واژه‌نامه
بینایی ماشین(Machine Vision) چیست و چه کاربردی دارد؟
تعریف به زبان ساده
بینایی ماشین مجموعه‌ای از فناوری‌های سخت‌افزاری و نرم‌افزاری است که به ماشین‌ها امکان دریافت و ثبت تصاویر و خودکارسازی فرایند تصمیم‌گیری را می‌دهند. به بیان ساده، بینایی ماشین به معنای جایگزین کردن بینایی و بخشی از قابلیت‌های تصمیم‌گیری انسان با استفاده از تجهیزاتی مانند نورپردازی، لنز، دوربین و رایانه است.
سیستم‌های بینایی ماشین معمولاً از یک دوربین یا حسگر بینایی ماشین و یک پردازنده یا رایانه برای تحلیل تصاویر تشکیل می‌شوند. این سیستم‌ها همچنین شامل نرم‌افزاری هستند که الگوریتم‌های موردنیاز برای پردازش و تفسیر تصاویر را فراهم می‌کند. بینایی ماشین در سال‌های اخیر پیشرفت چشمگیری داشته است. گزارش‌ها حاکی این است که بازار جهانی بینایی ماشین در سال ۲۰۲۵ حدود ۲۲.۶ میلیارد دلار ارزش داشته است و پیش‌بینی می‌شود این رقم در سال ۲۰۲۶ به ۲۵.۳ میلیارد دلار برسد و تا سال ۲۰۳۳ با نرخ رشد مرکب سالانه ۱۳.۴ درصد به ۶۱ میلیارد دلار افزایش یابد.
نکته مهم
در دنیای اکادمیک، از بینایی ماشین همچنین به‌عنوان یک رشته مهندسی با تمرکز بر اتوماسیون صنعتی یاد می‌شود.
تفاوت بینایی ماشین با بینایی کاپیوتری و پردازش تصویر
بینایی ماشین با بینایی کامپیوتری و پردازش تصویر ارتباط نزدیکی دارد، اما این مفاهیم یکسان نیستند. پردازش تصویر بر بهبود و تحلیل تصاویر تمرکز دارد، در حالی که بینایی ماشین از دوربین، نورپردازی، پردازنده و نرم‌افزار برای استخراج اطلاعات بصری و استفاده از آن‌ها در بازرسی، کنترل و خودکارسازی فرایندها استفاده می‌کند. بینایی کامپیوتری نیز مفهومی گسترده‌تر است که به توانایی سیستم‌های محاسباتی در درک و تفسیر اطلاعات بصری مربوط می‌شود.
مزایای بینایی ماشین در مقایسه با بینایی انسان
در حالی که بینایی انسان در تحلیل کیفی یک صحنه عملکرد خوبی دارد، بینایی ماشین در تحلیل کمی آن برتری دارد. قابلیت ثبت و اندازه‌گیری دقیق اطلاعات یک صحنه، بینایی ماشین را به جایگزینی مناسب برای بینایی انسان در کاربردهایی تبدیل می‌کند که به موارد زیر نیاز دارند:
- بازرسی جزئیات بسیار کوچک
- عدم نیاز به تماس فیزیکی
- ایمنی بیشتر
- بهره‌وری بالاتر
- دقت بیشتر
- خودکارسازی وظایف تکراری
- فعالیت در محیط‌های خطرناک
ویژگی‌های سیستم‌های بینایی ماشین
در مقایسه با سیستم‌های بینایی مورد استفاده در کاربردهای مصرفی، مانند دوربین‌های گوشی‌های هوشمند و دوربین‌های عکاسی کامپکت (Point-and-Shoot)، سیستم‌های بینایی ماشین معمولاً ویژگی‌های زیر را دارند:
- سرعت بسیار بالا (FPS)
- قابلیت پیکربندی اجزای مختلف سیستم
- قابلیت برنامه‌ریزی از طریق API
- مقاومت بسیار بالا
- قابلیت اطمینان مکانیکی
- پایداری در دماهای بسیار بالا یا پایین
نحوه عملکرد بینایی ماشین
سیستمی که از فناوری‌های بینایی ماشین استفاده می‌کند، عمدتاً از چهار بخش اصلی تشکیل شده است:
دریافت تصویر
