AO_427

GENNAIO-FEBBRAIO 2021 AUTOMAZIONE OGGI 427 90 AO TUTORIAL Massimo Giussani uello della visione artificiale è un campo multi- disciplinare che si appoggia a teorie e tecniche sviluppate nell’ambito dell’ottica, dell’elettro- nica, dell’informatica e dell’intelligenza artifi- ciale. Con il volgere del secolo i metodi basati su AI simbolica e Deep Learning hanno subito un’evoluzione rapida e ricca di diramazioni con risvolti pratici di grande suc- cesso. Gli odierni algoritmi di visione artificiale sono impiegati in applicazioni di riconoscimento di pattern, identificazione di oggetti, classificazione di immagini e video, riconoscimento fac- ciale, e, integrati con le informazioni provenienti da altri tipi di sensori, sono un elemento chiave dell’interpretazione dell’am- biente circostante da parte di robot industriali e veicoli a guida autonoma. Si tratta di un campo dalle mille sfaccettature i cui progressi più significativi sono quelli avvenuti attorno alla modellizzazione del processo di visione in termini del corrispondente processo biologico. I primi passi in questo ambito si possono far risalire agli espe- rimenti che, a partire dal 1959, David Hubel e Torsten Wiesel condussero sulla corteccia visiva dei gatti e di altri mammiferi. L’attività dei singoli neuroni in risposta a stimoli visivi evidenziò Q Vedere, osservare, discernere I progressi dell’AI, e in particolare del Deep Learning, hanno elevato le prestazioni degli algoritmi di visione artificiale a livelli paragonabili alla percezione umana una sensibilità della risposta nei confronti dell’orientamento dei contorni delle immagini, indipendentemente dalla loro posizione. Hubel e Wiesel ipotizzarono un meccanismo di ela- borazione gerarchica delle informazioni visive che partiva dai dettagli più semplici, come bordi e angoli e gradualmente si specializzava fino a comprendere forme, colori e movimento. Negli anni ‘70 David Marr fu tra i primi ad applicare le idee di Hubel e Wiesel alla visione artificiale, proponendo un processo di elaborazione multistadio delle immagini simile a quello ipo- tizzato per la corteccia visiva dei mammiferi. Questo approccio gerarchico può essere efficientemente implementato nelle mo- derne reti neurali artificiali ed è in larga parte responsabile del loro successo nel portare a termine le principali operazioni di elaborazione e interpretazione delle immagini. L’importanza della segmentazione Nella moderna analisi delle immagini si possono identificare tre operazioni fondamentali: segmentazione, classificazione e rilevamento. La segmentazione separa le diverse parti che co- stituiscono l’immagine sulla base di particolari caratteristiche di- stintive che vanno dal colore alla forma, per arrivare nei sistemi più evoluti all’appartenenza a una determinata categoria di