رفتن به محتوای اصلی
کاربردهای بینایی ماشین

کاربردهای بینایی ماشین

بینایی ماشین یک فن آوری هوش مصنوعی است که به کامپیوترها امکان درک تصاویر را می دهد. در حال حاضر این فن آوری در سوپرمارکت ها، ماشین های بدون راننده، تشخیص های پزشکی و در نظارت بر سلامت محصولات و دام ها استفاده می شود.

امروزه ماشین هایی توانایی تشخیص تصاویر را دارا می باشند. شرکت های بزرگ فن آوری مانند آمازون، گوگل، مایکروسافت و فیسبوک در حال سرمایه گذاری میلیاردها دلار در تحقیقات و توسعه محصولات مرتبط با بینایی ماشین هستند. با توجه به این موضوع، در ادامه کاربردهای بینایی ماشین در شرکت های بزرگ بررسی شده و همچنین به تکنولوژی هایی که در آینده می تواند ظاهر شود، اشاره شده است.

کاربردهای بینایی ماشین

  • خرده فروشان و امنیت آن ها
  • خودرو و سیستم های حمل و نقل
  • بهداشت
  • کشاورزی
  • بانکداری
  • صنایع
  • بازی های کامپیوتری
  • تشخیص چهره
  • بازیابی تصاویر

خرده فروشی و امنیت آن در Amazon

آمازون به تازگی Amazon Go را برای عموم مردم در دسترس قرار داده است. در فروشگاه های Amazon Go نیازی نیست خریداران در صف ها بایستند تا محصولات خود را بررسی و هزینه را پرداخت کنند. این فروشگاه ها که در سیاتل و واشنگتن قرار دارند، مجهز به دوربین هایی با قابلیت بینایی ماشین هستند. ابتدا فقط کارمندان آمازون اجازه ی حضور در این فروشگاه ها را داشتند ولی از اوایل 2018 مردم هم می توانند وارد این فروشگاه ها شوند.

تکنولوژی مورد استفاده در این فروشگاه ها Walk Out نامیده می شود. همان طور که در ویدئوی یک دقیقه ای زیر مشاهده می کنید، خریداران قبل از ورود به فروشگاه باید برنامه ی موبایل خود را فعال کنند.

همچنین در ویدئو مشخص است که دوربین های مجهز به فناوری بینایی ماشین در سقف بالای راهرو و در قفسه ها قرار دارند. وب سایت شرکت ادعا می کند که این دوربین ها قابلیت تعیین زمانی که یک شی از قفسه برداشته می شود و هم چنین تشخیص فردی که شی را برمی دارد را دارند. اگر یک کالا به قفسه برگردانده شود، این سیستم قادر به حذف آن کالا از سبد مجازی مشتریان است. شبکه ی دوربین ها امکان ردیابی افراد در تمام زمان ها را فراهم می کند و اجناس خریداران را به درستی قبل از خروج آن ها از فروشگاه حساب می کند، بدون اینکه مجبور شوند از تشخیص چهره استفاده کنند.

همان طور که از نام  Walk Out پیداست، خریداران هر موقع که محصولات خود را انتخاب کردند، برای بیرون رفتن از فروشگاه آزاد هستند. پس از خروج از فروشگاه، برنامه یک رسید آنلاین برای آن ها ارسال کرده و هزینه محصولات را در حساب آمازون آن ها شارژ می کند.

در حالی که فروشگاه، فروشنده ها را حذف کرده است، نیویورک تایمز گزارش داده است که کارکنان فروشگاه هنوز هم برای چک کردن شناسه ها، پر کردن قفسه ها و کمک به خریداران برای پیدا کردن کالا ها و راهروها در دسترس هستند. یک نماینده آمازون تایید کرده است که کارمندان انسانی پشت صفحات نمایش در فروشگاه های Go کار می کنند تا به آموزش الگوریتم ها کمک کرده و اگر کالای خارج شده از قفسه ها اشتباها شناسایی شد، آن را تصحیح کنند.

آمازون در سال 2017، Whole Food (فروشگاه خواربارفروشی)را خریداری کرده است، اما نایب رئیس Amazon Go، اعلام کرده که این شرکت هیچ برنامه ای برای پیاده سازی تکنولوژی Walk Out در سوپرمارکت های زنجیره ای ندارد.

