بینایی ماشین مجموعه‌ای از روش‌ها برای استخراج اطلاعات از عکس و ویدئو است؛ مثلاً پیدا کردن یک بسته در تصویر، خواندن شمارهٔ روی آن یا مشخص کردن آسیب ظاهری محصول. دوربین تصویر را ثبت می‌کند و نرم‌افزار از آن، خروجی قابل استفاده‌ای مثل تعداد، موقعیت شیء یا هشدار بازرسی می‌سازد.
برای کسب‌وکار، سؤال مهم این است که این خروجی چه کاری را بهتر می‌کند: کنترل ظاهر کالا، شمارش بسته‌های عبوری یا پیدا کردن موارد مشکوک در تصاویر تجهیزات؟ پاسخ به همین سؤال تعیین می‌کند چه دوربینی، چه داده‌ای و چه نوع ارزیابی لازم دارید.
بینایی ماشین چیست و با پردازش تصویر چه تفاوتی دارد؟
فرض کنید دوربین‌ها از پرتقال‌های در حال عبور روی خط سورتینگ تصویر می‌گیرند. روشن‌تر کردن عکس یا کاهش نویز، پردازش تصویر است. پیدا کردن هر میوه و علامت‌گذاری آسیب قابل مشاهده روی پوست، کاری است که از تحلیل محتوای تصویر انتظار داریم. در یک سامانهٔ کاربردی، این دو معمولاً کنار هم استفاده می‌شوند.
اصطلاح Computer Vision حوزهٔ گستردهٔ تحلیل تصاویر و ویدئوها را پوشش می‌دهد. در منابع صنعتی، Machine Vision بیشتر به سامانه‌ای گفته می‌شود که دوربین، نورپردازی، پردازش و ارتباط با تجهیزات را برای کارهایی مانند بازرسی و اندازه‌گیری کنار هم قرار می‌دهد. در فارسی، برای هر دو با عنوان «بینایی ماشین» روبه‌رو می‌شویم.
هر مسئله‌ای به یک مدل بزرگ یادگیری عمیق نیاز ندارد. برای تشخیص وجود یک قطعه در محل ثابت، ممکن است قواعد سادهٔ پردازش تصویر کافی باشند. وقتی شکل، بافت یا شرایط تنوع بیشتری دارد، روش‌های یادگیری ماشین نیز بررسی می‌شوند. انتخاب روش باید با مسئله و شرایط اجرا تناسب داشته باشد.
بینایی ماشین چگونه کار می‌کند؟
- ثبت تصویر: دوربین باید جزئیات موردنیاز را با نور، فاصله و سرعت مناسب ببیند.
- آماده‌سازی: ناحیهٔ مربوط جدا و در صورت نیاز اندازه، روشنایی یا نویز تصویر تنظیم می‌شود.
- تحلیل: الگوریتم یا مدل، شیء، متن، ناحیه یا وضعیت تعریف‌شده را پیدا می‌کند.
- اقدام: نتیجه به شکل گزارش، هشدار یا دادهٔ ورودی به سامانهٔ دیگر منتقل می‌شود.
در مثال سورتینگ میوه، خروجی می‌تواند «تصویر پرتقال همراه با محل آسیب ظاهری» باشد تا اپراتور آن را بررسی کند یا سامانه در چارچوب تنظیمات خط، فرمان جداسازی بدهد. اگر قرار است جداکنندهٔ خط هم فعال شود، فاصلهٔ دوربین تا محل جداسازی، سرعت حرکت و زمان پاسخ باید در طراحی لحاظ شوند. یک تشخیص درست که دیر برسد، ممکن است به محصول بعدی مربوط شود.
چه اطلاعاتی می‌توان از تصویر استخراج کرد؟
پیش از انتخاب ابزار، نوع خروجی را مشخص کنید. پاسخ این پنج کار با هم فرق دارد:
| کار | پرسش اصلی | نمونهٔ خروجی |
|---|---|---|
| طبقه‌بندی تصویر | این تصویر در کدام دسته است؟ | تصویر محصول، سالم یا مشکوک به عیب |
| تشخیص اشیا | چه چیزی کجای تصویر قرار دارد؟ | کادر دور هر بسته |
| بخش‌بندی تصویر | دقیقاً کدام پیکسل‌ها به ناحیهٔ موردنظر تعلق دارند؟ | محدودهٔ لکه روی سطح محصول |
| ردیابی و شمارش | کدام شیء جابه‌جا شد و چند بار عبور کرد؟ | تعداد بسته‌های عبوری از یک خط مشخص |
| خواندن متن یا OCR | روی تصویر چه نوشته شده است؟ | شمارهٔ سریالِ خوانده‌شده از برچسب |
برای مثال، کشیدن کادر دور یک پرتقال، به معنی تشخیص سالم بودن آن نیست. تشخیص شیء و بررسی عیب، هدف‌های متفاوتی هستند و باید برای هرکدام داده و آزمون مناسب داشت. شمارش در ویدئو نیز معمولاً به ردیابی نیاز دارد تا یک بسته در چند فریم، چند بار شمرده نشود.
