امروزه، به لطف جهشهای بزرگ در قابلیتهای هوش مصنوعی، فناوریهای مبتنی بر بینایی کامپیوتری (CV) به ویژگیهای کلیدی بسیاری از برنامهها و دستگاهها، از جمله مواردی که مردم هر روز از آنها استفاده میکنند، تبدیل شدهاند.
نرم افزار بیومتریک تشخیص چهره بدون بینایی کامپیوتری وجود نخواهد داشت. خودروهای خودران برای رانندگی ایمن به آن نیاز دارند. بینایی کامپیوتری هم برای تجزیه و تحلیل تصویر پزشکی و هم برای فرآیندهای بازرسی تضمین کیفیت رباتیک مورد نیاز است. شرکت من، Shopic، از بینایی کامپیوتری برای شناسایی اقلام قرار داده شده در چرخ دستیهای برچسب استفاده میکند.

این فناوری ها اساسا از بینایی کامپیوتری برای خودکارسازی فرآیندهای مفید با استفاده از داده های بصری به عنوان ورودی استفاده می کنند. سیستمها شامل سختافزار و الگوریتمهای اسکن هستند که ماشینها را قادر میسازند تا اطلاعات را از تصاویر و ویدیوهای دیجیتال تجزیه و تحلیل، پردازش و استخراج کنند. به شدت به یادگیری ماشین، یادگیری عمیق و شبکه های عصبی پیچیده متکی است.
در ماه های اخیر، بینایی کامپیوتر به روش های جدید و هیجان انگیزی توسعه یافته است. این تغییرات برای برخی نیز ناراحت کننده است، اما من پتانسیل و فرصت را در این زمینه می بینم. در زیر برخی از روندهای برجسته ای وجود دارد که معتقدم در این مرحله و برای آینده قابل پیش بینی بر صنعت تسلط خواهند داشت.
به دست آوردن آستانه به تدریج کاهش می یابد
پیشرفتهای مداوم در ذخیرهسازی ابری لبه منجر به این شده است که دستگاههای لبهای مانند دوربینهای دیجیتال و حسگرهای بینایی بتوانند پردازش بینایی رایانهای را در محل به جای ارسال آن به ابر اجرا کنند. این کار پردازشهای هوش مصنوعی بینایی کامپیوتر را به دستگاههای لبه منتقل میکند و تأخیر را کاهش میدهد و مصرف انرژی و پهنای باند را کاهش میدهد. شرکت هایی مانند Nvidia در حال توسعه خدمات ابری لبه برای بهبود استقرار منابع بینایی کامپیوتر هستند. خلاص شدن از پردازش و ذخیره سازی ابری گران قیمت هزینه پذیرش را کاهش می دهد و سیستم های CV را در دسترس تر و مقرون به صرفه تر می کند. حرکت به سمت پردازش لبهای همچنین حریم خصوصی دادهها را برای برنامههای بینایی کامپیوتری بهبود میبخشد، و بر مسائل مربوط به انطباق که قبلاً توسط بسیاری از شرکتها پذیرفته شده بود، غلبه میکند.
کاربردهای بینایی کامپیوتری گسترش می یابند
با کاهش موانع پذیرش، صنایع بیشتری در حال پیاده سازی بینایی کامپیوتری در موارد استفاده بیشتر و بیشتر هستند. مراقبتهای بهداشتی یکی از حوزههایی است که مشتاق پذیرش بینایی رایانهای است که میتواند تشخیصهای تصویربرداری دقیقتر و خدمات پزشکی از راه دور را با وعده جراحی به کمک ربات امکانپذیر کند.
ما شاهد رشد موارد استفاده از بینایی کامپیوتر در صنعت خرده فروشی از جمله سیستم های خرید سلف سرویس و فروشگاه های بدون صندوق بوده ایم. وسایل نقلیه خودران و تجهیزات ایمنی جاده از دید کامپیوتر برای بهبود ایمنی استفاده می کنند، کشاورزان از بینایی کامپیوتری برای نظارت بر محصولات کشاورزی و تشخیص بیماری استفاده می کنند و سیستم های VSLAM از دید کامپیوتری برای ارائه نقشه های دقیق تر برای امداد رسانی در بلایا، پیش بینی آب و هوا و موارد دیگر استفاده می کنند.
با ادامه انباشت موارد استفاده، بازار بینایی کامپیوتر گسترش خواهد یافت. گلوبال دیتا پیش بینی می کند که بازار بینایی کامپیوتر از 17.73 میلیارد دلار در سال 2023 به 30.3 میلیارد دلار در سال 2026 خواهد رسید.
سیستم پیچیده تر می شود
همانطور که الگوریتمهای هوش مصنوعی زیربنای راهحلهای بینایی کامپیوتری قدرتمندتر میشوند، سیستمهای بینایی کامپیوتری توانایی خود را در تشخیص اشیا و چهرهها بهبود میبخشند. این به سیستمهای بینایی رایانهای اجازه میدهد تا احساسات را با دقت بیشتری تشخیص دهند و حرکات بدن را ردیابی کنند و قابلیتهای جدیدی را برای بینشهای رفتاری و تشخیص ناهنجاریها باز کنند. در حالی که نظارت بر افراد بسیار مشکل ساز است و در سال های اخیر مورد بررسی قرار گرفته است، تجزیه و تحلیل احساسات ناشناس جمعیت یکی از موارد استفاده اخلاقی است.
ما همچنین می بینیم که سیستم های بینایی کامپیوتری مدل ها و روش های نوآورانه پردازش تصویر را توسعه می دهند. «مدل توجه» امروزی اساساً یک تکنیک پردازش ورودی است که شبکه عصبی را قادر میسازد تا بر بخشهای خاصی از یک تصویر یا ویدیوی پیچیده تمرکز کند، و به سیستمهای بینایی رایانهای اجازه میدهد تا هر قسمت از یک تصویر شلوغ یا فرکانس اولیه را درک کنند. علاوه بر این، «شبکههای عصبی گراف» پیشبینیهای یادگیری عمیق را برای ساختارهای دادهای غنی از رابطه اعمال میکنند و بینایی رایانه، درک و تفسیر زمینه را تقویت میکنند.
اتصال دادههای بصری با سایر منابع داده میتواند زمینه و درک کلی رویدادها را غنیتر کند، همانطور که انسانها بینایی را با حس باد، درک سرعت و صداهای پسزمینه محیطی ترکیب میکنند تا دنیای اطراف خود را درک کنند. به این ترتیب، راهحلهای CV میتوانند بینش کل صحنه را در یک زمینه وسیعتر، نه فقط بخشهای انتخاب شده، درک و استخراج کنند.
این بلوغ تفسیر و تجزیه و تحلیل دقیقتر، تصمیمگیری بهبود یافته و کاربرد بیشتر را در موقعیتهای پیچیده و به سرعت در حال تغییر مانند کارخانههای تولید شلوغ یا خیابانهای شهر ممکن میسازد.
AR وارد عصر جدیدی می شود
راهحلهای واقعیت افزوده (AR) امروزی میتوانند یک نمایش سهبعدی تعاملی از هر محیط دنیای واقعی را با تنظیمات محدودی که با ردیابی نور در حال تغییر روی سطوح مسطح انجام میشوند، ایجاد کنند. آنها می توانند از طریق ردیابی سر و کنترلرها به حرکات کاربر پاسخ دهند، اما نه خیلی بیشتر.
با این حال، ادغام دوربین های بینایی کامپیوتری با راه حل های ردیابی چشم و ژیروسکوپ ها شروع به تولید سیستم های پیچیده تر کرده است. راهحلهای بینایی کامپیوتری پیشرفته (AR) میتوانند کل محیط کاربر را درک کنند، کاربر را برای اجتناب از موانع راهنمایی کنند، محیط مجازی را با توجه به حرکات بدن کاربر تنظیم کنند و غیره.
این پیامدهای مهمی برای دستگاههای کمکی، برنامههای ناوبری و تجربههای بازی/متاورس دارد.
چالش ها باقی می ماند
علیرغم پیشرفتهای چشمگیر و وعدههای بینایی کامپیوتر، رهبران این حوزه هنوز با چالشهایی روبرو هستند. از آنجایی که بینایی کامپیوتر یک زمینه نسبتاً جدید در دنیای تجاری است، متخصصان کمی در توسعه و گسترش آن در مقیاس وجود دارند. شرکت ها برای برآورده کردن این خواسته ها باید کارکنان خود را ارتقا دهند.
به عنوان یک صنعت، ما همچنین باید مسائل مربوط به حریم خصوصی، اعتماد و استفاده اخلاقی را بهتر بررسی کنیم. نکته کلیدی این است که داده ها را به طور کامل جمع آوری کنید یا کاملاً ناشناس داشته باشید. سیستمهای بینایی کامپیوتری باید با قوانین در حال تحول حریم خصوصی و خواستههای عمومی برای حفظ حریم خصوصی مطابقت داشته باشند.
نیاز فزاینده ای به شفافیت و توضیح در هوش مصنوعی وجود دارد. بینایی کامپیوتری نمی تواند فقط یک جعبه سیاه باشد، اما مدل های هوش مصنوعی که بر آنها تکیه می کند آنقدر پیچیده هستند که توضیح دادن آنها دشوار است. مسئول پیادهسازی سیستمهای هوش مصنوعی افراد، تلاش بیشتری میکند تا اطمینان حاصل کند که میتوانند توضیح دهند که چگونه تصمیمها گرفته شده و از چه اطلاعاتی برای اتخاذ آنها استفاده شده است. برنارد مار می نویسد: "اما با پیچیده تر شدن دید کامپیوتری، چالش ها افزایش می یابد."
بینایی کامپیوتری هنوز در مراحل اولیه است
مانند سایر راه حل های هوش مصنوعی، بینایی کامپیوتر با سرعت نور پیشرفت می کند و رویکردها، برنامه های کاربردی، موارد استفاده و قابلیت های جدید همیشه در حال ظهور هستند. در چنین محیطی که به سرعت در حال تغییر است، پیش بینی اینکه در آینده چه اتفاقی خواهد افتاد دشوار است.
اگرچه هنوز چالشهای زیادی وجود دارد که باید بر آنها غلبه کرد، به ویژه در مورد حفظ حریم خصوصی و استفاده اخلاقی، سیستمهای بینایی کامپیوتری نوید ارائه قابلیتهای جدید به صنایع متعدد را میدهند و فرصتهای جدیدی را برای همه طرفهای درگیر ایجاد میکنند.