در قلب بینایی ماشین، قابلیت دریافت بصری یک صحنه و تبدیل آن به قالب دیجیتال قرار دارد. حسگرهای تصویری، در کنار لنزها، نور را دریافت می‌کنند، فوتون‌ها را به الکترون تبدیل می‌کنند و در نهایت یک تصویر دیجیتال تولید می‌کنند. این فرایند تبدیل یک صحنه به تصویر دیجیتال، معمولاً «دریافت تصویر» نامیده می‌شود. حسگر تصویر و تجهیزات الکترونیکی مربوط به آن معمولاً درون یک محفظه محافظ قرار می‌گیرند که به آن دوربین گفته می‌شو
انتقال داده
پس از آنکه تصویر توسط حسگر دریافت و در قالب دیجیتال، که «قالب پیکسل» (Pixel Format) نامیده می‌شود، آماده شد، برای پردازش بیشتر به یک دستگاه محاسباتی خارجی منتقل می‌شود. صنعت بینایی ماشین برای انتقال داده، استانداردهای مختلفی توسعه داده است که برخی از آن‌ها عبارت‌اند از:
- Camera Link
- CoaXPress
- GigE Vision
- USB3 Vision
- MIPI
- IIDC2
استخراج اطلاعات
پس از دریافت تصویر خام از حسگر توسط دستگاه محاسباتی، تصویر پیش‌پردازش و برای استخراج ویژگی‌های مختلف تحلیل می‌شود. این فرایند می‌تواند شامل موارد زیر باشد:
- تشخیص لبه (Edge Detection)
- تطبیق الگو (Pattern Matching)
- طبقه‌بندی (Classification)
- قطعه‌بندی تصویر (Segmentation)
- اندازه‌گیری (Measurement)
- شمارش قطعات (Parts Counting)
- شناسایی و تعیین موقعیت اشیا (Object Recognition and Location)
- تشخیص حروف و کاراکترها (Character Recognition)
- خواندن بارکد (Barcode Reading)
تصمیم‌گیری
در این مرحله، یک الگوریتم، که معمولاً با استفاده از هوش مصنوعی، یادگیری ماشین یا یادگیری عمیق (AI/ML/DL) آموزش داده شده است، از اطلاعات استخراج‌شده برای تصمیم‌گیری استفاده می‌کند و خروجی کنترلی لازم را به دستگاه ارسال می‌کند.
اجزای سیستم‌های بینایی ماشین
سیستم‌های بینایی ماشین از چند جزء اصلی تشکیل می‌شوند:
دوربین:
دوربین، ورودی اصلی سیستم بینایی ماشین است و تصاویر اشیا یا صحنه‌های موردنظر را ثبت می‌کند. دوربین‌ها بسته به نوع کاربرد، در انواع مختلفی مانند دوربین‌های اسکن ناحیه‌ای (Area-Scan) و دوربین‌های اسکن خطی (Line-Scan) مورد استفاده قرار می‌گیرند.
نورپردازی:
نورپردازی مناسب برای ثبت تصاویر باکیفیت توسط دوربین ضروری است. برای روشن کردن مؤثر جسم موردنظر و ایجاد کنتراست مناسب، می‌توان از روش‌های مختلف نورپردازی، مانند نور LED، لیزر و هالوژن، استفاده کرد.
لنزها:
لنزها برای فوکوس و کنترل نحوه تشکیل تصویر به کار می‌روند. آن‌ها میدان دید (Field of View) و عمق میدان (Depth of Field) تصویر را تعیین می‌کنند و می‌توان این ویژگی‌ها را متناسب با نیازهای بازرسی تنظیم کرد.
پردازنده‌های بینایی:
این پردازنده‌ها رایانه‌ها یا پردازنده‌های پرسرعتی هستند که وظیفه دریافت، پیش‌پردازش و تحلیل تصاویر را بر عهده دارند. الگوریتم‌های موردنیاز برای شناسایی نقص‌ها یا ناهنجاری‌های موجود در تصاویر نیز روی این پردازنده‌ها اجرا می‌شوند.
کارت‌های دریافت تصویر (Frame Grabbers):
کارت‌های دریافت تصویر برای دریافت و دیجیتال‌سازی خروجی دوربین‌های آنالوگ استفاده می‌شوند تا داده‌های تصویری برای پردازش توسط پردازنده بینایی آماده باشند.
