AES_3 2022

SCENARI Primo piano 14 Aprile 2022 n Automazione e Strumentazione Parliamo di visione automatica (Machine Vision) riferendoci a quell’insieme di tecniche, metodi e strumenti dedicati all’elaborazione dei dati visivi, all’analisi e all’interpretazione delle immagini per un più efficace controllo dei processi di produzione. Si può ormai considerare come una delle tecnolo- gie chiave nel campo dell’automazione industriale, in quanto può trovare applicazione praticamente in tutte le industrie sia manifattu- riere che di processo: può essere eseguita sia in locale che su cloud. Vista nell’ambito delle tecno- logie informatiche consiste in tutti quei sistemi che abilitano i computer a identificare e com- prendere gli oggetti e le persone nelle immagini e nei video. Ana- logamente ad altre tecniche di Intelligenza Artificiale (AI), la visione automatica consente di eseguire e automatizzare attività che replicano le capacità umane: nella fattispecie, cerca di replicare il modo in cui gli esseri umani vedono il mondo e comprendono ciò che vedono. I vantaggi più rilevanti dati dal suo utilizzo in ambito industriale e manifatturiero si ottengono nell’esecuzione di verifiche di conformità e monitoraggio dei prodotti e nell’implementazione di sistemi di guida per robot; ma sono in sensibile aumento applicazioni per il monitoraggio di asset industriali in vista della manutenzione predittiva; come pure sistemi per monitorare gli impianti per individuare eventuali situazioni di rischio e contribuire alla sicurezza nei luoghi di lavoro e alla tutela dell’ambiente. Tra le caratteristiche peculiari dei sistemi di visione automatica industriale c’è anzitutto l’assenza di con- tatto: l’unica sorgente di informazione è rappresen- tata dalle immagini e quindi gli oggetti non vengono A FIL DI RETE www.adv-tech.it www.messefrankfurt.it anieautomazione.anie.it videosystems.it www.cognex.com DOSSIER: AI E RETI NEURALI PER I SISTEMI DI VISIONE Machine Vision e Deep Learning Tecniche sempre più avanzate di Intelligenza Artificiale (AI), in particolare di Machine Learning e più ancora di Deep Learning, aumentano enormemente le potenzialità dei sistemi di visione automatica. I vantaggi delle reti neurali convoluzionali e l’ampliamento dei campi applicativi. Mario Gargantini L’affermarsi del DL nella visione è trainato dalla disponibilità di diverse risorse: ampi insiemi di immagini pre-classificate; hardware adeguati (GPU); architetture computazionali adatte alla fase di addestramento; modelli pre-addestrati per task specifici (transfer learning)