Classificare gli oggetti grazie all’intelligenza artificiale

28/06/2018

Image S presenta RETINA, il software di SqueezeBrains per la classificazione di oggetti basato sull’intelligenza artificiale che non necessita di procedure di addestramento lunghe e complesse.

Image S, azienda leader nel mercato italiano come fornitore di componenti per Image Processing destinati a diversi settori (industriale, medicale e scientifico), presenta il software RETINA di SqueezeBrains, azienda bresciana che progetta e sviluppa software e dispositivi di image processing basati sull’intelligenza artificiale. La missione di SqueezeBrains è di portare l’intelligenza artificiale, il machine learning, nel mondo dell’industria, dell’automazione e del controllo di qualità senza la necessità di avere esperti di AI.

RETINA è una libreria basata sull’intelligenza artificiale per l’analisi delle immagini, che ha la capacità di apprendere e poi di riconoscere oggetti presenti in un’immagine.

RETINA è composto da una libreria scritta in “C”, per Windows, Linux e Android su piattaforma X86 ed ARM e da una GUI, un’interfaccia grafica, per Windows su piattaforma X86. Con la GUI è possibile addestrare RETINA e fare i test.

Il flusso di lavoro si compone di quattro passaggi: prima si importano le immagini nella GUI, con la GUI si addestra RETINA a riconoscere uno o più oggetti, il risultato dell’addestramento è un file di piccole dimensioni, questo file contiene tutto ciò che serve alla libreria RETINA per elaborare le immagini in linea.

Il grosso vantaggio rispetto ad altri pacchetti software è dato dalla fase di addestramento estremamente semplificata e che non richiede migliaia di immagini: ne basta qualche decina.

Integrare la libreria RETINA può richiedere uno sforzo minimo, cioè solo poche righe di codice che servono per elaborare le immagini, oppure un po’ più di tempo se si vuole integrare la GUI nel proprio software.

Le caratteristiche di RETINA sono:

  1. Analisi generica non dedicata a nessun compito specifico
    Se pensiamo al riconoscimento facciale, anch’esso è basato sull’intelligenza artificiale con feature utilizzate per il riconoscimento delle caratteristiche del volto: occhi, naso, bocca, mento. Va benissimo per trovare volti ma non altrettanto bene per altri tipi di oggetti. Per contro, in RETINA vengono utilizzate delle caratteristiche più generiche non dedicate a nessun oggetto particolare.
  2. Nessun parametro di configurazione
    Non ci sono soglie da impostare per condizionare l’elaborazione, ma è RETINA che trova tutti i valori ottimali. Gli unici parametri sono le immagini stesse per cui, se un’immagine non viene elaborata in modo corretto, l’operatore non deve modificare parametri ma aggiungere l’immagine al dataset di addestramento e rifare l’apprendimento.
  3. Apprende attraverso l’addestramento
    Con l’analisi classica, per ogni problema da risolvere deve essere scritta una sequenza di operazioni che svolge un compito ben specifico. Invece la tecnica di machine learning permette di avere una libreria che impara cosa deve fare e, nel caso di RETINA, impara l’oggetto che deve essere trovato all’interno della stessa immagine.
    Questo implica che ci sia una fase di addestramento: SqueezeBrains ha cercato di semplificarla il più possibile in modo da richiedere dataset ridotti (si parla di decine di immagini e non di migliaia) e in una modalità semplificata.
  4. Addestramento supervisionato (SVL) con interazione uomo-macchina
    RETINA inizia ad apprendere con pochissime immagini e poi c’è una fase in cui RETINA propone e l’operatore conferma e, se su un’immagine si verifica un errore, l’operatore lo corregge e aggiunge l’immagine al dataset di apprendimento. In questo modo in poco tempo raggiunge un apprendimento stabile pronto per essere utilizzato in macchina.

Il software RETINA trova applicazione in diversi settori: industriale, ad esempio per il riconoscimento e la classificazione di oggetti o il riconoscimento di difetti (visione per robot, automazione, controllo qualità, macchine selezionatrici); sicurezza, ad esempio per il riconoscimento di pedoni e il conteggio di persone (videosorveglianza, elaborazione di immagini); automobilistico, ad esempio per il riconoscimento di pedoni e segnali stradali (sistemi di guida assistita, retrovisori intelligenti, sistemi di monitoraggio del conducente, guida autonoma); traffico, ad esempio per la classificazione e il conteggio di veicoli (sistemi di riscossione pedaggio, monitoraggio del traffico, gestione parcheggi).

Siamo convinti che la collaborazione che abbiamo recentemente avviato con SqueezeBrains ci darà grande soddisfazione nei prossimi anni – dichiara Marco Diani, presidente e co-fondatore di Image S –. RETINA è un sistema di riconoscimento di oggetti, efficace anche in ambienti molto rumorosi, che richiede training con set di immagini molto limitati e che promette sviluppi molto interessanti nel campo della visione industriale, soprattutto in ambienti dove altre soluzioni non sono in grado di riconoscere i difetti o di identificare bene le componenti di un prodotto.”