Задачи машинного зрения и области его применения

Машинное зрение - это применение компьютерного зрения для промышленности и производства. Областью интереса машинного зрения являются цифровые устройства ввода/вывода и компьютерные сети, предназначенные для контроля производственного оборудования. Машинное зрение имеет некоторые преимущества перед зрением человека. Соответственно, актуально развивать это направление  науки. В данном обзоре рассказывается об истории развития машинного зрения, компонентах системы машинного  зрения, применении машинного зрения и будущем данной области науки.

Введение

компьютерный машинный зрение производственный

Основную часть информации о внешнем мире человек получает по зрительному каналу и далее  весьма эффективно обрабатывает полученную информацию при помощи аппарата анализа  и интерпретации визуальной информации. Поэтому встает вопрос о возможности  машинной реализации данного процесса.

За счет возрастания сложности  решаемых научно-технических задач, автоматическая обработка и анализ визуальной информации становятся все  более актуальными вопросами. Данные технологии используются в весьма востребованных областях науки и техники, таких  как автоматизация процессов, повышение  производительности, повышение качества выпускаемых изделий, контроль производственного  оборудования, интеллектуальные робототехнические  комплексы, системы управления движущимися  аппаратами, биомедицинские исследования и множество других. Кроме того, можно сказать, что успех современного бизнеса основывается главным образом  на качестве предлагаемой продукции. А  для его обеспечения, если говорить о производстве материальных вещей, требуется визуальный контроль.

Далее мы будем использовать термин «машинное зрение» (Machine vision) как понятие, наиболее полно объемлющее круг инженерных технологий, методов и алгоритмов, связанных с задачей интерпретации визуальной информации, а также как практическое использование результатов этой интерпретации.

1. История развития машинного  зрения

Компьютерное зрение оформилось как самостоятельная дисциплина к концу 60х годов. Это направление  возникло в рамках искусственного интеллекта в тот его период, когда еще  были горячи споры о возможности  создания мыслящей машины. Оно выделилось из работ по распознаванию образов. [Зуева, 2008]

В истории развития машинного  зрения можно выделить следующие  этапы:

· 1955 г. - профессор Массачусетского  технологического института (МТИ) Оливер Селфридж опубликовал статью «Глаза и уши для компьютера». В ней автор выдвинул теоретическую идею оснащения компьютера средствами распознавания звука и изображения.

· 1958 г. - психолог Фрэнк Розенблатт из Корнеллского университета создал компьютерную реализацию персептрона (от perception - восприятие) - устройства, моделирующего схему распознавания образов человеческим мозгом. Персептрон был впервые смоделирован в 1958 году, причем его обучение требовало около получаса машинного времени на ЭВМ IBM-704. Аппаратный вариант - Mark I Perceptron - был построен в 1960 г. и предназначался для распознавания зрительных образов [Компьютерное зрение, 2010].

Однако рассмотрение задач  машинного зрения носило скорее умозрительный  характер, так как ни техники, ни математического обеспечения для  решения таких сложных задач  еще не было.

· 1960-е гг.- появление первых программных систем обработки изображений (в основном для удаления помех  с фотоснимков, сделанных с самолетов  и спутников), стали развиваться  прикладные исследования в области  распознавания печатных символов. Однако все еще существовали ограничения  в развитии данной области науки, такие как отсутствие дешевых  оптических систем ввода данных, ограниченность и довольно узкая специализация  вычислительных систем. Бурное развитие систем компьютерного зрения на протяжении 60-х годов можно объяснить расширением  использования вычислительных машин  и очевидной потребностью в более быстрой и эффективной связи человека с ЭВМ. К началу 60-х годов задачи компьютерного зрения в основном охватывали область космических исследований, требовавших обработки большого количества цифровой информации.

· 1970-е гг. - Лавренсе Робертс, аспирант МТИ, выдвинул концепцию машинного построения трехмерных образов объектов на основе анализа их двумерных изображений. На данном этапе стал проводиться более глубокий анализ данных. Начали развиваться различные подходы к распознаванию объектов на изображении, например структурные, признаковые и текстурные.

· 1979 г. - профессор Ганс-Хельмут Нагель из Гамбургского университета заложил основы теории анализа динамических сцен, позволяющей распознавать движущиеся объекты в видеопотоке.

