Moravské přístroje, a. s., zdroj: https://www.mii.cz/art?id=1155&lang=405, vytištěno: 25/05/2024 00:58:17

Hlavní stránkaProduktyStrojové vidění VisionLab

Umělá inteligence při zpracování obrazů aneb co bude nového v systému VisionLab
 Nová verze systému VisionLab přinese mnoho zlepšení i nových vlastností. Podívejme se již předem na několik novinek, které významně rozšíří schopnosti a současně zjednoduší používání tohoto systému strojového vidění.

Parametry jednotlivých kroků se ve zdrojovém textu aplikace dříve zapisovaly pozičně. Tento zápis byl od určité složitosti nejen nepřehledný, ale především znemožňoval úpravy parametrů kroků. Nově bude pro zápis použit strukturovaný text tak, jako je tomu u aplikací v prostředí Control Web. Přitom nový systém současně umožní načítat i staré aplikace se sekvenčním zápisem. Při uložení již bude aplikace převedena do strukturovaného textu, který je výrazně lépe čitelný a srozumitelný.

Zápis sekvence kroků pak může vypadat např. takto:

      steps
        step gpu_shock_sharpness_filter;
          condition = true;
          inputs
            frame = source;
            approximations = 3;
            intensity = 0.5;
            copy_border = true;
            drawing_enable = true;
          end_inputs;
          outputs
            frame = source;
          end_outputs;
        end_step;
        step gpu_barcode;
          condition = true;
          inputs
            frame = source;
            region = rectangle_1;
            size = 8;
            sensitivity = 0.002;
            drawing_mode = 3;
            drawing_enable = true;
          end_inputs;
          outputs
            count = gpu_barcode_0_number_1;
            string = gpu_barcode_0_string_2;
            type = gpu_barcode_0_string_3;
          end_outputs;
        end_step;
      end_steps;

Největší změnou bude ale možnost používat v sekvenci kroků libovolné externí algoritmy. A zde bude jistě nejvýznamnější roli hrát umělá inteligence. Jednou možností je využití některých komponent z rozsáhlé knihovny OpenCV. V tomto případě např. postačí do hluboké neuronové sítě (DNN - Deep Neural Network) nahrát naučený model a můžeme síť okamžitě využívat. Pro některé typy úloh jsou výsledky poskytované hlubokými sítěmi jinými konvenčními algoritmy prakticky nedosažitelné.

Příklad QR kódu nalezeného v obraze umělou inteligencí

Příklad QR kódu nalezeného v obraze umělou inteligencí

Umělá inteligence nalezne v obraze i docela nezřetelné, poškozené a geometricky deformované QR kódy.

OR kód nalezený hlubokou sítí a čárový kód lokalizovaný shaderem v grafickém procesoru

OR kód nalezený hlubokou sítí a čárový kód lokalizovaný shaderem v grafickém procesoru

Obraz je v grafickém procesoru redukován na pole obrazových příznaků

Obraz je v grafickém procesoru redukován na pole obrazových příznaků

Obrazový region s čárovým kódem může být rovněž hledán hlubokou sítí, ale dobře poslouží i kód v grafickém procesoru, který redukuje obsah obrazu do výrazně řidšího pole obrazových příznaků. Tento algoritmus pracuje v několika měřítkách pro různě velké kódy.

Detekce obličejů pomocí hluboké neuronové sítě

Detekce obličejů pomocí hluboké neuronové sítě

Velmi dobré výsledky poskytuje hluboká neuronová síť např. i při hledání lidských obličejů. Srovnatelných výsledků by klasickou cestou asi rovněž bylo obtížné dosáhnout.

Tyto novinky budou k dispozici v připravované nové verzi systému VisionLab. Bude zde k dispozici i zdrojový kód kroku, do kterého si každý může doplnit aktivní kód podle vlastní volby.

RC