آمازون در خرده فروشی خود  patent ای را برای یک آینه ی مجازی ثبت کرده است. آمازون در این  patent اظهار کرده است که ” به منظور سرگرمی، نمایش های بصری منحصر به فرد می تواند تجربه ی کاربران را ارتقا دهد.”

فناوری آینه ی مجازی که در patent به تصویر کشیده شده است به عنوان یک نمایش ترکیبی از واقعیت، توصیف شده به این صورت که تصویر خریدار را در یک صحنه قرار می دهد و یک لباس مجازی به تن مشتری می کند.

پردازش تصویرتصویر شخص در مقابل آینه

طبق اظهارات این patent، آینه ی مجازی از شناسایی چهره که یکی از زیر مجموعه های بینایی ماشین است استفاده می کنند به صورتی که می تواند چشم ها را مکان یابی کند. سیستم با شناسایی مکان چشم ها، می داند که کاربر به کدام شی در آینه نگاه می کند. سپس الگوریتم ها از این داده برای کنترل پروژکتورها استفاده می کنند.

آمازون خبر توسعه ی آینه ی مجازی را اعلام نکرده و این آینه هنوز توسعه نیافته است. اما طرح های منتشر شده از دفتر ثبت patent نشان می دهد که چگونه یک کاربر می تواند اشیا منعکس شده در آینه را به صورت ترکیب با تصاویری که در دستگاه نمایش وجود دارند، ببیند.

بر اساس توضیحات patent تصویر موجود در صفحه ی نمایش می تواند یک مسیر کوهستانی باشد و نرم افزار شخص را در این صحنه قرار داده و یک لباس به تن تصویر این فرد در آینه قرار می دهد. خریدار می تواند چندین لباس را امتحان کند بدون اینکه نیاز به پوشیدن آن ها باشد.

بینایی ماشین

هیچ دمویی از آینه ی مجازی آمازون وجود ندارد اما در ادامه یک ویدئوی دو دقیقه ای را مشاهده می کنید که مربوط به استفاده از کینکت در یک فروشگاه است که به عنوان یک آینه ی مجازی کار می کند. همان طور که در ویدئو نشان داده می شود شخص یک لباس مجازی به تن دارد. حرکات او دنبال می شود و با صدای خریدار رنگ لباس هم عوض می گردد.

آمازون Echo Look را قبلا منتشر کرده است. Echo Look دوربینی است که عکس و 6 ثانیه فیلم از لباس فرد می گیرد و ترکیبی از لباس را به او پیشنهاد می دهد.

ویدئوی 2 دقیقه ای زیر نشان می دهد که چگونه Alexa که دستیار مجازی آمازون است به کاربران در انتخاب لباس ها کمک می کند و حتی پیشنهاداتی در انتخاب لباس های مناسب تر می دهد.

لینک ویدیو در یوتیوب

همان طور که در ویدئو مشاهده می کنید کاربر می تواند از گجت بخواهد عکس های کاملی از بدنش یا یک ویدئوی 6 ثانیه ای بگیرد. Alexa دو عکس کاربر را در لباس های متفاوت مقایسه کرده و پیشنهاد می دهد که کدام یک بهتر است.

آمازون در سایت خود اعلام کرده که Echo Look به یک دوربین با ادراک عمقی و توانایی محو کردن پس زمینه ی تصویر با استفاده از بینایی ماشین مجهز است. بخشی از خط تولید اتوماسیون خانگی شرکت آمازون برای مصرف کنندگان در نظر گرفته شده است و قیمت آن 200 دلار است. هنوز مشخص نیست که تاکنون یک خرده فروش از آن استفاده کرده است یا خیر.

StopLift


StopLift ادعا می کند که یک سیستم بینایی ماشین توسعه داده که دزدی ها و دیگر کمبود ها را در فروشگاه های زنجیره ای کاهش می دهد. در واقع محصول این شرکت برای امنیت خرده فروشی هاست. محصول شرکت که ScanItAll نام دارد سیستمی است که خطاهای فروشندگان و همچنین فروشندگانی که محصولات را اسکن نمی کنند را مشخص می کند. نام دیگر این محصول sweethearting است که به معنای اسکن تقلبی یک محصول توسط فروشنده است که در تبانی با مشتری صورت می گیرد و این مشتری می تواند دوست، خانواده یا همکار فروشنده باشد.

