پردازش تصویر نبض پرقدرت هوش مصنوعی

ما در دنیای حرکت و تغییر زندگی می کنیم و هر جایی که بشر نیاز به ثبت وقایع و پدیده ها یا خودکارسازی فعالیت ها داشته، رده پایی از پردازش تصویر وجود دارد.

از کنترل کیفیت محصولات یک کارخانه تا تولید خودروها و هواپیماهای خودران در صنعت؛ از انواع تصویربرداری های پزشکی از درون بدن تا عکسهای ماهواره ای که تغییرات پوشش زمین را طی دهه ها نشان می دهند؛ از آنالیز اطلاعات آشکارسازها از دنیای درون اتم تا عکس هایی که تلسکوپ هابل از دنیای میلیون ها سال پیش ثبت می کند، همه در قلمرو پردازش تصویر است.

پردازش تصاویر هابل

تلسکوپ فضایی هابل عکس ها را به صورت سیاه و سفید می گیرد و با استفاده از پردازش تصویر عکس ها رنگی می شوند.

پردازش تصویر چیست ؟

پردازش تصویر دانش جدیدی است كه سابقه آن به بعد از اختراع کامپیوترها باز می گردد. این علم نوپا در چند دهه اخیر پیشرفت های چشمگیری داشته است. روش های پردازش تصویر در دو زمینه:

  1. بهبود کیفیت تصاویر برای درک انسانی
  2. پردازش تصویر برای درک ماشین

قرار می گیرد. بنابراین به طور خلاصه پردازش تصویر را می توان استفاده از الگوریتم های کامپیوتر برای بهبود تصاویر یا درک آن توسط ماشین دانست.

مهمترین مراحل پردازش

به صورت خلاصه می توان گفت پردازش تصویر در اکثر کاربردها شامل مراحل زیر است:

  1. دریافت تصویر به عنوان ورودی: در مرحله نخست به وسیله ابزارهایی مانند دوربین، اسکنر نوری و یا حسگر دیجیتالی، تصویر ورودی بدست می آید.
  2. پیش پردازش: هدف اصلی پیش پردازش، بهبود تصویر به وسیله تکنیک هایی است كه امكان موفقیت سایر پردازش های بعدی را افزایش دهد، پیش پردازش شامل حذف نویز، بهبود تمایز و… است. در تصویر زیر از فیلتر برای حذف نویز استفاده شده است.‌
  3. پردازش تصویر: این مرحله شامل بخش بندی تصویر به صورت مرزها یا نواحی می باشد. نمایش مرزی وقتی مفید است که ویژگی های بیرونی جسم مانند گوشه ها یا خمیدگی ها مهم باشند و از نمایش ناحیه ای، زمانی که خصوصیات درونی مثل بافت یا استخوانبندی مد نظر باشد استفاده می کنیم‌. در این مرحله با استفاده از توصیف بخش هایی که ویژگی های مورد نظر ما را دارند جدا سازی می شود .تشخیص بافت در پردازش تصویردر شکل بالا خصوصیات بافت مد نظر بوده و از بخشبندی ناحیه ای استفاده کرده ایم.
  4. مرحله تشخیص و تعبیر: در این مرحله بر اساس اطلاعات حاصل از توصیفگرها به بخش های مختلف برچسب میزنیم یا برای مجموعه ای از اشیا معنا در نظر می گیریم. در شکل زیر مراحل پردازش تصویر را مشاهده می کنید.

سطوح پردازش تصویر

در زمینه های علمی و صنعتی مختلف سطوح متفاوتی از پردازش تصویر انجام می شود؛ سطح کم عمق شامل پردازش های ابتدایی مانند حذف نویز، فیلترکردن، تغییر کنتراست و … است. در سطح میان عمق ،خروجی پردازش، صفاتی از اشیا مانند لبه ها، کانتورها و تشخیص اشیا است و در سطح عمیق پردازش تصویر شامل فهمیدن رابطه بین اشیا و تعبیر صحنه و تشخیص هایی است که سیستم بینایی انسان انجام می دهد.

در تصویر بالا سیستم پردازش تصویر عمیق قادر به تشخیص افراد و اتومبیل های اطراف است.

پردازش تصویر در یادگیری ماشین و یادگیری عمیق

یادگیری ماشین شاخه ای از هوش مصنوعی است، هوش را می توان توانایی سیستم در پاسخ به موقعیت های ناآشنا تعریف کرد. در حال حاضر شرکت ها از هوش مصنوعی برای بهبودی کارایی فرایندها و خودکار کردن کارها و پیش بینی آینده تجارت بر اساس داده ها استفاده می کنند. از آنجا که این فنآوری در اصل یک سیستم پردازش داده است در همه صنایع به منظور بهینه سازی کاربرد دارد.

