بینایی ماشین سالهاست که زندگی روزمره و کارهای ما را سادهتر کرده است. برای مثال، زمانی که با استفاده از قابلیت تشخیص چهره، قفل گوشیتان را باز میکنید یا از یک اپلیکیشن موبایل برای اسکن اسناد استفاده مینمایید، در واقع از فناوری بینایی ماشین بهره بردهاید.
اگر «دیدن ماشین» برایتان جالب است، در این مقاله قصد داریم بینایی ماشین را تعریف کرده و نحوه عملکرد آن را توضیح دهیم. پس از آن نمونههای واقعی کاربرد این فناوری را -از دستگاههای روزمره تا سیستمهای پیشرفته صنعتی- بررسی خواهیم کرد.
امیدواریم با مطالعه این مقاله، بتوانید بهتر درک کنید که بینایی ماشین چگونه میتواند توسعه کسبوکار شما را تحت تاثیر قرار دهد و فرصتهای جدیدی ایجاد کند.
بینایی ماشین چیست؟
بینایی ماشین (Machine vision )با به شکل وسیعتر بینایی کامپیوتر، شاخهای از هوش مصنوعی است و همانطور که از نامش پیداست، وظیفه تشخیص و تفسیر دادههای بصری مانند تصاویر دیجیتال یا ویدئوها را بر عهده دارد.
همانطور که انسانها با چشمهایشان محیط اطراف را میبینند، سیستمهای بینایی ماشین از حسگرهایی مثل دوربینها برای شناسایی الگوها و اشیاء استفاده میکنند. سپس، مشابه مغز انسان، این سیستمها را با کمک الگوریتمهای مختلف، بهویژه شبکههای عصبی کانولوشنی (CNN)،که الهام گرفته از عملکرد بخش بینایی مغز هستند، محتوای تصاویر را تشخیص میدهند.
بنابراین، نرمافزارهایی که بر پایه بینایی ماشین ساخته شدهاند، میتوانند علاوه بر تشخیص اشیاء و شناسایی چهرهها، متن داخل تصاویر را بخوانند و معنا و حتی ترجمه کنند. به عبارت دیگر ترجمه عکس یا ترجمه نوشتههای موجود در عکس بر پایه این فناوری است.
ماشین چطور میبیند؟ مکانیزم عملکرد بینایی ماشین
برای درک بهتر نحوه عملکرد بینایی کامپیوتر، اجازه دهید این فرایند را مرحلهبهمرحله و با مثالی از اپلیکیشن شناسایی آثار تاریخی توضیح دهیم:
۱. دریافت داده (Data Acquisition)
اولین گام، جمعآوری داده از یک دستگاه مناسب (حسگر) است تا چیزی را که سیستم باید «ببیند»، ثبت کند.
برای مثال، در یک اپلیکیشن تبدیل عکس به متن هوش مصنوعی، این داده میتواند عکسی باشد که کاربر با دوربین تلفن همراه خود از یک منوی رستوران گرفته است.
۲. پیشپردازش (Pre-processing)
داده خامی که از دستگاهها دریافت میشود معمولاً نیاز به اصلاحاتی دارد تا یکنواخت شده یا کیفیت آن افزایش یابد.
در مثال اپلیکیشن فوق، در مرحله پیشپردازش از تکنیکهایی شامل نرمالسازی، حذف نویز یا تغییر فضای رنگی تصویر استفاده میشود. به عبارت دیگر در این مرحله بهینهسازی تصویر انجام میشود تا ماشین بتواند آن را بهتر تشخیص دهد.
۳. استخراج ویژگیها (Feature Extraction)
در این مرحله، تصویر ورودی با الگوریتمهای خاصی پردازش میشود تا ویژگیهای عددی مهم از آن استخراج شود.
یکی از روشهای پرکاربرد، استفاده از شبکههای عصبی کانولوشنی (CNN) است. این شبکهها با بررسی روابط محلی بین پیکسلهای مجاور، ویژگیهایی مانند خطوط مستقیم یا منحنی، بافتها و در مراحل بعدی، شکلهای پیچیدهتر را شناسایی میکنند.