تکنولوژی بینایی ماشین موجود در ScanItAll در دوربین های متصل به سقف و سیستم های POS فروشگاه های خواربار فروشی وجود دارد. نرم افزار از طریق دوربین،افزار مشاهده می کند که آیا صندوقدار همه ی کالاها را اسکن می کند. اگر محصولی در POS اسکن نشود، با عنوان “loss” توسط نرم افزار برچسب می خورد. بعد از ثبت این مورد، نوبت مدیریت است که تدابیری را برای جلوگیری از موارد مشابه در آینده اتخاذ کند.

شرکت StopLift ادعا می کند که ScanItAll می تواند رفتارهای sweethearting مانند پوشاندن بارکد، انباشتن محصولات روی یک دیگر، اسکن نکردن کالا، بسته بندی مستقیم کالا را شناسایی کند.

در ویدئوی زیر نشان داده می شود که که چطور ScanItAll اقلامی را که در هنگام چک کردن توسط صندوقدار نادیده گرفته می شود را می توان شناسایی کرد.

لینک ویدیو در یوتیوب

در یک مطالعه ی موردی  Piggly Wiggly نماینده ی شرکت Stop Lift ادعا کرده است که در دو فروشگاه خواربار فروشی از زمان استقرار این سیستم رفتار های sweethearting کاهش یافته است. همچنین خسارت 10 هزار دلاری در ماه به دلیل مشکلات در اسکن اقلام بوده، به هزار دلار در ماه کاهش یافته است. این خسارت بیشتر به دلیل خطا بوده تا اینکه به رفتارهای مشکوک فروشنده هنگام اسکن کالا ها مربوط شود.

شرکت گزارش داده که این برنامه در رودآیلند، ماساچوست و استرالیا استفاده می شود ولی هنوز مطالعه ای در این بار منتشر نشده است.

خودرو و سیستم های حمل و نقل
طبق اظهارات سازمان بهداشت جهانی بیش از 1.25 میلیون نفر سالانه در تصادفات، جان خود را از دست می دهند. این سازمان پیش بینی کرده که اگر هیچ اقدام پایداری صورت نگیرد تصادف، هفتمین علت مرگ تا سال ۲۰۳۰ خواهد بود. تقریبا نیمی از تلفات جاده ای «کاربران جاده ای آسیب پذیر» هستند: عابران پیاده، دوچرخه سواران و موتورسواران. با توجه به این تحقیق، یک دلیل واضح برای اکثر این حوادث وجود دارد: خطا و بی توجهی انسان.

Waymo
شرکتی است که ادعا می کند رانندگی را ایمن تر می کند. Waymo که قبلا به عنوان پروژه ی ماشین خودران شناخته می شود در حال کارکردن بر روی بهبود حمل و نقل مردم، ساخت ماشین های خودران و فناوری سنسور است که در آزمایشگاه های گوگل ساخته می شود.

سایت شرکت گزارش داده که ماشین های این شرکت مجهز به سنسورها و نرم افزاری است که می تواند حرکات 360 درجه ای پیاده ها، دوچرخه سوارها، ساخت و سازهای جاده ای و اشیا را تا فاصله ای به اندازه ی سه زمین فوتبال شناسایی کند. شرکت همچنین ادعا کرده است که این نرم افزار در 7 میلیون مایل جاده مورد آزمایش قرار گرفته تا خودروهای خود را برای حضور در ترافیک های روزانه آموزش دهد.

ویدئوی سه دقیقه ای زیر نشان می دهد که چگونه خودروهای شرکت به صورت خودکار در جاده رانندگی می کنند.

لینک ویدیو در یوتیوب

همان طور که در ویدئو می بینید خودرو می تواند جریان ترافیک را دنبال و مقررات را پیروی و موانع را شناسایی کند. برای مثال، زمانی که دوچرخه سوار دست چپش را دراز می کند، نرم افزار سیگنال دست را تشخیص می دهد و پیش بینی می کند که آن دوچرخه سوار به مسیر دیگری حرکت می کند. نرم افزار همچنین می تواند به وسیله نقلیه دستور دهد که کندتر حرکت کند تا دوچرخه سوار به طور ایمن از آنجا عبور کند.