هوش مصنوعي

شرکت ها از هوش مصنوعی برای بهبودی کارایی فرایندها و خودکار کردن کارها استفاده می کنند .

یادگیری ماشین

یادگیری ماشین در واقع به معنای یادگیری کامپیوترهاست؛ به این صورت که الگوریتم ها، الگوهای موجود در داده ها را تشخیص می دهند و پس از دریافت اطلاعات جدید نتایج را پیش بینی می کنند.

يادگیری عمیق ماشین

یادگیری عمیق در واقع تکامل پیچیده ای از الگوریتم های یادگیری ماشین است. یادگیری عمیق داده ها را با ساختاری منطقی شبیه به نتیجه گیری انسان تعبیر می کند.

برای دستیابی به هدف یادگیری عمیق از الگوریتم هایی با ساختار لایه ای به نام شبکه عصبی مصنوعی (ANN) استفاده می کنیم. شکل زیر نمادی از لایه های یک شبکه عصبی را نشان می دهد.

شبکه عصبی مصنوعی

مثالی از کاربرد یادگیری عمیق

تصور کنید که شرکت تسلا برا تشخیص علامت STOP در اتومبیل های خودران از یادگیری عمیق استفاده می کند.

در مرحله اول شبکه عصبی به طور خودکار خصوصیات مربوط به تابلو را که ویژگی (Feature) نام دارد شناسایی می کند، این ویژگی ها ممکن است ساختاری خاص در تصویر مانند لبه ها یا اشیا باشند. لایه بعدی یاد می گیرد فرضا چطور رنگ ها را متمایز کند و لایه سوم اشکال پیچیده تر را در تشخیص جسم شناسایی می کند. در نهایت الگوریتم های یادگیری عمیق با استفاده از داده های توصیفی که به عنوان ورودی دریافت کرده اند خطاهای خود را تشخیص می دهند و بررسی می کنند که آیا پیش بینی ای که کرده اند درست بوده یا باید آن را بهبود دهند.

همانطور که در مثال بالا اشاره شد می توان گفت که با استفاده از یادگیری عمیق پردازش تصویر به صورت خودکار انجام می شود.

پردازش تصویر در بینایی کامپیوتر

وقتي يک پروژه پردازش تصویر را با هدف درک محتوای تصویر، با کامپیوتر انجام می دهیم در حقیقت از بینایی کامپیوتر استفاده کرده ایم. بینایی کامپیوتر مجموعه اقداماتی است که با هدف ایجاد درک محتوی تصاویر برای کامپیوترها، شکل گرفته است.

بينايي کامپیوتر

نسبت دادن مفهوم بینایی به کامپیوتر از آنجایی شکل می گیرد که از کامپیوتر ها برای درک و تعبیر تصاویر استفاده می کنیم.

برای مدت‌ها، موتورهای جستجو اینترنت از طریق توضیحاتی که کاربر هنگام آپلود تصویر برای آن می‌نوشت اقدام به پیدا کردن تصاویر می‌کرد اما امروزه به لطف فناوری بینایی کامپیوتر و پردازش تصویر، موتورهای جستجو قادر هستند تصاویر را از طریق محتوای واقعی موجود در خودشان پیدا کنند.

پردازش تصویر در بینایی ماشین

بینایی ماشین به معنای استفاده از تکنولوژی‌های بینایی کامپیوتر برای حل مساله‌های دنیای واقعی در صنعت است. بر خلاف بینایی کامپیوتر که تمرکز آن بر روی پردازش تصاویر و درک محتوای آن است بینایی ماشین، دوربین و حسگرها را با دستگاه های ورودی و خروجی و شبکه کامپیوتر پیوند می دهد، بنابراین بینایی ماشین شامل علوم کامپیوتر، اپتیک، مهندسی مکانیک، اتوماسیون صنعتی و … می شود.

در این مقاله 10 نکته طلایی درباره طراحی سیستم های بینایی ماشین را مطالعه کنید.

کاربردهای پردازش تصویر صنعتی

سیستم بینایی ماشین در ایران پردازش تصویر صنعتی نام گرفته که در حالت کلی در چهار بخش عمده کاربرد دارد:

۱. هدایت (Guidance)

هدایت اجزاء از طریق بینایی ماشین کاربردهای فراوانی در صنعت دارد. در بیشتر مواقع، این مورد شامل جایگذاری یک قطعه خاص و اطمینان از قرارگیری آن در مکان درست است. درصورت استفاده از بینایی ماشین می‌توان این فرآیند را با کمترین میزان خطا انجام داد. علاوه بر این از تکنیک‌های بینایی ماشین می‌توان برای تعیین مکان و جهت یک قطعه خاص نیز استفاده کرد. این اطلاعات را می‌توان به ربات‌ها یا ماشین‌های کنترل‌گر منتقل نمود.

