แมชชีนวิชันกำลังพัฒนาระบบอัตโนมัติอย่างไรในตอนนี้

แมชชีนวิชันคือชุดเทคโนโลยีที่ช่วยให้อุปกรณ์อัตโนมัติ (ภาคอุตสาหกรรมหรืออื่นๆ) มีความเข้าใจสภาพแวดล้อมจากภาพในระดับสูง หากไม่มีซอฟต์แวร์แมชชีนวิชัน สำหรับอุปกรณ์ดังกล่าว ภาพดิจิทัลก็จะเป็นเพียงชุดพิกเซลที่ไม่เชื่อมต่อกัน มีค่าสีและความเข้มของโทนสีที่หลากหลาย โดยแมชชีนวิชันจะช่วยให้คอมพิวเตอร์ (โดยทั่วไปเชื่อมต่อกับส่วนควบคุมของเครื่องจักร) ตรวจจับขอบและรูปร่างภายในภาพดังกล่าว เพื่อให้การประมวลผลในระดับสูงกว่า ซึ่งจะสามารถระบุวัตถุที่สนใจที่กำหนดไว้ล่วงหน้าได้ โดยภาพในแง่นี้ไม่จำเป็นต้องจำกัดเฉพาะภาพถ่ายในสเปกตรัมที่มองเห็นได้ นอกจากนี้ยังอาจรวมถึงภาพที่ได้จากสัญญาณอินฟราเรด เลเซอร์ เอ็กซ์เรย์ และอัลตราซาวนด์

รูปที่ 1: การใช้แมชชีนวิชันสำหรับการใช้งานในหุ่นยนต์ที่ซับซ้อนมากขึ้นนั้นกำลังเพิ่มขึ้น (แหล่งที่มาภาพ: John6863373 | Dreamstime.com)

การใช้งานแมชชีนวิชันที่ใช้กันโดยทั่วไปในโรงงานอุตสาหกรรมคือการระบุชิ้นส่วนเฉพาะในภาชนะที่มีชิ้นส่วนที่จัดเรียงแบบสุ่ม (สลับซับซ้อน) ในที่นี้ แมชชีนวิชันสามารถช่วยหุ่นยนต์หยิบและวางหยิบชิ้นส่วนที่ถูกต้องได้โดยอัตโนมัติ แน่นอนว่าการจดจำชิ้นส่วนดังกล่าวด้วยการตอบสนองทางภาพจะค่อนข้างตรงไปตรงมา หากชิ้นส่วนทั้งหมดถูกจัดเรียงอย่างเรียบร้อยและวางในลักษณะเดียวกันบนถาด อย่างไรก็ตาม อัลกอริธึมแมชชีนวิชันที่มีประสิทธิภาพสามารถจดจำวัตถุในระยะต่างๆ จากกล้อง (และด้วยเหตุนี้ที่เซ็นเซอร์ภาพจึงมีขนาดต่างกัน) รวมถึงในทิศทางที่แตกต่างกัน

ระบบแมชชีนวิชันที่ซับซ้อนที่สุดทำให้การออกแบบใหม่และที่เกิดขึ้นใหม่ที่ซับซ้อนกว่าการแยกวัสดุ (Bin Picking) ที่อาจไม่มีใครจดจำได้มากไปกว่ายานยนต์ไร้คนขับ เป็นต้น

รูปที่ 2: แมชชีนวิชันช่วยให้ระบบ (อุตสาหกรรมหรืออื่นๆ) เข้าใจสภาพแวดล้อมในระดับสูงจากภาพ (แหล่งที่มาภาพ: Wikimedia)

เทคโนโลยีที่เกี่ยวข้องกับแมชชีนวิชัน

คำว่า แมชชีนวิชัน บางครั้งถูกสงวนไว้เพื่ออ้างอิงวิธีการทางคณิตศาสตร์ที่เป็นที่ยอมรับและมีประสิทธิภาพมากขึ้นในการดึงข้อมูลจากรูปภาพ ตรงกันข้ามกับคำว่า คอมพิวเตอร์วิชัน ที่โดยทั่วไปจะอธิบายถึงระบบที่ทันสมัยและต้องใช้การคำนวณมากขึ้น รวมถึงกล่องดำโดยใช้แมชชีนเลิร์นนิ่งหรือปัญญาประดิษฐ์ (AI) อย่างไรก็ตาม แมชชีนวิชันยังสามารถใช้เป็นคำที่ครอบคลุมถึงวิธีการดึงข้อมูลระดับสูงทั้งหมดจากภาพ ในบริบทนี้ คอมพิวเตอร์วิชันจะอธิบายถึงทฤษฎีการทำงานพื้นฐาน

