Ugrás a tartalomhoz

machine vision

A Wikiszótárból, a nyitott szótárból

Angol


Főnév

machine vision (tsz. machine visions)

  1. (informatika, mesterséges intelligencia) A gépi látás (machine vision) olyan technológiai terület, amely lehetővé teszi, hogy a gépek (számítógépek, robotok) látni tudjanak, azaz képesek legyenek digitális képekből és videókból információt kinyerni és feldolgozni.

Cél: automatizált képfeldolgozás, ami segíti a döntéshozatalt, vezérlést, minőségellenőrzést vagy akár irányítást.


Miért fontos?

Az emberi látás az egyik leggazdagabb információforrás. A gépek azonban nem “látnak” természetes módon, nekik az optikai jeleket digitális formában kell feldolgozniuk.

A gépi látás segítségével:

  • ipari rendszerek automatikusan felismerik a hibás termékeket,
  • robotok térben tudnak tájékozódni,
  • autonóm járművek “látják” a környezetüket,
  • orvosi diagnosztikai eszközök elemzik a képeket,
  • biztonsági rendszerek azonosítanak személyeket vagy helyzeteket.


Machine Vision ≠ Computer Vision

A két fogalom közeli, de nem teljesen ugyanaz:

Machine Vision Computer Vision
Főként ipari felhasználás Általános, széles körű alkalmazás
Valós idejű alkalmazások (pl. robot vezérlés) Gyakran offline elemzés
Hardver + szoftver + kamera Többnyire csak szoftver (pl. képelemzés a felhőben)
Pl. gyártósoron hibadetektálás Pl. Facebook képtartalom-elemzés

Röviden: a Machine Vision a Computer Vision alkalmazott ipari változata, ami erősebben integrált a hardverrel és valós idejű feldolgozásra optimalizált.


Gépi látás rendszer felépítése

Egy gépi látás rendszer jellemzően a következő elemekből áll:

1. Képérzékelő (kamera)

  • Ipari kamera, nagy sebességű, stabil.
  • Lehet monokróm (szürkeárnyalatos) vagy színes (RGB).
  • Egyre gyakrabban 3D kamerák (pl. LiDAR, Time-of-Flight).

2. Megvilágítás

  • Kritikus → rossz világítással a látás pontatlan lesz.
  • LED, lézer, háttérvilágítás, szimmetrikus vagy irányított.

3. Objektív

  • Képminőség → élesség, torzítás minimális legyen.

4. Képrögzítő interfész

  • Gyors adatátvitel (pl. USB 3.0, GigE, CameraLink).

5. Képfeldolgozó számítógép

  • Speciális embedded PC, vagy ipari edge computing eszköz.
  • Sokszor GPU-val (grafikus processzor) gyorsítva.

6. Szoftver

  • Képfeldolgozó algoritmusok → szegmentáció, felismerés, mérés.
  • Integráció a gyártósor vagy vezérlés többi részébe (PLC, SCADA).


Machine Vision tipikus alkalmazások

Ipari automatizálás

  • Minőségellenőrzés: hibás termékek detektálása.
  • Mérési feladatok: pontos méretek ellenőrzése.
  • Robotkalibráció: robotkarok pontos pozícionálása.

Logisztika

  • Vonalkód/QR-kód olvasás nagy sebességgel.
  • Automatikus csomagválogatás.

Autonóm járművek

  • Objektumfelismerés: más járművek, gyalogosok, közlekedési táblák.
  • Sávkövetés, útvonaltervezés.

Orvosi képalkotás

  • Diagnosztikai képek elemzése (CT, MR, röntgen).
  • Automatikus patológia detektálás.

Biztonság

  • Arcfelismerés.
  • Szokatlan események detektálása.


Főbb algoritmusok és technikák

1. Képfeldolgozás (Image Processing)

  • Szűrés (blurring, sharpening, edge detection).
  • Küszöbölés (thresholding) → bináris kép.
  • Morfológiai műveletek (dilatáció, erózió).
  • Szegmentáció → objektumok elkülönítése.

2. Objektumfelismerés

  • Feature extraction (jellemzők kinyerése): pl. vonalak, sarkok, textúrák.
  • Template matching (mintakeresés).
  • Geometriai transzformációk kezelése.

3. Gépi tanulás / Deep Learning

  • CNN (Convolutional Neural Network) → képosztályozás, detektálás.
  • Transfer learning → előre tanított modellek finomhangolása.
  • YOLO, SSD → valós idejű objektumdetektálók.

4. 3D gépi látás

  • Pontfelhő feldolgozás.
  • Mélységtérképek kezelése.


Előnyök

✅ Sebesség → képes nagy sebességű gyártósorokat valós időben ellenőrizni. ✅ Pontosság → emberi szemhez képest reprodukálhatóbb, precízebb. ✅ Skálázhatóság → több sor, több gép kiszolgálása. ✅ Költséghatékonyság → kevesebb selejt, kevesebb kézi ellenőrzés. ✅ Folyamatos működés → 24/7 működő rendszerek.


Kihívások

  • Változó környezeti feltételek → megvilágítás, árnyékok befolyásolják a képet.
  • Trükkös feladatok → átlátszó, tükröződő anyagok kezelése.
  • Nagy adatfeldolgozási igény → GPU-s gyorsítás szükséges.
  • Integráció → meglévő gyártósorokkal való összehangolás.
  • Modellek tanítása → sok adat kell a deep learning-hez.


Szoftverek

  • OpenCV → nyílt forráskódú C++/Python könyvtár.
  • Halcon → ipari standard gépi látás szoftver.
  • Cognex VisionPro → ipari gépi látás szoftver.
  • MATLAB Image Processing Toolbox.


Piaci trendek

  1. AI-alapú gépi látás → deep learning egyre inkább beépül.
  2. 3D látás → egyre több alkalmazás igényel térbeli adatok feldolgozását.
  3. Edge computing → feldolgozás közvetlenül a kamera melletti eszközön.
  4. Integrált smart camera rendszerek → kamera + processzor + szoftver egyben.
  5. Low-code / no-code vision → vizuális eszközök, amikkel nem szakértők is tudnak gépi látásos projekteket készíteni.


Összegzés

A gépi látás (Machine Vision):

  • automatizálja a látási feladatokat,
  • segít a gyártásban, logisztikában, robotikában, orvosi területeken,
  • hardver + szoftver szorosan integrált,
  • deep learning technikákkal folyamatosan fejlődik.

További információk

A lap eredeti címe: „https://hu.wiktionary.org/w/index.php?title=machine_vision&oldid=3503504”