این شرکت اعلام کرده که از شبکه های عمیق برای پیش بینی، برنامه ریزی، نقشه برداری و شبیه سازی برای آموزش وسایل نقلیه برای مانور در موقعیت های مختلف مانند مکان های ساخت وساز، دادن راه به وسایل نقلیه اورژانسی، دادن فضا به ماشین ها برای پارک کردن و توقف برای عبود عابران پیاده استفاده می کند.

قطرات برف و باران می تواند نویز زیادی را در سنسور ماشین های خودران ایجاد کند. یادگیری ماشین به فیلتر کردن این نویز و تشخیص درست افراد پیاده، وسایل نقلیه و دیگر موارد کمک می کند.

گزارشات حاکی از آن است که ماشین ون شرکت Waymo  در تصادفی در آریزونا وقتی به صورت خودران در حال حرکت و یک راننده هم پشت فرمان بوده، درگیر بوده است اما پلیس ادعا کرده این نرم افزار خطایی نداشته است.در وبسایت این شرکت اعلام شده که شرکت قصد دارد این تکنولوژی را در انواع مختلف سیستم های حمل و نقل به کار ببرد.

Tesla

شرکت دیگری که ماشین های خودران را توسعه داده تسلا است که ادعا می کند که تمامی خودروهای خودران آن توانایی رانندگی به صورت خودکار را دارند.

هر وسیله نقلیه ی این شرکت، مجهز به هشت دوربین برای دید ۳۶۰ درجه ای در اطراف خودرو با فاصله کانونی ۲۵۰ متر در اطراف خود است. دوازده سنسور مافوق صوت، ماشین را قادر می سازند تا اشیا سخت و نرم را شناسایی کند. این شرکت ادعا می کند که یک رادار رو به جلو، خودرو را قادر می سازد تا در باران سنگین، مه، گرد و خاک و حتی خودروی جلویی را ببیند. سیستم دوربین آن که Tesla Vision نام دارد با ابزارهای پردازش دید کار می کند که شرکت تسلا اعلام کرده این سیستم روی یک شبکه عصبی عمیق ساخته شده و قادر به بازسازی محیطی است تا خودرو بتواند جاده های پیچیده را هدایت کند.

در ویدئوی سه دقیقه ای زیر مشاهده می کنید که یک خودرو بدون دست های راننده بر روی فرمان و پاهای او بر روی پدال در ساعات شلوغی ترافیک در حال حرکت است.

لینک ویدیو در یوتیوب

در مارس 2018 ماشین شرکت تسلا در یک تصادف مرگ بار شرکت داشته است در حالی که خودرو در حالت خودران در حال حرکت بوده است. با وجود هشدارهای داده شده، راننده دست هایش را روی فرمان قرار نداده است. در عرض شش ثانیه ای که دست ها روی فرمان نبوده با یک بتن برخورد کرده و راننده کشته می شود. بعداً مشخص می شود که نه راننده و نه خود ماشین ترمز را فعال نکردند.

پیشرفت های اخیر نرم افزاری که برای تسلا ایجاد شد، شامل هشدارهای بیشتر به رانندگان برای نگه داشتن دستان خود بر روی فرمان بود. براساس اعلام این شرکت، پس از سه هشدار، نرم افزار مانع حرکت بیشتر خودرو می شود، تا اینکه راننده دوباره خودرو را روشن نماید.

مراقبت های بهداشتی

در مراکز مراقبت های بهداشتی، بینایی ماشین به متخصصان کمک می کند تا به درستی شرایط یا بیماری ها را دسته بندی کنند. این امر می تواند با کاهش یا حذف تشخیص یا درمان نادرست به نجات جان بیمار کمک کند.

Gauss Surgical

شرکت Gauss Surgical روش هایی برای نظارت بر از دست رفتن خون را توسعه داده که می تواند زمان از دست رفتن خون را در شرایط پزشکی به صورت بلادرنگ تخمین زند. این روش، انتقال خون را به حداکثر می رساند و همچنین خونریزی را بهتر از چشم انسان تشخیص می دهد.