در اپلیکیشن مترجم هوش مصنوعی، این ویژگیها شامل زبان متن، حروف، کلمات و چینش آنها است.
۴. تصمیمگیری (Decision-making)
پس از استخراج ویژگیها، نوبت به مرحلهی تصمیمگیری میرسد؛ جایی که سیستم براساس اطلاعات بهدستآمده، خروجی مناسب را تولید میکند.
برای نمونه، در یک مترجم آنلاین، سیستم ابتدا حروف و کلمات را شناسایی و استخراج میکند. سپس با بهرهگیری از فناوری پردازش زبان طبیعی (NLP)، آنها را به زبان مقصد ترجمه کرده و متن نهایی را ساده و روان میسازد. در پایان، نتیجه بهصورت متنی قابل کپی در اختیار کاربر قرار میگیرد.
در بسیاری از موارد، مراحل سوم و چهارم بهصورت ترکیبی و توسط یک شبکه عصبی کانولوشنی واحد انجام میشود. همچنین ممکن است از معماریهای جدیدتری مانند ویژن ترنسفورمر (Vision Transformer) استفاده شود که از حوزه پردازش زبان طبیعی الهام گرفتهاند. در این مدلها، ابتدا ویژگیها از تصویر استخراج شده و سپس لایههای متصل به هم، فرآیند تصمیمگیری را انجام میدهند.
این چهار مرحله، ستونهای اصلی عملکرد یک سیستم بینایی ماشین را شکل میدهند.
تکنیکهای کلیدی در بینایی ماشین
بینایی ماشین برای اینکه تصویر دریافت شده توسط دوربین را درک کرده و خروجی مناسب را ارائه دهد، از تکنیکهای زیر بهره میبرد:
۱. طبقهبندی تصویر (Image Classification)
در این تکنیک، هدف دستهبندی تصاویر به گروههای مختلف بر اساس محتوای آنهاست. الگوریتم تصویر را تحلیل میکند و برای هر کلاس احتمالی، یک امتیاز یا احتمال اختصاص میدهد.
برای مثال، اگر تصویر شامل یک گربه باشد، احتمال زیادی وجود دارد که تصویر به دستههایی مانند «گربه»، «حیوان» یا «حیوان خانگی» نسبت داده شود. همچنین اگر تصویر، یک منوی انگلیسی باشد، در دسته زبان انگلیسی قرار میگیرد.
۲. مکانیابی اشیاء (Object Localization)
در این روش، مکان دقیق اشیاء موجود در تصویر یا ویدئو مشخص میشود، بدون اینکه حتماً نوع آنها تعیین شود. معمولاً این کار با کشیدن یک کادر مستطیلی دور اشیاء انجام میشود. در مورد حروف و کلمات هم این مکانیابی صادق است.
۳. تشخیص اشیاء (Object Detection)
در اینجا، سیستم هم مکان و هم نوع اشیاء را مشخص میکند. این روش ترکیبی از مکانیابی و طبقهبندی است و به شناسایی بخشهای مهم تصویر برای تحلیلهای دقیقتر کمک میکند.
۴. ردیابی اشیاء (Object Tracking)
این تکنیک مخصوص ویدئوهاست و شامل دنبال کردن اشیاء مشخص در فریمهای متوالی یک ویدئو است. بهعنوان مثال، ردیابی حرکت خودروها در یک فیلم نظارتی.
۵. بازیابی تصویر بر اساس محتوا (Content-Based Image Retrieval)
در این روش، جستجو و بازیابی اطلاعات از میان مجموعههای بزرگ تصاویر، بر اساس محتوای خود تصویر ورودی انجام میشود. این تکنیک کاربرد زیادی در مدیریت منابع دیجیتال و تحقیقات دارد. نمونهای معروف از این تکنولوژی، ابزار Google Lens است.
۶. شناسایی (Identification)
در اینجا، هدف تشخیص یک مورد خاص از یک شیء در تصویر است. برخلاف طبقهبندی که به دستهها توجه دارد، شناسایی به یافتن یک نمونه یکتا از آن دسته میپردازد. مثلاً تشخیص چهره یک فرد خاص یا اثر انگشت او برای احراز هویت بیومتریک.
