Машинное зрение

Современный мир – это высокие скорости: скорость принятия решений, скорость передачи данных и, наконец, скорость развития технологий. Человек не всегда успевает за стремительно меняющейся реальностью. Кажущаяся совершенно недавно фантастической идея замены людей на роботов, сегодня – наша действительность.
Конечно, пока что данные технологии применимы на промышленных предприятиях, крупных складах, транспортных компаниях, а не в домохозяйстве. Но вполне вероятно, что в ближайшем будущем мы увидим их у себя дома.

Массовое внедрение роботов неотделимо от систем машинного зрения. Что же это такое? Стоит сразу обозначить, что машинное зрение, в отличие от компьютерного, - это более узкий термин, рассматривающий применение компьютерного зрения для промышленности и производства на всех технологических этапах. Обычно система машинного зрения оснащена «умными» камерами, а также системой обработки входящих изображений. 
Оборудование для систем машинного зрения включает в себя процессоры, вычислительные модули, видеокарты MXM, несущие платы и промышленные компьютеры в металлическом корпусе на их основе. К компьютерам подключаются камеры машинного зрения по интерфейсам USB, MIPI CSI, GMSL, Ethernet или же в компьютеры устанавливаются карты видеозахвата для работы с аналоговыми камерами. 

Камеры машинного зрения передают данные в несжатом формате и имеют высокую скорость съемки. В них используются крупноформатные сенсоры с глобальным затвором, высокой чувствительностью и разрешением, промышленные интерфейсы передачи данных, контроль и управление всеми параметрами сенсора, наличие линий входа/выхода для синхронизации с внешним оборудованием, наличие средства для разработки программы анализа изображений. Основная задача камеры машинного зрения – получение изображения наивысшего качества для последующего анализа данных в разработанной пользователем программе.

Как же заставить систему машинного зрения правильно выполнять поставленную задачу? Здесь существуют два основных подхода. Первый – описание алгоритма распознавания тех или иных признаков на изображении при помощи математических формул. Так, например, работает библиотека алгоритмов с открытым исходным кодом OpenCV, которую с 2006 года развивает компания Intel. Этот метод хорош, когда нужно распознавать однородные графические элементы. Например, когда по конвейеру движутся лежащие в одном и том же положении детали, на которые падает исходящий из одной и той же точки свет.

Второй путь – обучение сверхточной нейронной сети. Этот метод более затратен по времени, ведь нейросеть требуется обучать на огромном количестве примеров, помогая ей распознавать брак с нужной вероятностью. Зато нейросеть будет работать в куда большем диапазоне возможных условий. Это могут быть, например, случайно разбросанные предметы с бликами от ламп на них. Еще один пример применения такого машинного зрения является – сортировка и упаковка овощей, которые хоть и похожи друг на друга, но все же не откалиброваны, а также могут иметь множество самых разных дефектов.

Ни одно крупное производство, умный склад или умный офис не может себе позволить остановку в работе по причине выхода из строя, например, видеокамеры в системе машинного зрения. Поэтому комплекс машинного зрения должен работать надежно, как и любой другой датчик - постоянно сообщать необходимую информацию без вмешательства оператора и лишь с небольшим техобслуживанием. В машинном зрении это достигается за счет использования компонентной базы индустриального класса во всех элементах системы, высокоточным производством и тщательным контролем каждого элемента. Для увеличения производительности системы к компьютерам могут быть подключены дополнительные субпроцессорные платы - акселераторы, например, Intel Movidius для нейронных сетей или Google Coral Edge TPU.

Для полноценной работы систем машинного зрения необходимы определенные требования, которым должно соответствовать оборудование:

• соответствующие международным стандартам высокопроизводительные интерфейсы для подключения камер GigE/PoE и USB3, слот расширения для установки фреймграббера CameraLink или CoaXpress;
• широкий выбор процессоров достаточной мощности с графическими сопроцессорами и высоко­производительными наборами микросхем (chipset), способными обрабатывать большие потоки данных;
• цифровые, легко программируемые линии для подключения датчиков и синхронизации камер и осветителей;
• установка нескольких, в том числе быстросъемных, накопителей, организация RAID-массивов для высокоскоростной записи видеопотоков и хранения больших объемов данных;
• промышленные интерфейсы для подключения внешних устройств: RS-232/485, CAN;
• прочный компактный механический конструктив с минимумом подвижных компонентов, для обеспечения надежной работы и длительного срока службы в сложных условиях эксплуатации. 
  
