Számítógépes látás (computer vision)

A számítógépes látás fő feladattípusai a képosztályozás (mi van a képen), az objektumfelismerés (hol vannak a tárgyak), a szegmentálás (pontosan mely képpontok tartoznak egy tárgyhoz) és a szövegfelismerés. A modelleket általában a cég saját, címkézett képein tanítják be vagy hangolják. Az újabb, képet is értő nyelvi modellek egyszerűbb feladatoknál külön tanítás nélkül is használhatók, például egy fénykép tartalmának leírására.

Példa a gyakorlatból

Egy élelmiszer-csomagoló üzem gyártósorán kamera ellenőrzi, hogy minden dobozon rajta van-e a címke, olvasható-e a lejárati dátum, és sértetlen-e a csomagolás. A hibás terméket a rendszer még a raklapra kerülés előtt jelzi, a minőségellenőr pedig a kiszűrt esetekkel foglalkozik, nem minden egyes darabbal.

Mikor nem ez a jó választás?

A pontosság erősen függ a fényviszonyoktól, a kamera helyzetétől és a tanítóképek mennyiségétől; ritka hibákról kevés a példa, ezért ezeket nehezebb megtanítani. Ha a képen emberek is szerepelnek, adatvédelmi kérdések merülnek fel, az EU AI Act pedig egyes felhasználásokat, például a munkahelyi érzelemfelismerést, főszabályként tilt. Ha egy egyszerű érzékelő (mérleg, fénysorompó) megbízhatóan megoldja a feladatot, az olcsóbb.

Hogyan dolgozunk vele a Composite-nál?

A fejlesztés a helyszínen rögzített felvételeken végzett próbával indul, így a beruházás előtt kiderül, milyen pontosság érhető el valós körülmények között. A kamerák elhelyezését és a fényviszonyokat a modellel együtt tervezzük.