۷. تقسیمبندی معنایی (Semantic Segmentation)
در این تکنیک، تصویر به بخشهایی تقسیم میشود که هر بخش متعلق به یک کلاس مشخص است. به هر پیکسل از تصویر، یک برچسب اختصاص داده میشود. در خودروهای خودران، این برچسبها میتوانند شامل «جاده»، «پیادهرو»، «تابلو»، «ساختمان» و مانند آن باشند.
۸. تقسیمبندی نمونه (Instance Segmentation)
در این روش، هر شیء موجود در تصویر بهصورت جداگانه شناسایی و از بقیه جدا میشود. برخلاف تقسیمبندی معنایی که فقط نوع اشیاء را مشخص میکند، اینجا هر نمونه منحصربهفرد از یک کلاس بهطور مجزا شناخته میشود. مثلاً در تصویری از جمعیت، افراد بهصورت جدا از هم تشخیص داده میشوند، حتی اگر همگی در دسته «انسان» قرار بگیرند. این تکنیک در کاربردهایی مانند تحلیل دقیق ترافیک بسیار مفید است.
۹. تشخیص نوری نویسهها (OCR – Optical Character Recognition)
تشخیص نوری نویسهها به سیستم اجازه میدهد که متنهای موجود در تصاویر یا اسناد را شناسایی و تفسیر کند و آنها را به متن دیجیتال قابل ویرایش (مثلاً فایل متنی) تبدیل نماید. OCR میتواند نوشتههای تایپی، دستنویس، یا متون داخل فایلهای PDF را تشخیص دهد و نیاز به تایپ دستی را از بین ببرد.
کاربردهای روزمره سیستمهای بینایی ماشین
ممکن است در نگاه اول فناوری بینایی ماشین چندان رایج به نظر نرسد، اما کافی است کمی دقیقتر به اطراف خود نگاه کنیم تا متوجه شویم این فناوری در زندگی روزمره ما حضور فعالی دارد. در ادامه به برخی از کاربردهای پرکاربرد این تکنولوژی در زندگی روزمره اشاره میکنیم.
۱. تشخیص چهره در گوشیهای هوشمند
امروزه بسیاری از گوشیها و تبلتها از بینایی ماشین برای باز کردن قفل صفحه از طریق شناسایی چهره کاربر استفاده میکنند. این روش امنیت را بالا میبرد و استفاده از دستگاه را آسانتر میکند.
۲. سیستمهای نظارتی و امنیتی
دوربینهای مداربسته هوشمند با استفاده از بینایی ماشین قادرند حرکت را تشخیص دهند، افراد و وسایل نقلیه را شناسایی کنند و حتی فعالیتهای مشکوک را دنبال نمایند.
۳. مترجم دوربین
نرمافزارهای مترجم دوربین به کاربران اجازه میدهد دوربین گوشی را به سمت متنی در زبان دیگر بگیرند و ترجمهی آن را تقریباً بهصورت فوری دریافت کنند. این قابلیت ترکیبی از فناوری OCR (تشخیص نوری نویسهها) و پردازش زبان طبیعی (NLP) است.
برای کسب اطلاعات بیشتر در زمینه این مترجمهای آنلاین، این مقاله را بخوانید.
۴. نرمافزارهای شناسایی گیاهان
اپلیکیشنهایی مانند PlantSnap به کاربران این امکان را میدهند که از گیاهان عکس بگیرند و اطلاعاتی مانند نام، بیماریهای احتمالی و روشهای نگهداری آنها را دریافت کنند.
۵. سیستمهای کمکی خودرو
خودروهای مدرن از سیستمهای بینایی ماشین برای نظارت بر نقاط کور، کمک به پارک کردن و هشدار درباره خطر تصادف استفاده میکنند.
