Exemple: Càlcul d’arees
Imagines calcular l’àrea d’una peça només mirant-la?
A partir de tècniques clàssiques de visió artificial es poden detectar i perfilar els objectes presents en una imatge.
En aquest exemple el sistema de visió localitza els 4 punts de referència (que fa servir per calibrar) i que són els cercles que hi ha als 4 extrems. Després localitza les figures interiors.
Per cada figura és capaç d’enquadrar-la (caixa lila), el perfil exacte (línia de color verd), el seu perímetre i la seva àrea.
Exemple: Classificació d’efectes
Creus que es pot fer servir la visió artificial per detectar defectes?
Aquest cas d’ús mostra un exemple de classificació automàtica i com el sistema explica el raonament que ha motivat la decisió. Usant només unes 800 imatges de taulells de fusta amb diferents tipus de defectes (nusos, forats, ruptures …) etiquetats i localitzats podem:
- Distingir si un taulell presenta defectes o no.
- Explicar el motiu (quina zona del taulell) és la problemàtica.
Exemple: Classificació d’obres d’art
Com identificariem el material o la tècnica emprada en una obra d’art o una joia?
En aquest cas d’ús es fan servir imatges d’alta resolució de peces de museu per a identificar-ne el tipus.
El repte consisteix a usar una informació molt rica (però també molt complexe) per identificar diferències molt petites i difícils d’apreciar que ens permeten classificar el tipus d’objecte que està present a la imatge i el tipus de tècnica.
Exemple: Classificació d’àudio
Podem fer servir la vista per a escoltar?
Aquest exemple s’usa la imatge associada a un so, l’espectrograma, per tal d’identificar el tipus de so. Aquesta tècnica es pot fer servir de forma complementària a tècniques tradicionals de tractament de so i és molt interessant per la seva simplicitat.
En aquest cas el sistema aprèn a distingir entre 5 sons diferents, a partir del seu espectrograma: lladrucs, estossecs, trucs a la porta, riallades i una trompeta.
Exemple: Classificació amb poQUES IMATGES
Es poden distingir imatges amb poc entrenament?
Aquest cas d’ús usa xarxes neuronals per distingir 4 imatges diferents. Per a fer-ho usa equipament de baix cost i molt poques captures prèvies.
Tant sols calen 5 minuts per a capturar unes poques imatges de mostra i entrenar el sistema que serà capaç de distingir-les amb una elevada precisió.