  Отличительная особенность машинного зрения – абсолютная точность. Ни одна деталь не выпадает из поля зрения. Компьютер не отвлекается, не отдыхает и ничего не упускает. Темпы развития машинных технологий стремительны. Раньше всего 70 процентов объектов распознавалось корректно, теперь точность достигает 98 процентов. Объекты не только распознаются, но и анализируются. Главное преимущество машинного зрения перед человеческим – способность концентрации на бесконечном множестве объектов. Это происходит за счёт вышеупомянутой нейронной сети.
  
  Чем нейросеть отличается от обычной программы? Обычная программа написана человеком, который полностью продумывает весь ее алгоритм и прописывает до мелочей все функции. Когда же перед нами стоят сложные задачи вроде компьютерного зрения, разработать подходящий алгоритм очень сложно. В этом отличительная особенность машинного обучения: мы только проектируем архитектуру нейронной сети для решения определенной задачи, но какие именно она будет давать ответы, мы не определяем. Для оценки точности результата специалист по машинному обучению берет данные, которые нейросеть никогда не видела, и, в зависимости от вопроса, предоставляет их ей, а после человек смотрит на долю правильных и неправильных ответов. Именно при помощи машинного обучения сейчас достигаются лучшие результаты в решении практических задач.
  
  Практическое применение систем машинного зрения довольно разнообразно и вошло в нашу жизнь уже давно. Порой мы даже не замечаем этого, но многие сферы повседневной жизни охвачены машинным зрением: от контроля качества продуктов в магазинах до крупного промышленного производства. Кроме этого, оно применимо в следующих областях:

• Ускоренное производство уникальных продуктов
• Контроль предварительно изготовленных объектов (например, контроль качества, исследование допущенных ошибок)
• Системы визуального контроля и управления (учет, считывание штрихкодов)
• Контроль автоматизированных транспортных средств
• Системы «умных» зданий, «умных» складов
• Системы безопасности в промышленных условиях

Например, для обеспечения безопасности на производстве или в автотранспортных предприятиях система может заблокировать рабочее место специалиста, если он не соблюдает определённые правила. Что позволяет сократить количество несчастных случаев.

 Еще одна возможность для машинного зрения – это Интернет вещей. Интернет вещей применятся в следующих отраслях:

• фабрики и заводы;
• ритейл;
• складские комплексы;
• банковский сектор;
• логистика и транспорт;
• животноводство;
• сельское хозяйство;
• бытовые отрасли;
• автомобилестроение;
• фармацевтика
• строительство «умных» зданий.

Внедрение машинного зрения во все сферы жизни – это наше ближайшее будущее. По прогнозам Market Research Future, уже в середине 20-х годов 21-го тысячелетия доля машинного зрения на мировом рынке превысит пятнадцать млрд долларов. 

Компания ID Solution внедряет технологию машинного зрения во многие сферы производства.  Так, мы подбирали и разрабатывали аппаратные платформы (промышленные компьютеры для AI) для российских разработчиков нейроных сетей. В результате, благодаря совместным усилиям, были успешно внедрены технологии машинного зрения в следующие сферы производства:

- Системы автоматической фиксации нарушений правил дорожного движений;

- Системы контроля безопасности на улицах и общественном транспорте;

- Магазины без продавцов;

- Автопилоты специализированной грузовой техники;

- Системы промышленной безопасности труда;

- Контроль качества сортировки и комплектации;

- Анализ дефектов дорожного и железнодорожного полотна;

- Контроль передвижения и учет авто и железнодорожного транспорта;

- Системы умной парковки;

- Системы умного офиса и управление очередями;

- Медицинские системы диагностики;

- Системы построения тепловых карт и загруженности площадей;

- Контроль качества видеосигнала, системы кодирования\декодирования и передачи видео;

- Системы распознавания голосовых команд;

- Беспилотные летательные аппараты, андроиды и роботизированные установки.

Компания IDSolution разрабатывает и производит российские несущие платы и промышленные компьютеры на вычислительных модулях Nvidia Jetson, процессорах Intel c дискретными видеокартами Nvidia, ARM процессорах с ускорителями Movidius и Google Coral Edge TPU.