کاربردهای بینایی ماشین در صنعت و کسب‌وکار
کنترل کیفیت و بسته‌بندی
وجود درپوش، خالی بودن خانهٔ بستهٔ قرص، نبود یک قطعه در مونتاژ، آسیب قابل مشاهدهٔ سطح یا محل برچسب را می‌توان با تصویر بررسی کرد. ابتدا باید تعریف «عیب» روشن باشد: چه اندازه خط‌وخش پذیرفتنی است و کدام نمونه باید کنار گذاشته شود؟ اگر کارشناسان دربارهٔ نمونه‌های مرزی توافق ندارند، برچسب‌های آموزشی و ارزیابی هم مبهم می‌شوند.
سورت محصولات کشاورزی و غذایی
در یک مجموعهٔ بسته‌بندی مرکبات در مازندران، می‌توان امکان تشخیص اندازه، رنگ یا بعضی آسیب‌های ظاهری را بررسی کرد. دوربین تنها سطحی را می‌بیند که در زاویهٔ دیدش قرار دارد؛ برای بررسی چند سمت محصول، ممکن است چرخش آن یا چند دوربین لازم شود. از ظاهر پوست هم نباید دربارهٔ تمام ویژگی‌های داخلی میوه نتیجه گرفت.
شمارش و رهگیری کالا
شمارش کارتن‌های عبوری از یک نقطه و تطبیق آن با گزارش تولید، نمونه‌ای از اتصال تصویر به عملیات روزمره است. برای بسته‌های روی‌هم‌افتاده یا مسیرهایی که رفت‌وبرگشت دارند، باید روش شمارش و جای دوربین تغییر کند. خروجی شمارش می‌تواند به نرم‌افزار انبار منتقل شود تا ثبت دوبارهٔ دستی لازم نباشد.
بازرسی تجهیزات و زیرساخت
تصاویر دوره‌ای تجهیزات یا تصاویر پهپاد می‌توانند برای جست‌وجوی آسیب‌های ظاهری و قطعات مشکوک تحلیل شوند. ارزش عملی خروجی وقتی بیشتر است که بازرس بتواند تصویر، محل موردنظر و سابقهٔ بررسی را کنار هم ببیند. هشدار تصویری در این کاربرد، به معنی تأیید نهایی وضعیت فنی یا ایمنی سازه نیست.
استخراج اطلاعات از برچسب و سند
خواندن سریال کالا، شمارهٔ روی قطعه یا دادهٔ یک فرم اسکن‌شده، از کاربردهای OCR است. برای استفاده در فرایند کاری، خواندن متن باید با کنترل‌های دیگری همراه شود؛ مثلاً قالب شماره معتبر باشد یا مقدار خوانده‌شده با سفارش تطبیق داده شود. تصویر تار و چاپ کم‌رنگ می‌توانند این مرحله را هم دچار خطا کنند.
چرا کیفیت تصویربرداری تعیین‌کننده است؟
اگر عیب در تصویر دیده نشود، تغییر مدل به‌تنهایی مسئله را حل نمی‌کند. بازتاب نور روی بستهٔ براق ممکن است نوشته را بپوشاند؛ حرکت سریع، تصویر را تار کند؛ یا فاصلهٔ زیاد دوربین، خراش کوچک را به چند پیکسل تبدیل کند. راهنمای فنی NI نیز نشان می‌دهد نورپردازی و جنس سطح، بر کنتراستِ قابل ثبت توسط دوربین اثر دارند.
در آزمایش اولیه این موارد را کنترل کنید:
- نور: در شیفت‌ها و ساعت‌های مختلف، جزئیات مهم یکسان دیده می‌شوند؟
- وضوح و فوکوس: کوچک‌ترین عیب موردنظر در تصویر قابل تشخیص است؟
- حرکت: تصویر در سرعت واقعی خط هم واضح است؟
- زاویه و پوشیدگی: بخش مهم محصول پشت مانع یا محصول دیگری پنهان نمی‌شود؟
گاهی اصلاح محل دوربین یا نوع روشنایی، پیش از آموزش مدل نتیجهٔ بهتری می‌دهد. با این حال، انتخاب دوربین از روی عدد مگاپیکسل به‌تنهایی کافی نیست؛ لنز، میدان دید و زمان نوردهی نیز باید با کار هماهنگ باشند.