بینایی ماشین

۲. تشخیص (Identification)

تکنیک‌های بینایی ماشین که در برنامه‌های شناسایی استفاده می‌شود بیشتر شامل خواندن بارکد و کدهای ماتریس داده برای شناسایی و دسته‌بندی محصولات مختلف است. این اقدام باعث به حداقل رسیدن خطاهای مرحله تولید و بسته‌بندی محصولات می‌شود. با استفاده از فناوری بینایی ماشین بهره‌وری در خط تولید محصولات را می‌توان افزایش داد.

شناسايي باركد

۳. اندازه‌گیری (Gauging)

یکی دیگر از مزایای استفاده از بینایی ماشین در فرآیند تولید محصولات، امکان اندازه‌گیری ابعاد است؛ در این کاربرد، یک دوربین ثابت در بالای خط تولید تعبیه می‌شود. دوربین می‌تواند دو یا چند نقطه بر روی محصولات را تشخیص دهد. درصورتی که فاصله بین این نقاط نسبت به اندازه‌های مجاز متفاوت باشد، محصول از خط تولید خارج می‌شود. در شکل زیر کاربرد پردازش تصویر را در اندازه گیری فاصله پره های فن می بینید.

اندازه گیری با پردازش تصویر

۴. بازرسی و عیب‌یابی (Inspection)

بینایی ماشین عمدتاً جهت عیب‌یابی در فرآیند خط تولید استفاده می‌شود و انعطاف‌پذیری زیادی در تشخیص تعداد زیادی از اشیاء در صنایع مختلف دارد‌. عیب یابی در تولیدات کاشی و سرامیک، نقص در بسته های قرص و انواع دارو، بازرسی محصولات کشاورزی و تشخیص محصولات فاسد نمونه هایی از این کاربردهاست.‌ در زمینه عیب یابی، بینایی ماشین بسیار سریع‌تر و دقیق‌تر از فرآیند بازرسی دستی است.

در تصویر زیر تشخیص خرابی درب بطری با استفاده پردازش تصویر نشان داده شده است.

عيب يابي در بینایی ماشین

در این مقاله 7 کاربرد مهم از پردازش تصویر در بینایی ماشین را مطالعه کنید.

نرم افزار پردازش تصویر صنعتی

نرم افزار هالکن بهترین نرم افزار پردازش تصویر در بینایی ماشین و ساخت شرکت MVTec است که تازه ترین الگوریتم های پردازش تصویر مثل یادگیری عمیق ماشین و پردازش سه بعدی و … به سادگی در آن قابل پیاده سازی است .

نرم افزار هالکن

شرکت MVTec Software GmbH یکی از پیشگامان تولید نرم‌افزار بین‌المللی برای بینایی ماشین است. محصولات MVTec در طیف گسترده‌ای از برنامه‌های کاربردی مانند: صنعت، نیمه‌هادی، بازرسی سطح، کنترل کیفیت، مترولوژی، تکنولوژی پزشکی و ایمنی استفاده می‌شود. به‌طور خاص، نرم‌افزار MVTec راهکارهای جدید اتوماسیون را برای صنعت فراهم می‌کند. MVTec HALCON نرم افزار جامع استاندارد برای چشم انداز ماشین با یک محیط توسعه یکپارچه (HDevelop) است که در سراسر جهان استفاده می شود. 

برای آشنایی بیشتر با محیط و قابلیت های نرم افزار هالکن این مقاله را مطالعه کنید. در صورتی که علاقمند به آموزش جامع بینایی ماشین با نرم افزار هالکن هستید تیم تخصصی ویژن سیستم مسیر را برای شما بسیار هموار کرده است.‌

کاربردهای پردازش تصویر

همانطور که اشاره شد پردازش تصویر در بسیاری از زمینه های علمی، پژوهشی، صنعتی و… کاربرد های گسترده ای دارد. در اینجا میتوانید چهل کاربرد نرم افزار هالکن در پردازش تصویر و بینایی ماشین را ببنید.

پزشکی

یکی از حوزه های بسیار مهم که سیستم پردازش تصویر در آن نقش بسیار مهمی دارد، علم پزشکی می باشد. بینایی ماشین با استفاده از داده های بدست آمده از تصاویر میکروسکوپی، تصاویر اشعه ایکس، تصاویر تومرگرافی (CT scan)، تصاویر MRI و تصاویر آنژیوگرافی، اطلاعاتی جهت تشخیص بیماری افراد بدست می آورد که در روند درمان سریع بیماری به پزشکان کمک زیادی می کند.