เทคโนโลยีในการดึงข้อมูลระดับสูงออกจากภาพมีอยู่มากมาย ภายในวงการการวิจัย เทคโนโลยีดังกล่าวมักถูกมองว่าแตกต่างจากแมชชีนวิชัน อย่างไรก็ตาม ในทางปฏิบัติแล้ว วิธีการใช้แมชชีนวิชันนั้นต่างกันออกไป และในหลายกรณี ทั้งสองวิธีก็ซ้อนทับกัน

การประมวลผลภาพดิจิทัล เป็นรูปแบบหนึ่งของการประมวลผลสัญญาณดิจิทัลที่เกี่ยวข้องกับการปรับปรุงภาพ การคืนสภาพ การเข้ารหัส และการบีบอัด ข้อดีที่เหนือกว่าการประมวลผลภาพแบบอนาล็อก ได้แก่ สัญญาณรบกวนและการบิดเบือนที่ลดลง ตลอดจนความพร้อมใช้งานของอัลกอริทึมที่มากขึ้น การใช้การปรับปรุงภาพในช่วงแรกคือการแก้ไขระยะใกล้ระยะแรกของภาพพื้นผิวดวงจันทร์ สิ่งนี้ใช้การทำแผนที่โฟโตแกรมเมตริกรวมถึงตัวกรองสัญญาณรบกวนและการแก้ไขความผิดเพี้ยนทางเรขาคณิตที่เกิดจากการจัดตำแหน่งของกล้องถ่ายภาพกับพื้นผิวดวงจันทร์

รูปที่ 3: ตัวควบคุมวงจรรวม (IC) DLPC350 ให้สัญญาณทริกเกอร์อินพุตและเอาต์พุตสำหรับการซิงโครไนซ์รูปแบบที่แสดงกับกล้อง ทำงานร่วมกับอุปกรณ์ไมโครมิเรอร์แบบดิจิทัล (DMD) ที่ออกแบบมาเพื่อให้แมชชีนวิชัน 3 มิติให้กับอุปกรณ์อุตสาหกรรม การแพทย์ และอุปกรณ์รักษาความปลอดภัย ในความเป็นจริงแล้ว การใช้งานรวมถึงการสแกน 3 มิติและระบบมาตรวิทยา (แหล่งที่มาภาพ: Texas Instruments)

การปรับปรุงภาพดิจิทัลมักจะเกี่ยวข้องกับการเพิ่มความคมชัด และอาจทำการแก้ไขทางเรขาคณิตสำหรับมุมมองและการบิดเบี้ยวของเลนส์ โดยทั่วไป การบีบอัดจะทำได้โดยการประมาณสัญญาณที่ซับซ้อนเป็นการรวมกันของฟังก์ชันโคไซน์ ซึ่งเป็นการแปลงฟูริเยร์ประเภทหนึ่งที่เรียกว่าการแปลงโคไซน์แบบไม่ต่อเนื่องหรือ DCT รูปแบบไฟล์ JPEG เป็นการใช้งานยอดนิยมของ DCT การคืนสภาพของภาพอาจใช้การแปลงฟูริเยร์เพื่อลบสัญญาณรบกวนและการเบลอ

การรังวัดด้วยภาพถ่าย (Photogrammetry) ใช้การระบุคุณสมบัติบางประเภทเพื่อแยกการวัดจากรูปภาพ การวัดเหล่านี้อาจรวมถึงข้อมูลสามมิติ เมื่อได้รับภาพหลายภาพในฉากเดียวกันจากตำแหน่งที่แตกต่างกัน ระบบการรังวัดด้วยภาพถ่ายที่ง่ายที่สุดจะวัดระยะห่างระหว่างจุดสองจุดในภาพโดยใช้สเกล โดยทั่วไปจำเป็นต้องมีการอ้างอิงขนาดในรูปภาพเพื่อจุดประสงค์นี้

