Mr. Ford byłby z nas dumny.
Henry Ford powszechnie uważany za ojca masowej produkcji przemysłowej, miał zwyczaj osobiście sprawdzać każdy automobil zjeżdżający z taśm jego fabryki. Sygnował go własnoręcznym podpisem, co dobrze ilustruje jego wręcz obsesyjną dbałość o jakość legendarnego Modelu T.
Gdy produkcja zaczęła przyspieszać, genialny wizjoner musiał rzecz jasna zarzucić ambitny proceder, jednakże klienci docenili jakość tego prostego auta.
Tak narodziła się legenda marki, dzięki której Ameryka przesiadła się z koni na samochody, a przedsiębiorcy przekonali się, że masowy produkt można oferować w niskiej cenie i dobrej jakości.
Po z górą stu latach, metodę „pańskie oko konia tuczy” zastąpiło oko elektroniczne wspomagane sztuczną inteligencją,
a my wiemy co zrobić, abyś mógł w ciemno podpisać się pod każdym produktem, który opuszcza mury Twojej firmy.
Początki wizji maszynowej.
Idea wizji maszynowej narodziła na przełomie lat 40/50 XX wieku wraz z badaniami nad sztuczną inteligencją, kiedy to armia Stanów Zjednoczonych zaczęła stosować analizę obrazu. Jednakże na praktyczne zastosowanie rodzącej się koncepcji zastosowania jej w przemyśle, trzeba było zaczekać do lat 60 tych.
Lata 70 XX w.
Lata 70 to przełom w dziedzinie wizji maszynowej. Massachusetts Institute of Technology opracował system analizy obrazu, który docelowo miał kontrolować ramię robota do zastosowań przemysłowych. W 1966 Marvin Minsky z MIT poprosił swojego studenta Geralda Jay Sussman’a, aby poświęcił wakacje na próbę połączenia kamery z komputerem i tak narodził się matematyczny opis tego, co rejestruje oko kamery.
Lata 80 XX w.
W latach 80 łączenie piramidy obrazów umożliwiło wyszukiwanie zgodnych ich części, a kolejne wersje piramid pozwalały też na lokalizację wyskalowanych obiektów. Dzięki algorytmom skracającym czas analizy obrazu możliwe było zastosowanie widzenia maszynowego na skalę przemysłową.
Powtarzalność pomiarów, oraz zwiększające się wymogi jakościowe produktów sprawiły, że wizja maszynowa stała się podstawą wielu linii produkcyjnych.
Dodatkowo, oprócz stale rozwijających się algorytmów dla istniejących metod tworzenia i programowania wizji maszynowej powstawały nowe metody, np.
- fotostereoskopia polegająca na analizie kilku zdjęć przy zmiennych warunkach oświetlenia,
- metoda „shape from shading” polegająca na wykorzystaniu zależności pomiędzy ilością światła odbitego a trzecim wymiarem,
- metoda „shape from focus” polegająca na wykorzystaniu zależności pomiędzy ostrością obrazu a trzecim wymiarem.
Lata 90 XX w.
Lata dziewięćdziesiąte przyniosły ogromny rozwój branży wizji maszynowej, a jego motorem był postęp technologiczny w zakresie budowy komputerów. Przetwarzanie układów scalonych umożliwiło wykonanie inteligentnych kamer, które potrafiły nie tylko gromadzić dane obrazu, ale także wyodrębniać informacje z uzyskanych obrazów, bez użycia komputera lub innego zewnętrznego urządzenia przetwarzającego.
Dzięki bardziej wydajnym komputerom, można było wprowadzać do analizy obrazów wypracowane wzory matematyczne pomocne w uzyskiwaniu modeli trójwymiarowych obrazów.
Pod koniec XX wieku naukowcy spekulowali, który kierunek jest najbardziej prawdopodobny dla rozwoju wizji maszynowej (machine vision)
a założenia ówczesnych badaczy, wydają się być aktualne również dzisiaj.
David Marr w „Vision: A Computational Investigation into the Human Representation and Processin” zawarł trzy poziomy rozwoju wizji maszynowej:
- teoria obliczeniowa: co jest celem wykonywania obliczeń? Jakie są ograniczenia i jak sobie z nimi poradzić?
- reprezentacja i algorytmy: co jest wejściem, wyjściem, informacjami pośrednimi, oraz którego algorytmu użyć do obliczeń,
aby otrzymać pożądane wyniki? - implementacja sprzętu: Jak reprezentacje i algorytmy przenieść na istniejący sprzęt?
XXI w.
Obecnie wiemy, że problematyka wizji maszynowej jest dużo bardziej złożona niż uważali badacze z MIT w latach 70 XX w. Wczesne próby otrzymania modeli 3D opierały się na wyciągnięciu krawędzi w przestrzeni 2D, oraz wykorzystaniu modelu blokowego. Pod koniec XX wieku, badania nad algorytmami wykrywającymi krawędzie były kamieniem milowym w dziedzinie wizji maszynowej. Prowadzono również badania nad modelowaniem obiektów o kształtach innych niż wielościany, np. walce. Zauważono również, że do stworzenia modelu 3D można wykorzystać:
- widzenie stereoskopowe,
- cienie,
- oraz natężenie światła.
Z powodu postępu technologicznego wizja maszynowa na liniach produkcyjnych przestała być tylko pomysłem w dziedzinie R&D i jest obecnie szeroko wdrażana i stosowana w branży produkcyjnej do zastosowań obejmujących weryfikację jakości i kontroli produktów.