۶. برنامههای اسکن و ویرایش اسناد
برنامههایی مانند ترجمیفای، Adobe Scan و CamScanner با استفاده از دوربین گوشی، اسناد را اسکن کرده و با استفاده از بینایی ماشین، لبههای صفحه را تشخیص داده، کیفیت تصویر را افزایش داده و نسخهای قابل ویرایش ارائه میدهند.
کاربردهای بینایی ماشین در صنایع مختلف
علاوه بر کاربردهای روزانه، بینایی کامپیوتر در صنایع مختلف هم کاربرد دارد. در ادامه این صنایع را معرفی میکنیم.
🔬پزشکی
در حوزه پزشکی، بینایی ماشین برای تحلیل تصاویر پزشکی مانند MRI و سیتیاسکن کاربرد دارد. این تحلیلها به تشخیص سریعتر و درمان دقیقتر کمک میکنند. همچنین دیجیتالی کردن پرونده بیماران و نسخهها نیز از کاربردهای رایج بینایی ماشین در این حوزه است.
🏭 تولید و صنعت
در صنایع تولیدی، از بینایی ماشین برای نظارت بر فرآیندها، بهینهسازی عملکرد خطوط تولید و کنترل کیفیت محصولات استفاده میشود.
🚗 خودروسازی
فناوری بینایی ماشین در خودروها برای تحلیل محیط جاده استفاده میشود؛ از جمله تشخیص موانع، استخراج نوشتهها از تصویر تابلوها و رعایت مقررات رانندگی. همچنین برای شناسایی پلاک خودروها در عوارضیها یا پارکینگها به کار میرود.
🛒 تجارت الکترونیک
پلتفرمهایی مانند آمازون و علیبابا با استفاده از بینایی ماشین، تصاویر محصولات را تحلیل کرده و اقلام مشابه را به مشتریان پیشنهاد میدهند تا تجربه خرید بهتری داشته باشند.
🚚 حملونقل و لجستیک
در زنجیره تأمین و مراکز توزیع، بینایی ماشین برای اسکن خودکار و ردیابی بستهها استفاده میشود و به بهینهسازی جریان کالا کمک میکند.
🌱 کشاورزی
این فناوری برای پایش سلامت گیاهان و دامها استفاده میشود؛ مانند تجزیهوتحلیل تصاویر هوایی جهت شناسایی بیماریهای گیاهی یا بررسی وضعیت مراتع.
🗺 گردشگری
شرکتهای فعال در حوزه گردشگری میتوانند از بینایی ماشین برای کمک به مسافران در شناسایی اماکن تاریخی و دیدنی و ارائه اطلاعات لحظهای درباره آنها بهره ببرند. همچنین نرمافزارهای مترجم هوش مصنوعی میتوانند بر مبنای بینایی ماشین منوها، تابلوها و …. را برای مسافر ترجمه کنند.
برای کسب اطلاعات بیشتر در زمینه مقاله «در سفر با این اپلیکیشن ها مترجم خصوصی دارید!» را بخوانید.
در مجموع، بینایی ماشین از تشخیص چهره در گوشیهای هوشمند گرفته تا پایش مزارع کشاورزی، در بسیاری از جنبههای زندگی مدرن حضور دارد و هر روز نقش پررنگتری در بهبود تجربه کاربری و افزایش کارایی ایفا میکند.
خلاصه مقاله
بینایی ماشین شاخهای از هوش مصنوعی است که تصاویر و ویدئوها را تحلیل میکند تا مفاهیم بصری را درک کرده و تصمیمگیری کند. این فناوری در زندگی روزمره کاربردهای فراوانی دارد؛ از باز کردن قفل گوشی با تشخیص چهره تا ترجمه متن و عکس. همچنین در صنایع مختلف از جمله پزشکی، خودروسازی، کشاورزی و تجارت الکترونیک برای بهبود کارایی، تحلیل دادهها و اتوماسیون فرآیندها به کار میرود. سیستمهای بینایی ماشین با استفاده از تکنیکهایی مانند طبقهبندی تصویر، شناسایی اشیاء و OCR نقش مهمی در بهبود تجربه کاربران و توسعه کسبوکارها دارند.
Computer Vision in Practice: Real-World Applications in Life and Business