نرم‌افزار:
نرم‌افزارهای تخصصی برای پردازش و تحلیل تصاویر، شناسایی نقص‌ها و تصمیم‌گیری به کار می‌روند. این نرم‌افزارها معمولاً قابلیت‌هایی مانند تشخیص تصویر، تطبیق الگو و یادگیری ماشین را نیز ارائه می‌کنند.
بینایی ماشین چه کاربردهایی دارد؟
بینایی ماشین در صنایع مختلف، از تولید و صنعت گرفته تا حوزه سلامت، کاربرد دارد. اگرچه این فناوری چندین دهه است که وجود دارد، تنها در سال‌های اخیر امکان استفاده گسترده از آن در طیف متنوعی از کاربردها فراهم شده است. بینایی ماشین به تجهیزات صنعتی امکان می‌دهد ویژگی‌ها یا نقص‌های موجود را شناسایی کنند و بر اساس اطلاعات بصری، دستورالعمل‌های لازم برای عملکرد دستگاه را ارائه دهند. سپس سیستم بینایی ماشین می‌تواند با استفاده از تصاویر ثبت‌شده، بر اساس آنچه مشاهده می‌کند، به‌سرعت تصمیم‌گیری کند. بسیاری از شرکت‌ها از بینایی ماشین برای بازرسی بصری، کنترل فرایند، بازرسی مواد و موارد دیگر استفاده می‌کنند.
امروزه سیستم‌های بینایی ماشین بخش مهمی از سیستم‌های بازرسی و فرایندهای مبتنی بر بینایی به شمار می‌روند، به‌ویژه در کاربردهای صنعتی که به نوعی بازخورد بصری نیاز دارند. از جمله کاربردهای این سیستم‌ها می‌توان به شناسایی نقص در اشیا، شناسایی اشیا، ردیابی اشیا، دسته‌بندی محصولات، تشخیص الگوها و رنگ‌ها، تشخیص قبولی یا مردودی محصول و موارد دیگر اشاره کرد.
با ادامه پیشرفت فناوری‌هایی مانند یادگیری ماشین، یادگیری عمیق و نرم‌افزارهای قدرتمندتر، آینده بینایی ماشین ظرفیت بالایی برای توسعه دارد و انتظار می‌رود کاربردهای بیشتری برای آن ایجاد شود؛ کاربردهایی که پیش از این امکان‌پذیر نبودند.
آینده بینایی ماشین
آینده بینایی ماشین با پیشرفت‌های مستمر در هوش مصنوعی و رایانش لبه‌ای (Edge Computing) شکل می‌گیرد؛ پیشرفت‌هایی که هر سال امکانات و کاربردهای جدیدی را در این حوزه ایجاد می‌کنند:
بینایی ماشین سه‌بعدی (3D Machine Vision):
با استفاده از داده‌های بصری از زوایای مختلف، درک دقیق‌تری از اشیا و محیط اطراف آن‌ها فراهم می‌کند. ربات‌ها و تجهیزات صنعتی می‌توانند با استفاده از بینایی ماشین سه‌بعدی، حجم، عمق و ویژگی‌های سطحی را با دقت بیشتری اندازه‌گیری کنند؛ مواردی که ممکن است در سیستم‌های دوبعدی قابل تشخیص نباشند.
تصویربرداری ابرطیفی (Hyperspectral Imaging):
داده‌ها را در طول موج‌های مختلف نور ثبت و تحلیل می‌کند و امکان شناسایی ویژگی‌هایی را فراهم می‌کند که با دوربین‌های معمولی قابل مشاهده نیستند. ترکیب این فناوری با بینایی ماشین می‌تواند مواردی مانند ترکیبات شیمیایی، میزان رسیدگی محصولات غذایی، نوع مواد و نقص‌های جزئی در فرایند تولید را صرفاً بر اساس ویژگی‌های طیفی منحصربه‌فرد آن‌ها شناسایی کند.
هوش مصنوعی مولد (Generative AI یا GenAI):
می‌تواند در کنار بینایی ماشین به کار گرفته شود تا سیستم‌های رباتیک علاوه بر شناسایی آنچه می‌بینند، بتوانند آن را به زبان بیان کنند و در نتیجه، روش‌های جدیدی برای تعامل با سیستم‌های خودمختار ایجاد شود.