خط تریتون شرکت Gauss Surgical برای نظارت بر خون از دست رفته، شامل تریتون اتاق جراحی است که از یک برنامه ی مبتنی بر iPad برای گرفتن تصاویری از خون در اسفنج های جراحی و محفظه های مکش استفاده می کند. این تصاویر توسط الگوریتم های بینایی ماشین برای تخمین مقدار خون از دست رفته پردازش می شود. شرکت ادعا می کند که این برنامه توسط مختصصان پزشکی در بیمارستان ها طی عملیات جراحی استفاده می شود.

ویدئوی 6 دقیقه ای نشان می دهد که چگونه تصاویر اسفنج ها یا لباس هایی که خون را جذب می کنند گرفته شده و به عنوان یک اسکنر بلادرنگ کار می کند تا بتواند مقدار خون از دست رفته ی بیمار را تخمین بزند.

لینک ویدیو در یوتیوب

برای تعیین صحت و درستی برنامه تریتون اتاق جراحی، این برنامه در حین عملیات زایمان مورد مطالعه قرار گرفت و توسط سازمان غذا و داروی آمریکا درسال 2017 تایید شد.

Gauss Surgical در سال 2017 یک مطالعه برای بررسی میزان صحت تخمین مقدار خون از دست رفته در عمل سزارین انجام داد. با استفاده از بینایی ماشین مقدار خونه جذب شده در اسفنج ها و مخزن مکش برای 50 بیمار در طی عمل سزارین اندازه گیری شد. وقتی نتایج با نتایج پزشک متخصص مقایسه شد مشخص شد نتایج برنامه بهتر بوده است.

DeepLens و DermLens

DeepLens وب سرویسی از شرکت آمازون است که میتواند با نرم افزارهای متن باز در هر صنعتی یکپارچه شود. این وب سرویس در این ویدئو به عنوان بسته ای معرفی می شود که در آن هر برنامه نویسی از هر صنعتی می توان آن را برای توسعه ی برنامه های بینایی ماشین خود توسعه دهد.

یکی از برنامه های مراقبت پزشکی که از DeepLens استفاده می کند DermLens است که توسط یک گروه استارتاپ مستقل راه اندازی شد. DermLens هدفش کمک به بیمار برای مدیریت بیماری پوستی psoriasis است. این برنامه داده های گزارش شده را برای تیم پزشکی در دسترس قرار می دهد.

ویدئوی ۴ دقیقه ای زیر نحوه ایجاد و استقرار یک پروژه شناسایی اشیا را با استفاده از کیت DeepLens به توسعه دهندگان آموزش می دهد.

لینک ویدیو در یوتیوب

براساس این ویدئو، توسعه دهندگان باید با نام کاربری و رمز عبور خود وارد سیستم مدیریت خدمات وب سایت آمازون شوند. پس از ورود، توسعه دهنده باید یک پروژه ی نمونه ی شناسایی اشیا را انتخاب می کند، توصیف پروژه و مقادیر دیگر را در فیلدهای مورد نظر وارد می کند. در ادامه می توان خروجی پروژه ی مورد نظر را روی صفحه ابزار خود مشاهده کرد.

این ویدئو نشان می دهد که چگونه الگوریتم برنامه برای تشخیص بیماری پوستی مورد نظر از 45 تصویر پوست که شامل بخش های قرمز و جوش دار است، استفاده می کند. ابزار بینایی ماشین داده ها را به برنامه میفرستد و کاربر می تواند تخمین شدت بیماری را مشاهده کند.

تیم DermLens یک برنامه موبایل برای گزارش علائم اضافی مانند خارش و خستگی را هم توسعه داده است.

در طی تحقیقی که این تیم در ژونال American Dermatology به ثبت رسانده، این شرکت ادعا کرده که DermLens در 92 بیمار تست شده و 72 درصد از بیماران اعلام کرده اند که ترجیح می دهند از دوربین های DermLens به جای گوشی های هوشمند استفاده کنند. مطالعه همچنین مشخص کرده که 98 درصد از بیماران تحت مطالعه تمایل دارند در صورت در دسترس بودن این ابزار، تصاویر خود را با این ابزار به مراکز پزشکی ارسال کنند. در حال حاضر با جستجو در اینترنت، نمی توان کاربری از این شرکت را یافت.

کشاورزی

برخی از مزارع به تدریج در حال استفاده از فن آوری بینایی ماشین برای بهبود عملیات خود هستند. تحقیقات ما حاکی از آن است که این تکنولوژی ها با هدف کمک به کشاورزان برای اتخاذ روش های رشد کارآمدتر، افزایش بازدهی و در نهایت افزایش سود توسعه یافته است.

