Компьютерное зрение в промышленности: задачи и перспективы

Что такое компьютерное зрение

Компьютерное зрение (computer vision, CV) входит в область искусственного интеллекта (AI). Через классические инструменты машинного обучения и нейросети сортирует полученные массивы данных и анализирует подвижные или статичные объекты. 

Как работает компьютерное зрение:

• фокусируется на поиске конкретных объектов, в том числе движущихся: рассматривает линии и изгибы, представляющие интерес;
• получает, а затем изучает изображения в реальном времени;
• обрабатывает их на основе математических алгоритмов: оценивает характеристики, классифицирует для дальнейшей работы. 

Разработка алгоритмов машинного обучения и внедрение CV-систем нужны для получения данных через аналоговые и веб-камеры, фотоаппараты, лазерные дальномеры, обработки и анализа изображений с помощью нейросетей и Machine Learning. Для сбора количественного и качественного материала устанавливают специализированное ПО на смарт-камеру, удаленный ПК, в облако по модели SaaS или на устройство, подключенное напрямую к девайсу для анализа видеопотока в реальном времени. 

Наиболее популярные библиотеки для анализа, классификации, обработки изображений: 

• OpenCV с разнообразными алгоритмами и интерфейсами под многие языки программирования, в их числе С++ и Python, для разработки систем компьютерного зрения.
• skimage, также используемая в скриптах Python;
• Keras — библиотека для разработки нейронных сетей.

Задачи, которые решает компьютерное зрение на производстве

Основные цели внедрения компьютерного зрения. 

Улучшение качества продукции

Автоматическая система распознавания образов исключает человеческий фактор при поиске брака: молниеносно ищет дефекты и несоответствия техническим регламентам. Модели-помощники обнаруживают и скидывают непригодные детали с конвейерной ленты. Оценщик гораздо дольше принимает аналогичные решения.  

Однако нейронные сети работают с небольшой погрешностью, потому в некоторых операциях уступают по качеству выборки. Важно учитывать такой фактор перед внедрением автоматизации, если себестоимость деталей высока. 

Сокращение издержек

Целый отдел на заводе без CV-систем круглосуточно следит за происходящим на территории: соблюдают ли сотрудники технику безопасности, не проникли ли посторонние на площадку или предприятие, просматривают многочасовые записи каждого помещения для поиска нарушений. Работу такого департамента способны заменить системы компьютерного зрения.

Обеспечение безопасности 

При выполнении потенциально опасных действий, например при работе с металлорежущими станками, инженеры обязаны надевать щиток на лицо. На таких предприятиях камеры и нейросети могут отслеживать соблюдение техники безопасности, снизить количество несчастных случаев, связанных с нарушением инструкций, на 30–35%.

Повышение гибкости производства

​​На заводах с системами распознавания образов появляются возможности быстрой перенастройки конвейеров для выпуска других продуктов, в том числе небольшими ограниченными тиражами под нужды бизнеса. В то же время не придется переучивать операторов производственных линий.

Проблемы при внедрении компьютерного зрения

Внедрение компьютерного зрения в промышленности остановится или замедлится при низком качестве датчиков и камер. При замене старого на более современное оборудование, с высокой частотой кадров и увеличенным разрешением, появится необходимость наращивать вычислительные мощности, улучшать системы хранения и передачи данных. Это по карману не каждому бизнесу. 
Остается актуальной проблема предвзятости алгоритмов. Распознаванию лиц чужда толерантность: может включать категории по врожденным характеристикам — полу, расе, возрасту. Плюс промышленные компании не задумываются, применяя данные, о нарушении приватности людей или отсутствии разрешения на использование изображений.

Перспективы развития технологии компьютерного зрения

Эксперты отмечают, что в последующие 5 лет рынок систем компьютерного зрения увеличится в 1,5 раза, а TAdviser к 2023 году прогнозирует рост в данной сфере до 38 млрд рублей. CV проникнет в новые индустрии, ведь потенциально технология может применяться везде, где есть изображения, которые можно считать и проанализировать. 

В сельском хозяйстве, например, уже работают беспилотные тракторы. В медицине планируют запуск устройств для ранней диагностики рака. В промышленности — число роботов станет больше. Как следствие — возрастет спрос на CV-системы для машин. 

Точность распознавания объектов на открытых дата-сетах за последние годы улучшилась благодаря прокачке основ нейросетей и архитектурных решений. Теперь можно говорить о точности от 85% до 98%. Сегодня нейросети во многом успешнее людей справляются с рядом задач, когда речь идет о рутинных операциях. Как следствие, увеличивается спрос на CV-системы для конвейерных производств.