EO 520

MACHINE VISION l’uso di reti neurali “profonde” (deep neural networks) ispirate alla biologia e multistrato che assomigliano al cervello umano. Il deep learning è emerso come la principale tecnologia di riconoscimento vocale, testuale e facciale che utilizziamo nei nostri dispositivi mobili e indossabili e sta ora inizian- do ad essere utilizzato in molte altre applicazioni, dalla diagnostica medica alla sicurezza Internet, per prevedere modelli e prendere decisioni aziendali critiche. La stessa tecnologia si sta ora facendo strada nei processi di produ- zione avanzati, nel controllo di qualità e in altri usi basati sulle decisioni. Il deep learning essenzialmente insegna alle macchine a fare ciò che è naturale per gli esseri umani, ossia imparare dagli esempi. Un nuovo hardware poco costoso ha consen- tito l’implementazione di reti neurali “profonde” multi- strato ispirate alla biologia che imitano le reti neurali del cervello umano. Ciò offre alla tecnologia di produzione nuove e sorprendenti capacità di riconoscere immagini, discernere tendenze e fare previsioni e prendere decisioni intelligenti. Partendo dalla logica di base sviluppata du- rante la formazione iniziale, le reti neurali profonde pos- sono migliorare continuamente le loro prestazioni man mano che vengono esposte a nuovi dati, come immagini o testo. L’analisi delle immagini basata sul deep learning combina la specificità e la flessibilità dell’ispezione visiva umana con l’affidabilità, la coerenza e la velocità di un sistema informatico. I modelli di deep learning possono risolvere in modo ripetuto e iterativo applicazioni di visione artifi- ciale impegnative che sarebbero difficili da sviluppare a livello di programmazione e che spesso sono impossibili da risolvere utilizzando gli approcci tradizionali di visione artificiale. I modelli di deep learning possono distinguere errori inac- cettabili tollerando variazioni naturali in modelli com- plessi. Inoltre, possono essere facilmente adattati a nuovi esempi senza riprogrammare gli algoritmi sottostanti. Il software basato sul deep learning può eseguire la loca- lizzazione delle parti, l’ispezione delle parti, la classifica- zione delle parti e il riconoscimento dei modelli in base a giudizi più efficaci rispetto agli esseri umani o alle tra- dizionali soluzioni di visione artificiale. I tempi in cui gli esseri umani controllavano direttamente le linee di pro- duzione sono ormai lontani. Oggi le macchine automatiz- zano le attività di produzione, assemblaggio e movimen- tazione. I sistemi di visione artificiale dotati di algoritmi di confi- gurazione e identificazione precisi e di capacità di guida hanno reso possibile la produzione di componenti mo- derni e compatti che non potevano essere assemblati ma- nualmente. Sulla linea di produzione, i sistemi di visione artificiale possono ispezionare in modo affidabile e ripe- tuto centinaia o migliaia di parti al minuto, superando di gran lunga le capacità di ispezione degli esseri umani. Per decenni, i sistemi di visione artificiale hanno insegna- to ai computer ad eseguire ispezioni per rilevare difetti, contaminanti, carenze funzionali e altre irregolarità nei Una tendenza attuale nell’elaborazione delle immagini è l’uso di GPU (Graphics Processing Unit) EO LIGHTING - SETTEMBRE 2024 XXXI