivo di puntamento della distanza dal corpo.
L’applicazione vibra quando viene rilevato un osta-
colo. La app è stata progettata per raccogliere i dati provenienti
dai sensori di orientamento (accelerometro e magnetometro)
dello smartphone, al fine di rilevare gli ostacoli lungo il percorso
sul quale sta procedendo la persona non vedente. Raccoglie
quindi le informazioni dalla fotocamera 3D del dispositivo, per
monitorare i potenziali ostacoli e avvisare la persona in caso di
eventuali pericoli di collisione.
Figura 2 - Mercato delle soluzioni di visione artificiale (
Fonte Tractiva
)
Fonte:Water_eyes_animals_bokeh_alligators_reptiles_melody
LUGLIO-AGOSTO 2015
Automazione Oggi 383
89