· В конце 1980-х годов  были созданы роботы, способные более-менее  удовлетворительно оценивать окружающий мир и самостоятельно выполнять  действия в естественной среде

· 80-е и 90-е годы ознаменовались появлением нового поколения датчиков двухмерных цифровых информационных полей  различной физической природы. Развитие новых измерительных систем и  методов регистрации двухмерных цифровых информационных полей в  реальном масштабе времени позволило  получать для анализа устойчивые во времени изображения, генерируемые этими датчиками. Совершенствование  же технологий производства этих датчиков позволило существенным образом  снизить их стоимость, а значит, значительно  расширить область их применения

· С начала 90-х годов  в алгоритмическом аспекте последовательность действий по обработке изображения  принято рассматривать в согласии с так называемой модульной парадигмой. Эта парадигма, предложенная Д. Марром на основе длительного изучения механизмов зрительного восприятия человека, утверждает, что обработка изображений должна опираться на несколько последовательных уровней восходящей информационной линии: от «иконического» представления объектов (растровое изображение, неструктурированная информация) - к их символическому представлению (векторные и атрибутивные данные в структурированной форме, реляционные структуры и т. п.). [Визильтер и др., 2007]

· В середине 90-х годов  появились первые коммерческие системы  автоматической навигации автомобилей. Эффективные средства компьютерного  анализа движений удалось разработать  в конце XX века

· 2003 г. - на рынок были выпущены первые достаточно надежные корпоративные  системы распознавания лиц.

2. Задачи машинного зрения  и области его применения

2.1 Определение понятия  «машинное зрение»

Машинное зрение - это применение компьютерного зрения для промышленности и производства. Областью интереса машинного зрения, как инженерного  направления, являются цифровые устройства ввода/вывода и компьютерные сети, предназначенные  для контроля производственного  оборудования, таких как роботы-манипуляторы или аппараты для извлечения бракованной продукции. [wikipedia, 2010]

Machine vision is the study of methods and techniques whereby artificial vision systems can be constructed and usefully employed in practical applications. As such, it embraces both the science and engineering of vision.

Its study includes not only the software but also the hardware environment and image acquisition techniques needed to apply it. As such, it differs from computer vision, which appears from most books on the subject to be the realm of the possible design of the software, without too much attention on what goes into an integrated vision system (though modern books on computer vision usually say a fair amount about the "nasty realities" of vision, such as noise elimination and occlusion analysis). [Davies, 2004]

2.2 Машинное зрение в  настоящее время.

В настоящее время существует четкая граница между так называемым монокулярным и бинокулярным компьютерным зрением. К первой области относятся  исследования и разработки в области  компьютерного зрения, связанные  с информацией, поступающей от одной  камеры или от каждой камеры отдельно. Ко второй области относятся исследования и разработки, имеющие дело с информацией, одновременно поступающей от двух и  более камер. Несколько камер  в таких системах используются для  измерения глубины наблюдения. Эти  системы называются стереосистемами.

К настоящему моменту теория компьютерного зрения полностью  сложилась как самостоятельный  раздел кибернетики, опирающийся на научную и практическую базу знаний. Ежегодно по данной тематике издаются сотни книг и монографий, проводятся десятки конференций и симпозиумов, выпускается различное программное  и аппаратно-программное обеспечение. Существует ряд научно-общественных организаций, поддерживающих и освещающих исследования в области современных  технологий, в том числе технологии компьютерного зрения.

2.3. Основные задачи машинного  зрения

В целом, в задачи систем машинного  зрения входит получение цифрового  изображения, обработка изображения  с целью выделения значимой информации на изображении и математический анализ полученных данных для решения  поставленных задач.

Однако машинное зрение позволяет  решать множество задач, которые  условно можно разделить на четыре группы (Рис.2) [Лысенко, 2007]:

Рис.2. Задачи машинного зрения

· Распознавание положения

Цель машинного зрения в данном применении - определение  пространственного местоположения (местоположения объекта относительно внешней системы координат) или  статического положения объекта (в  каком положении находится объект относительно системы координат  с началом отсчета в пределах самого объекта) и передача информации о положении и ориентации объекта  в систему управления или контроллер.