Slantrange

Slantrange ادعا می کند که هواپیمای بدون سرنشینی مجهز به بینایی ماشین توسعه داده که به سیستم هوشمندی شامل سنسورها، پردازشگرها، ابزار ذخیره سازی، شبکه ها و برنامه های تحلیل هوش مصنوعی و دیگر واسط ها متصل است تا شرایط محصولات را اندازه گیری و نظارت کند.

در ۱۲۰ متر بالاتر از سطح زمین، دوربین دارای رزولوشن 4.8 سانتیمتر/پیکسل است. با این حال، وب سایت شرکت اشاره کرده که پرواز در سطوح پایین تر وضوح بهتری ارائه می دهد.

این شرکت ادعا می کند که هواپیماهای بدون سرنشین آن تصاویری از زمین ها را ثبت کرده و نتایج حاصل از شرایط استرس زای محصول را در مقایسه با شرایطی که محصول در حالت استرس قرار ندارد، نشان دهد. این عوامل استرس زا عبارتند از هجوم آفت ها، کمبود مواد غذایی و کمبود آب که معیارهایی برای برآورد بازده برداشت هستند. این نتایج به سیستم تحلیلی SlantView داده می شود تا داده ها تفسیر شوند و در نهایت به کشاورزان در تصمیم گیری برای درمان شرایط استرس زا کمک می کند.

این ویدیو ۵ دقیقه ای یک برنامه آموزشی را در مورد نحوه استفاده از توابع پایه برنامهSlantView ارایه می دهد. ابتدا چگونگی استفاده از این روش برای شناسایی مناطق مورد استرس با استفاده از این تصاویر مورد بررسی قرار گرفته است.

لینک ویدیو در یوتیوب

طبق مطالعات انجام شده، Alex Peteson مالک Target Imaging On باور دارد که با تغییر برنامه از سنتی به دیجیتال محصولات بیشتری با ورودی کمتر تولید می شود و کشاورزی کارامدتر خواهد بود.

با استفاده از هواپیمای بدون سرنشین Slantrange 3p تیم به پرواز درآمد و اولین 250 هکتار مزرعه را برای تعیین مناطقی که مورد تنش هستند از بالا نقشه برداری کرد. این کار آن ها را قادر ساخت تا اطلاعات مربوط به مناطقی با سطوح بالای نیترات در خاک را جمع آوری کنند که تاثیری منفی بر محصولات چغندر قند دارد. سپس داده ها را در SlantView پردازش کردند. SlantView دارای الگوریتم هایی است که می تواند مشخص کند تصویر مربوط به محصول است یا علف هرز به صورتی که صحت روش افزایش می یابد.

Slantange ادعا می کند که هواپیماهای بدون سرنشین آن فقط به ۱۷ دقیقه پرواز نیاز دارند تا ۴۰ هکتار زمین را پوشش دهند که معادل حدود ۸ دقیقه از پردازش داده ها است. طبق گزارش ها، زمان پرواز و پردازش داده ها برای تهیه نقشه هایی از مناطق استرس زا حدود 3 ساعت است. این داده ها منجر به کاهش 15 تا 20 درصدی استفاده از کود نیتروژن در 500 هکتار زمین شده که معادل 9 تا13 دلار صرفه جویی در هر هکتار است. تیم این عملیات محصولات سالم تر و حتی افزایش در محصولات به صورت 10 بشکه در هر هکتار را پیش کرده بود. بازده و سود بیشتر سبب شد که سرمایه گذاری برای پیاده سازی دقت در مزرعه جبران شود.

Cainthus

تشخیص چهره حیوانات یکی از ویژگی های ادعا شده توسط شرکت Cainthus است. Cainthus از تحلیل تصویربرداری پیش بینی کننده برای نظارت بر سلامت محصولات و دام ها استفاده می کند.