การตรวจจับคุณสมบัติ ให้คอมพิวเตอร์ระบุขอบและมุมหรือจุดต่างๆ ในภาพ นี่เป็นขั้นตอนแรกที่จำเป็นสำหรับการรังวัดด้วยภาพถ่าย รวมถึงการระบุวัตถุและการเคลื่อนไหว การตรวจสอบรอยสามารถระบุบริเวณที่มีขอบเรียบเกินไปสำหรับการตรวจจับขอบหรือมุม

การจดจำรูปแบบ ใช้เพื่อระบุวัตถุเฉพาะ ที่ง่ายที่สุด อาจหมายถึงการมองหาชิ้นส่วนกลไกที่กำหนดมาอย่างดีบนสายพานลำเลียง

การสร้างภาพสามมิติ กำหนดรูปแบบ 3 มิติของวัตถุจากภาพ 2 มิติ สามารถทำได้ด้วยวิธีโฟโตแกรมเมตริก ซึ่งความสูงของลักษณะทั่วไป (ระบุในภาพจากจุดสังเกตต่างๆ) ถูกกำหนดโดยการใช้รูปสามเหลี่ยม การสร้างภาพสามมิติสามารถทำได้โดยใช้ภาพ 2 มิติภาพเดียว ซอฟต์แวร์ตีความความสัมพันธ์ทางเรขาคณิตระหว่างขอบหรือบริเวณเงา

รูปที่ 4:เครื่องสแกน 3 มิติ จับภาพ 2 มิติของวัตถุเพื่อสร้างแบบจำลอง 3 มิติของวัตถุนั้น ในบางกรณี โมเดลดิจิทัลจะถูกนำไปใช้กับสำเนาการพิมพ์ 3 มิติ (แหล่งที่มาภาพ: Shenzhen Creality 3D Technology Co.)

มนุษย์สามารถสร้างภาพลูกบาศก์สามมิติตขึ้นใหม่จากการแสดงภาพลายเส้นแบบง่ายๆ ได้อย่างง่ายดาย รวมถึงทรงกลมจากวงกลมที่มีเงา โดยที่เงาเป็นการบ่งบอกถึงความลาดเอียงของพื้นผิว อย่างไรก็ตาม กระบวนการหักเหดังกล่าวซับซ้อนกว่าที่คิด เนื่องจากเงาเป็นพารามิเตอร์หนึ่งมิติ ในขณะที่ความชันเกิดขึ้นในสองมิติ สิ่งนี้สามารถนำไปสู่ความคลุมเครือ ซึ่งเป็นความจริงที่แสดงให้เห็นโดยภาพที่แสดงถึงวัตถุที่เป็นไปไม่ได้ในความเป็นจริง

รูปที่ 5: การกำหนดรูปแบบ 3 มิติของชิ้นงานด้วยคอมพิวเตอร์จากภาพ 2 มิตินั้นเต็มไปด้วยความท้าทาย

งานแมชชีนวิชันเรียงลำดับอย่างไร

ระบบแมชชีนวิชันหลายระบบค่อยๆ รวมเทคนิคข้างต้นเข้าด้วยกันโดยเริ่มจากการทำงานระดับต่ำ แล้วจึงค่อยขยับขยายไปสู่การทำงานระดับสูงกว่า ที่ระดับต่ำสุด พิกเซลของรูปภาพทั้งหมดจะถูกเก็บไว้เป็นข้อมูลที่มีแบนด์วิธสูง จากนั้นจะดำเนินการตามลำดับโดยจะระบุคุณลักษณะของรูปภาพและแสดงข้อมูลที่สนใจด้วยข้อมูลจำนวนค่อนข้างน้อย

การดำเนินการระดับต่ำโดยการปรับปรุงและการคืนสภาพภาพต้องมาก่อน ตามด้วยการตรวจจับคุณสมบัติ เมื่อใช้เซ็นเซอร์หลายตัว การทำงานระดับต่ำอาจดำเนินการโดยกระบวนการกระจายเฉพาะสำหรับเซ็นเซอร์แต่ละตัว เมื่อตรวจพบคุณลักษณะต่างๆ ในแต่ละภาพ การวัดโฟโตแกรมเมตริกในระดับที่สูงขึ้นก็สามารถเกิดขึ้นได้ เช่นเดียวกับการระบุวัตถุใดๆ หรืองานอื่นๆ ที่อาศัยข้อมูลที่รวมกันจากภาพและเซ็นเซอร์หลายตัว