Примером такого приложения может служить погрузочно-разгрузочный робот, перед которым стоит задача перемещения объектов различной  формы из бункера. Интеллектуальная задача машинного зрения заключается, например, в определении оптимальной  базовой системы координат и  ее центра для локализации центра тяжести детали. Полученная информация позволяет роботу захватить деталь должным образом и переместить  ее в надлежащее место.

• Измерение

В приложениях данного  типа основная задача видеокамеры заключается  в измерении различных физических параметров объекта.

Примером физических параметров может служить линейный размер, диаметр, кривизна, площадь, высота и количество. Пример реализации данного задачи - измерение различных диаметров  горлышка стеклянной бутылки.

• Инспекция

В приложениях, связанных  с инспекцией, цель машинного зрения - подтвердить определенные свойства, например, наличие или отсутствие этикетки на бутылке, болтов для проведения операции сборки, шоколадных конфет в  коробке или наличие различных  дефектов.

• Идентификация

В задачах идентификации  основное назначение видеокамеры - считывание различных кодов (штрих-кодов, 2D-кодов и т. п.) с целью их распознавания средствами камеры или системным контроллером, а также определение различных буквенно-цифровых обозначений. Кроме того к задачам данной группы можно отнести системы, выполняющие задачи безопасности, такие как идентификация личности и техники, детекторы движения.

Исходя из задач, которые  решает машинное зрение, можно выделить множество областей применения машинного  зрения. Однако стоит отметить, что  сегодняшняя структура спроса определяется пока еще ограниченными возможностями  современных систем машинного зрения.

Ниже приведена структура  рыночного спроса по проектной тематике (Рис.3) [Бобровский, 2004]:

Рис.3. Структура рыночного  спроса

· 50% всех систем машинного  зрения эксплуатируются в задачах  контроля качества, т.е. решают инспекционные  задачи машинного зрения. Это прежде всего визуальный контроль за процессом сборки, цветом и качеством поверхности продукции, внешним видом и чистотой упаковки, правильностью и разборчивостью этикеток, уровнем жидкости во всевозможной таре и т. д. Примерно 10% этих задач выполняются системами трехмерного зрения. Отдельная область использования систем машинного зрения на производстве - проведение всевозможных визуальных измерений параметров технологических процессов и, в частности, определение размеров предметов, т.е. решение задач измерения.

· 20% спроса приходится на системы  машинного зрения для проектов автоматизации  производства и внедрения промышленных роботов. Такие системы машинного  зрения упрощают самые разные виды высокоточной деятельности (сборка и  разборка, фасовка, покраска, сварка, утилизация), облегчают транспортировку грузов, применяются в системах учета, маркировки, регистрации и сортировки продукции. Также инспекционные задачи и  задачи расположения для правильной работы робота.

· 17% всех продаж систем машинного  зрения составляют широко известные  и хорошо работающие OCR/OCV-системы  распознавания печатных символов и  штрих-кодов. Решение задачи идентификации.

· Рынок систем машинного  зрения для непроизводственных (развлекательных, бытовых, исследовательских) роботов  составляет 13%.

2.4 Основные области применения  машинного зрения

В статье Бобровского «Когда машины прозреют» [Бобровский, 2004] представлена следующая статистика областей, в  которых востребованы системы машинного  зрения:

· Небольшой процент рынка  приходится на системы виртуальной  реальности, предлагающие качественно  новый интерфейс "человек - компьютер", основанный на распознавании лиц  и жестов, на системы, обеспечивающие выполнение задач безопасности, смысловой  анализ мультимедийных данных и т.д.

· Востребованы системы машинного  зрения и в робототехнике. Эксперты полагают, что технологии машинного  зрения - самый простой способ научить  аппараты автономным действиям в  естественном мире.

· Существенный спрос наблюдается  со стороны сельскохозяйственных организаций, где необходима автоматизация деятельности по визуальному контролю и сортировке продуктов, однако пока системы машинного  зрения показывают в данной области  неудовлетворительные результаты.

· Отмечается рост интереса к системам машинного зрения со стороны  нанотехнологических фирм, биотехнологических компаний и в сфере медицины (автоматический анализ медицинских изображений - рентген, томография, УЗИ)