ویدئوی 2 دقیقه ای زیر چگونگی تشخیص گاوها با استفاده از تصویر برداری در چند ثانیه توسط این نرم افزار را نشان می دهد. نرم افزار این کار را بر اساس الگوهای پنهان، تشخیص چهره و ردیابی داده های کلیدی مانند مصرف آب و غذا، شناسایی گرما و الگوهای رفتاری انجام می دهد. این اطلاعات توسط الگوریتم های هوش مصنوعی دریافت شده و هشدارهایی را مورد سلامتی گاوها به کشاورزانی که در مورد تولید شیر، مدیریت تولید مثل و سلامت کلی حیوانات تصمیم گیری می کنند، ارسال می شود.

Cargill، تولید کننده و توزیع کننده محصولات کشاورزی مانند شکر، روغن تصفیه شده، پنبه، شکلات و نمک، اخیرا با Cainthus همکاری کرده تا فن آوری تشخیص چهره مزارع لبنی در سراسر جهان وارد شود.

بر اساس گزارش های فوریه 2018، Cargill و Cainthus در حال بررسی این روش روی خوک ها هستند و هدفشان انتشار برنامه ای تا آخر 2018 است. طرح هایی هم برای توسعه این برنامه برای ماهی ها و مرغ ها وجود دارد.

بانکداری

بیشتر کاربردهای هوش مصنوعی در صنعت بانکداری در گذشته در زمینه ی کشف تقلب و پردازش زبان طبیعی است. هم اکنون نیز بینایی ماشین در صنعت بانکداری راه پیدا کرده است.

Mitek

سیستم های Mitek  برنامه های شناسایی تصویری را ارائه می دهند که از یادگیری ماشین برای دسته بندی، استخراج داده و اعتبارسنجی اسنادی مانند گذرنامه، کارت های شناسایی، گواهی نامه های رانندگی و چک ها استفاده می کنند.

در این برنامه، تصویری از شناسه یا چک کاغذی با موبایل گرفته می شود سپس به بانک کاربر ارسال می شود که در آن برنامه های بینایی ماشین، اعتبار آن را تعیین می کنند. زمانی که توسط بانک تایید و پذیرفته شد، درخواست یا چک پردازش می شود. براساس گزارش وب سایت شرکت Mitek، منابع مالی معمولا در یک روز کاری در دسترس مشتریان قرار می گیرند.

دموی دو دقیقه ای زیر نشان می دهد که چگونه نرم افزار Mitek روی تلفن های همراه کار می کند تا تصویر یک چک را ثبت کرده و آن را در حساب کاربر سپرده گذاری کند.

لینک ویدیو در یوتیوب

برای شروع فرایند، کاربر شماره ی موبایل خود را در فرم درخواست بانک وارد می کند. یک پیام متنی همراه با لینکی به کاربر فرستاده می شود تا عکسی را بگیرد. کاربر می تواند تصویر گواهینامه رانندگی، کارت شناسایی یا گذرنامه خود را وارد کند. فناوری Mitek هزاران سند شناسایی از سراسر دنیا را تشخیص می دهد. تصویر پشت و رو شناسه یا سند، مورد نیاز است. بعد از ثبت تصویر توسط کاربر، کیفیت تصویر سریعا از نظر کیفیت بررسی می شود. شرکت ادعا کرده که الگوریتم ها برخی از نواقص تصویر مانند نور، اعوجاج و دیگر موارد را تصحیح می کنند.

بانک تجاری میشیگان قصد توسعه ی خرده فروشی خود و حساب های سپرده ی مشتری های خود را با متصل کردن به سرویس های دیجیتال داشت. این بانک از Mitek برای به حساب سپردن چک ها با استفاده از دوربین های تلفن های هوشمند استفاده کرد. Mitek ادعا می کند این پیاده سازی 30 روز طول کشیده و در چهار ماه 20 درصد از مشتریان شروع به استفاده از نرم افزار کرده اند. در همان دوره ثبت نام در این برنامه 400 درصد افزایش یافت که علت آن تغییر روش اسکن و استفاده از دوربین بوده است.

صنعت

Osprey Informatics

یکی از کاربردهای بینایی ماشین توسط شرکت Osprey Informatics ارائه شده است که برنامه هایی را برای نظارت بر وضعیت زیرساخت حیاتی مانند چاه های دورافتاده، تاسیسات صنعتی، فعالیت کاری و امنیت مکان توسعه داده است. این شرکت در وب سایت خود، شرکت شل و چورون را در میان مشتریان خود فهرست کرده است.