การคำนวณโดยตรงและเลิร์นนิ่งอัลกอริทึม

การคำนวณโดยตรง ในบริบทของแมชชีนวิชันคือชุดของฟังก์ชันทางคณิตศาสตร์ที่กำหนดโดยโปรแกรมเมอร์ ซึ่งจะยอมรับอินพุตเช่นค่าพิกเซลของภาพเพื่อให้เอาต์พุตเช่นพิกัดขอบของวัตถุ ในทางตรงกันข้าม เลิร์นนิ่งอัลกอริทึมไม่ได้เขียนโดยมนุษย์โดยตรง แต่ได้รับการฝึกฝนผ่านชุดข้อมูลตัวอย่างที่เชื่อมโยงอินพุตกับเอาต์พุตที่ต้องการ ดังนั้นอัลกอริทึมจึงทำหน้าที่เป็นกล่องดำ แมชชีนเลิร์นนิงส่วนใหญ่ใช้การเรียนรู้เชิงลึกโดยอาศัยเครือข่ายประสาทเทียมเพื่อทำการคำนวณ

รูปที่ 6: เซนเซอร์ภาพจาก iVu series สามารถระบุชิ้นงานตามประเภท ขนาด ตำแหน่ง การวางแนว และการลงสี คอมโพเนนต์แมชชีนวิชันสามารถยอมรับการกำหนดค่าและการตรวจสอบหน้าจอรวม HMI ระยะไกล หรือพีซีได้ กล้อง ตัวควบคุม เลนส์ และแสงทั้งหมดถูกรวมไว้ล่วงหน้าแล้ว (แหล่งที่มาาพ: Banner Engineering Corp.)

แมชชีนเลิร์นนิงอย่างง่ายสำหรับการใช้งานทางอุตสาหกรรมมักมีความน่าเชื่อถือมากกว่าและใช้การคำนวณน้อยกว่าหากใช้การคำนวณโดยตรง แน่นอนว่ามีข้อจำกัดในสิ่งที่สามารถทำได้ด้วยการคำนวณโดยตรง ตัวอย่างเช่น ไม่อาจคาดหวังว่าจะใช้การจดจำรูปแบบขั้นสูงที่จำเป็นในการระบุตัวบุคคลด้วยใบหน้า โดยเฉพาะอย่างยิ่งไม่ใช่จากฟีดวิดีโอของพื้นที่สาธารณะที่มีผู้คนพลุกพล่าน ในทางตรงกันข้าม แมชชีนเลิร์นนิงจัดการกับการใช้งานดังกล่าวได้อย่างช่ำชอง ไม่แปลกใจเลยว่าทำไมแมชชีนเลิร์นนิงจึงถูกนำมาใช้มากขึ้นสำหรับการดำเนินการแมชชีนวิชันระดับล่าง รวมถึงการปรับปรุงภาพ การคืนสภาพ และการตรวจจับคุณสมบัติ

การปรับปรุงแนวทางการสอน (ไม่ใช่อัลกอริทึม)

การเจริญเติบโตของเทคโนโลยีดีพเลิร์นนิงทำให้เห็นได้ชัดว่าไม่ใช่เลิร์นนิงอัลกอริทึมที่ต้องการการปรับปรุง แต่เป็นวิธีที่เลิร์นนิ่งอัลกอริทึมได้รับการเทรน รูทีนการฝึกอบรมที่ได้รับการปรับปรุงดังกล่าวเรียกว่า คอมพิวเตอร์วิชันที่เน้นข้อมูลเป็นศูนย์กลาง ซึ่งระบบดีพเลิร์นนิงจะยอมรับชุดการเทรนขนาดใหญ่มากซึ่งสร้างจากภาพนับพัน ล้าน หรือแม้แต่พันล้านภาพ จากนั้นจะเก็บข้อมูลผลลัพธ์ที่อัลกอริทึมดึงมาจากแต่ละภาพ อัลกอริทึมจะเรียนรู้อย่างมีประสิทธิภาพโดยการฝึกตัวอย่างการทำงาน จากนั้นจึงอ้างอิง "สมุดคำตอบ" เพื่อตรวจสอบว่าได้มาซึ่งค่าที่ถูกต้องหรือไม่