در این تصویر کاربرد پردازش تصویر در تشخیص رگ های مسدود شده در آنژیوگرافی قابل مشاهده است.

کاربرد پردازش تصویر در پزشکی

تشخیص محل شکستگی استخوان، محل پیدایش تومور مغزی و غده های سرطانی، تشخیص بیمارهای تنفسی و قلبی نمونه ای از کاربردهای پردازش تصویر در علم پزشکی است.

شهرسازی و کنترل ترافیک

با مقایسه تصاویر شهر طی سال ها می توان متوجه تغییرات در سطح شهر شد.

همچنین با استفاده از دوربین های جاده ای و شناسایی پلاک اتومبیل ها می توان تخلفات رانندگی را تا حد قابل قبولی کاهش داد. با شمارش تعداد اتومبیل ها و شناسایی جهت رفت و آمد آنها میزان ترافیک در هر منطقه را تخمین میزنند.

پردازش تصویر در بررسی وضعیت ترافیک

صنعت خودروسازی و حوزه نظامی

در عصر جدید با رونمایی از خودروهای خودران، پهبادها و هلیکوپترهای بدون سرنشین شاهد پیشرفت علم و تکنولوژی در این صنعت مدرن و نوین هستیم.

این وسیله های بدون سرنشین نیازی به حضور راننده و خلبان ندارند؛ به صورت مستقل عمل کرده و  به وسیله بینایی ماشین قادر به تشخیص موانع و مسیریابی محیط اطراف خود هستند. در حوزه نظامی علاوه بر وجود پهبادها و هلیکوپترهای جنگنده، به کمک پردازش تصویر می توان محل دقیق پرتاب بمب و موشک را مشخص کرد.

صنعت

در یک کارخانه انجام اموری مانند تولید و بسته بندی محصولات، شمارش تعداد کالاها به صورت دستی، اندازه گیری میزان محصولات به وسیله چشم و تشخیص کالاهای معیوب کار بسیار دشواری است، اما با بکارگیری پردازش تصویر این عملیات را در زمان کمتر و با سرعت بیشتری انجام می دهیم‌.

امنیت

از پردازش تصویر به وفور در ابزارهای امنیتی مانند دوربین های مداربسته، سیستم تشخیص چهره بیومتریک همچنین در پهبادها و هلیکوپترهای بدون سرنشین استفاده میکنیم .

تشخیص چهره

یکی از این کاربرد های امنیتی ، تشخیص چهره است .

کاربرد هوایی و ماهواره ای

اطلاعات و داده های حاصل از پردازش تصاویر ماهواره ای در حوزه های کشاورزی، هواشناسی و نقشه برداری کاربردهای زیادی دارد. در تصویر زیر از پردازش تصویر برای شناسایی جاده استفاده شده است.‌

عکاسی

به کمک پردازش تصویر در هنر عکاسی، بهبود عکس های قدیمی و ویرایش و ارتقا سطح کیفیت تصاویر امکان پذیر می باشد.

ترميم تصوير

شبکه‌های اجتماعی

برای بررسی محتوای تصاویر از پردازش تصویر استفاده می‌شود و این مسئله برای افراد زیادی از جمله بازاریاب‌ها مسئله‌ای بسیار کاربردی می‌باشد. ابزارهای شناسایی تصویر، عملیات جست و جوی شبکه‌های اجتماعی مختلف برای یافتن تصاویر به خصوص را انجام می‌دهند و قادر هستند تا مزایای بسیار زیادی را به مشتریان برسانند.

موتورهای جست‌و‌جوی تصویری

در موتورهای جستجوی تصویر از فناوری پردازش تصویر برای ارائه بهترین نتیجه جستجوی تصویری استفاده می‌شود. برای مثال گوگل و بینگ، دو موتور جستجوی قدیمی تصویر هستند که از این فناوری در سطح بالایی برخوردارند.

جستجوي تصاوير

 

صنعت بازي سازی

تشخیص و شناسایی تصویر یکی از فناوری‌های مهم است که تغییرات بسیار زیادی را در صنعت بازی سازی ایجاد کرده است. برای مثال در پی تحولات کنونی، فناوری شناسایی تصویر پیشرفته به گیمر اجازه می‌دهد تا از موقعیت مکانی واقعی خود به عنوان میدان جنگ درون بازی برای ماجراجویی‌های مجازی استفاده کند.

 

 

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *