Creare macchine che vedono
Se le macchine potessero vedere e "pensare", potrebbero prendere decisioni migliori per la produzione e l'industria. Il progetto Dynavis (Dynamically reconfigurable quality control for manufacturing and production processes using learning machine vision), finanziato dall'UE, puntava ad affrontare questa sfida. Ha considerato come migliorare l'ispezione dei prodotti potenziando il software con capacità decisionali umane. Dato che i processi di apprendimento artificiale richiedono una intensa riprogrammazione e sono normalmente molto lunghi, i ricercatori hanno cercato di sviluppare una nuova tecnologia per accelerare notevolmente il processo. Dynavis ha quindi studiato algoritmi di visione artificiale "allenabili" e nuove tecniche di apprendimento artificiale. Ha studiato i metodi di apprendimento artificiale per elaborare i dati complessi prodotti dal sistema di visione e ha studiato come gestire input multipli o persino contraddittori da parte degli operatori. Devono inoltre prevedere il successo o l'insuccesso del processo di apprendimento nelle prime fasi del processo di formazione. Grazie all'apprendimento diretto dall'operatore umano, Dynavis ha contribuito al potenziamento del sistema di visione artificiale. Verso la fine del progetto ha presentato due prototipi di successo con la nuova tecnologia. Uno era uno scanner di rotore per esaminare e classificare le immagini di rotori. L'altro era un sistema di ispezione di stampa di CD che rileva i difetti nei CD. Le implicazioni della visione artificiale sull'industria sono enormi e molti processi industriali saranno più rapidi e semplici grazie a queste conoscenze. I risultati ottenuti dal progetto potrebbero consentire di superare la sfida della simulazione di decisioni umane nel software. I ricercatori potranno così sfruttare la cooperazione uomo-macchina per imparare complessi compiti di ispezione, adattandoli automaticamente a requisiti specifici o diversi.