عدد «دقت بالا» برای ارزیابی کافی نیست
فرض کنید در یک آزمونِ هزار محصول، ۲۰ مورد معیوب باشند. سامانه‌ای که همه را سالم اعلام کند، ۹۸ درصد پاسخ درست دارد، اما هیچ عیبی پیدا نکرده است. این مثال فرضی نشان می‌دهد چرا باید نوع خطا را جداگانه دید. راهنمای ارزیابی طبقه‌بندی گوگل هم استفادهٔ تنها از Accuracy را برای داده‌های نامتوازن مناسب نمی‌داند.
برای یک سامانهٔ کنترل کیفیت، حداقل این سه نتیجه را بخواهید:
- از عیب‌های واقعی، چند مورد کشف و چند مورد از دست رفته‌اند؟
- چند محصول سالم به‌اشتباه مشکوک یا معیوب اعلام شده‌اند؟
- ثبت تصویر تا رسیدن هشدار یا فرمان، چقدر زمان می‌برد؟
آزمون را با تصاویر مستقل از آموزش و در شرایط واقعی انجام دهید. فریم‌های تقریباً یکسان از یک ویدئو را میان آموزش و آزمون پخش نکنید؛ این کار می‌تواند نتیجه‌ای خوش‌بینانه بدهد. بهتر است بخشی از نمونه‌ها از نوبت تولید یا زمان تصویربرداری دیگری باشند و نتیجهٔ مرجع آن‌ها توسط فرد مسئول مشخص شود.
هزینهٔ جاافتادن عیب با هزینهٔ رد اشتباهِ محصول سالم یکسان نیست. آستانهٔ هشدار و معیار پذیرش باید با توجه به این دو هزینه تعیین شوند. پس از استقرار هم تغییر محصول، دوربین یا نور می‌تواند نیاز به ارزیابی دوباره ایجاد کند.
برای شروع پروژه چه چیزهایی آماده کنیم؟
به‌جای شروع با «هوشمندسازی کامل کارخانه»، یک خروجی محدود انتخاب کنید؛ مثلاً تشخیص نبود درپوش در یک نوع بسته. برای امکان‌سنجی، این اطلاعات کاربردی‌اند:
- تعریف مسئله: چه چیزی باید دیده شود و چه چیزی خارج از دامنه است؟
- نمونهٔ تصویر: موارد عادی، معیوب و مرزی از شرایط واقعی، همراه با نظر کارشناس.
- شرایط اجرا: سرعت خط، فضای نصب، نور، اندازهٔ جزئیات و تجهیزات موجود.
- معیار پذیرش: خطاهای قابل قبول، زمان پاسخ و روش ارجاع موارد مشکوک.
- خروجی و اتصال: گزارش و هشدار کافی است یا ارتباط با انبار، نرم‌افزار تولید و تجهیزات لازم دارید؟
هزینهٔ اجرا به همین موارد وابسته است: تصویربرداری، آماده‌سازی داده، پیچیدگی تشخیص، پردازش و اتصال به سامانه‌های موجود. بدون دیدن نمونهٔ واقعی و شرایط کار، نمی‌توان صرفاً از روی نام مدل دربارهٔ هزینه یا موفقیت پروژه قضاوت کرد.
برای بررسی یک کاربرد مشخص، می‌توانید نمونه‌های غیرمحرمانه و تعریف خروجی مطلوب را از مسیر خدمات هوش مصنوعی و اتوماسیون داپا مطرح کنید. اگر هدف، استفاده از نتیجهٔ تشخیص در گردش کار است، راهنمای اتوماسیون کسب‌وکار با هوش مصنوعی نیز نمونه‌هایی از اتصال تحلیل به فرایند را توضیح می‌دهد.
پرسش‌های متداول
آیا بینایی ماشین به دوربین صنعتی نیاز دارد؟
همیشه نه. برای عکس‌های ثابت و بعضی کاربردهای ساده، دوربین موجود ممکن است کافی باشد. حرکت سریع، جزئیات کوچک یا نیاز به کنترل دقیق تصویربرداری می‌تواند تجهیزات تخصصی‌تری لازم داشته باشد.
آیا بینایی ماشین همان تشخیص چهره است؟
خیر. تشخیص و شناسایی چهره فقط بخشی از کاربردهای این حوزه‌اند. شمارش کالا، کنترل ظاهر محصول و خواندن برچسب، بدون شناسایی هویت افراد هم انجام می‌شوند.
آیا سیستم همهٔ عیب‌های محصول را پیدا می‌کند؟
خیر. خروجی به دامنهٔ تعریف‌شده، قابل مشاهده بودن عیب و عملکرد آزموده‌شدهٔ سامانه وابسته است. دوربین معمولی به‌تنهایی عیب پنهان درون محصول را نشان نمی‌دهد.
برای آموزش مدل چند تصویر لازم است؟
عدد ثابتی برای همهٔ پروژه‌ها وجود ندارد. تنوع محصول و عیب، کیفیت نمونه‌ها و روش انتخابی اهمیت دارند. نیاز داده باید پس از بررسی نمونه‌ها و آزمایش اولیه برآورد شود.
