Innowacyjny system wizji maszynowej

Innowacyjny system wizji maszynowej

Badaczom udało się opracować ulepszoną wersję algorytmu przetwarzania obrazu dla systemów maszynowych, od tych jakie są obecnie stosowane.

Robot identyfikując obiekty w poszczególnym obrazie musi je najpierw „zobaczyć”. Aby to osiągnąć, stosowane są systemy sztucznej wizji i systemy wykrywania krawędzi, np. programy komputerowe, które rozpoznają obiekty na danym obrazie i określają krawędzie pomiędzy obiektami a tłem, a następnie pomiędzy poszczególnymi obiektami.

Edurne Barrenechea Tartas zaprojektowała w ramach swojej pracy doktorskiej system wykrywania krawędzi, który okazał się bardziej wydajny i doskonalszy od obecnie znanych.

Algorytm wyznaczania krawędzi jest prosty. Najpierw robione jest zdjęcie danego otoczenia, następnie zdjęcie jest konwertowane do wersji czarno – białej. Tak przygotowany obraz jest następnie analizowany przez system detekcji krawędzi, który na zasadzie kontrastu rozpoznaje krawędzie, oznaczając je białymi pikselami, podczas gdy tło jest wypełniane czarnym kolorem. Po określeniu krawędzi obiektów, zdjęcie jest poddawane szczegółowej analizie przez system ekspercki, który ma z góry przyjęte zasady pracy z poszczególnymi obrazami. Może np. wyszukiwać tylko te obiekty, które mają kształt kwadratu, czy spełniają jakieś inne założenia kształtu, rozmiaru lub usytuowania.

Systemy takie mają zastosowanie głównie w przemyśle i medycynie, oszczędzając czas pracy i usprawniając procesy, czyniąc je bardziej zautomatyzowanymi i dokładnymi.
Innowacyjność systemu opracowanego przez Edurne Barrenechea Tartas polega na tym, iż jest to pierwszy system tego typu, który opiera się na tzw. zbiorach logiki rozmytej z szacowaniem odstępów. Tradycyjne algorytmy bazują na konwencjonalnych, powszechnie znanych technikach i zbiorach rozmytych, ale nie tych wykorzystujących technikę szacowania odstępów.

Generalnie, celem technik używanych do detekcji krawędzi jest zlokalizowanie punktów na obrazie, gdzie następuje zmiana intensywności szarości zdjęcia. W technice użytej przez Edurne Barrenechea, krawędzie obiektów, które składają się na obraz są traktowane jako zbiory pikseli, i na podstawie zasad stosowanych w logice rozmytej, określana jest przynależność danych pikseli zbiorów rozmytych. Jest to dokonywane na podstawie informacji o zmianie intensywności szarości danego piksela wraz z pikselami sąsiadującymi.

W ten sposób, krawędź obiektu jest zbiorem pikseli, w którym każdy piksel na wartość numeryczną. Wartość ta mówi o lokalnych różnicach w skali szarości danego piksela wraz z najbliższym jego otoczeniem. W technice tej każdy element zbioru ma przypisany tzw. odstęp, który wskazuje wartość skoku intensywności szarości, która występuje pomiędzy danym pikselem a jego najbliższym sąsiedztwem.

Teoria zbiorów rozmytych jest szeroko stosowana w systemach wizyjnych z kilku powodów, m.in. dlatego, że sama natura ma cechy rozmyte, zdjęcia są dwuwymiarowymi projekcjami świata trójwymiarowego, co pociąga za sobą stratę informacji, skala szarości jest mało precyzyjna oraz wiele definicji, takich jak obraz i krawędzie mogą być wieloznaczne.