เรื่องราวเก่าๆ เกี่ยวกับยุคแรกๆ ของการจดจำรูปแบบดิจิทัลเป็นเรื่องราวเตือนใจ กองทัพสหรัฐฯ ตั้งใจที่จะใช้แมชชีนวิชันสำหรับการจดจำเป้าหมาย และการสาธิตของบริษัทคู่สัญญาด้านการป้องกันประเทศสามารถระบุรถถังที่ผลิตในสหรัฐฯ และรัสเซียได้อย่างน่าเชื่อถือ รถถังหลายคันมีความแตกต่างอย่างถูกต้องจากรูปถ่ายทางอากาศของบริษัทคู่สัญญา แต่เมื่อทดสอบอีกครั้งกับคลังรูปภาพของเพนตากอน ระบบกลับให้คำตอบที่ผิด ปัญหาคือภาพของผู้รับเหมากลาโหมเป็นภาพรถถังสหรัฐฯ ในทะเลทราย และรถถังรัสเซียในทุ่งหญ้าเขียวขจี ห่างไกลจากการจดจำรถถังที่แตกต่างกัน ระบบกลับจดจำพื้นหลังที่มีสีต่างกันแทน ได้เรียนรู้ไหม? อัลกอริทึมการเรียนรู้จำเป็นต้องนำเสนอด้วยข้อมูลการฝึกอบรมที่คัดสรรมาอย่างดีเพื่อให้เป็นประโยชน์

สรุป: วิสัยทัศน์ด้านความปลอดภัยของหุ่นยนต์ทำงาน

แมชชีนวิชันไม่ได้เป็นเทคโนโลยีเฉพาะอีกต่อไป มีการใช้งานเพิ่มขึ้นในงานอุตสาหกรรมมากที่สุด การพัฒนาที่น่าทึ่งที่สุดคือวิธีที่ระบบวิชันซิสเต็มช่วยเสริมระบบความปลอดภัยของโรงงานอุตสาหกรรมที่ส่งสัญญาณเตือนหรือประกาศด้วยเสียงเมื่อบุคลากรของโรงงานเข้าสู่พื้นที่ทำงานโดยไม่มีหมวกนิรภัย หน้ากาก หรืออุปกรณ์ป้องกันอื่นๆ ที่ถูกต้อง แมชชีนวิชันยังสามารถทำให้ระบบสมบูรณ์ที่จะประกาศเมื่อเครื่องจักรเคลื่อนที่ เช่น รถยกเข้าใกล้ผู้คนมากเกินไป

ระบบแมชชีนวิชันเหล่านี้และระบบที่คล้ายกันสามารถใช้แทนที่การป้องกันรอบหุ่นยนต์อุตสาหกรรม เพื่อให้การทำงานมีประสิทธิภาพมากขึ้น นอกจากนี้ยังสามารถแทนที่หรือปรับปรุงระบบความปลอดภัยที่ใช้ตัวป้องกันแสงที่จะหยุดเครื่องจักรหากพนักงานโรงงานเข้าไปในห้องทำงาน เมื่อแมชชีนวิชันตรวจสอบพื้นโรงงานรอบๆ ห้องทำงาน หุ่นยนต์ที่อยู่ในส่วนดังกล่าวจะค่อยๆ ช้าลงเมื่อมีคนเข้ามาใกล้

เนื่องจากการออกแบบทางอุตสาหกรรมพัฒนาขึ้นเพื่อรองรับการทำงานรามกันกับหุ่นยนต์และอุปกรณ์ในเขตทำงานอื่นๆ ที่ปลอดภัยสำหรับบุคลากรในโรงงานที่จะเคลื่อนที่ไปมา (แม้ในขณะที่อุปกรณ์นั้นทำงาน) ระบบเหล่านี้และระบบอื่นๆ ที่ใช้แมชชีนวิชันจะกลายเป็นส่วนหนึ่งของกระบวนการในโรงงาน