در یک مطالعه ی موردی کاربری گزارش داده که استفاده سیستم نظارتی این شرکت برای نظارت بر چاه های نفت از راه دور سبب کاهش بازدیدها و هزینه ها شده است. مشتری به دنبال راه هایی برای کارآمدتر کردن تولید نفت در مواجهه با قیمت های پایین بوده است. در این مطالعه نشان داده شده است که Osptey از سیستم های نظارت مجازی در چندین مکان برای نظارت بر عملیات و امنیت و شناسایی کاربردهای جدید به منظور بهبود بهره وری استفاده کرده است.

سیستم بینایی ماشین این شرکت برای چاه های مهم کاربر، به منظور ایجاد تصاویر 15 دقیقه ای از نواحی خاص چاه توسعه داده شده که دارای گزینه ای برای تصاویر مورد تقاضا و ویدئوی زنده است. Osptey همچنین در یک باتری مخزن کنترل از راه دور مستقر شده و اپراتورها را قادر به خواندن سطوح تانک و مشاهده منطقه می کند. با توجه به مطالعه موردی، مشتری توانست از زمان استقرار Osptey ، میزان بازدید روزانه از محل روزانه را ۵۰ به درصد کاهش دهد.

ویدئوی سه دقیقه ای زیر چگونگی استفاده از روش Osptey برای کمک به اپراتور ها در کنترل از راه دور چاه های نفت را نشان می دهد. با زوم کردن در تصویر می توان جاهایی که نشت کرده و همچنین اینکه آیا پمپ ها در سرعت مشخصی حرکت می کنند را مشخص کرد.

لینک ویدیو در یوتیوب

براساس وب سایت این شرکت، فهرست صنایعی که می توانند از بینایی ماشین استفاده کنند، شامل سکوهای نفتی و گازی، کارخانه های شیمیایی، پالایشگاه های نفت و حتی نیروگاه های هسته ای است. اطلاعات جمع آوری شده توسط حسگرها و دوربین ها به نرم افزار هوش مصنوعی منتقل می شوند که به بخش تعمیرات و نگهداری هشدار می دهد تا اقدام های لازم را حتی در شرایطی که کمترین استرس وجود دارد، انجام دهد.

نتیجه گیری
بینایی ماشین هم اکنون در صنایع بسیاری وارد شده است. برخی صنایع این کاربرد را زودتر از بقیه اتخاد کرده اند اما به هر حال این تکنولوژی هنوز هم برای نظرات، تحلیل، تفسیر، کنترل، تصمیم گیری و اقدام، به انسانها نیازمند است.

در صنعت خودرو، شرکت های جهانی مانند گوگل و تسلا در حال پیشرفت و بهبود ماشین های خودران مجهز به دوربین های بینایی ماشین هستند. با این حال، با گزارش تصادفات مرگبار، واضح است که این خودروها کاملا آماده تجاری بودن نیستند و نمی توانند کاملا خودمختار باشند.

در فروشگاه های خرده فروشی آنلاین مانند فروشگاه Amazon Go، هنوز هم کارمندان انسانی در بخش خدمات مشتری کار می کنند و در پشت صفحه نمایش ها مشغول آموزش الگوریتم ها و بررسی توانایی یادگیری ماشین هستند. از لحاظ امنیت خرده فروشی، تکنولوژی به ثبت ویدیو سرقت ها کمک می کند، اما در نهایت منابع انسانی باید وارد عمل شوند تا کارمندان خطاکار را اصلاح کنند.کاربرد بینایی ماشین در کشاورزی به کندی پیش می رود. اما شرکت هایی مانند Cainthus با هدف گرفتن این فن آوری از صنایع دیگر و بکارگیری آن در کشاورزی وارد این بازار شده اند. این شرکت ها ادعا می کنند که به کشاورزان در کشاورزی دقیق تر کمک کنند تا از این طریق تولید را با هزینه کم تر افزایش دهند. همکاری Cainthus و Cargill می تواند شکل دیگری از کاربردهای هوش مصنوعی را وارد صنایع کند.

نرم افزار تبدیل عکس به متن و نرم افزار پلاک خوان خودنگار شرکت هوش داده مهتاب با استفاده از فناوری پردازش تصویر توسعه پیدا کرده اند.

منبع

برای این نوشته 0 نظر ثبت شده است

پاسخی بگذارید

برگشت به بالا