La computer vision non è più una tecnologia del futuro: è una realtà che oggi troviamo ovunque, spesso senza nemmeno rendercene conto. Dai sistemi di sorveglianza intelligenti alle auto a guida autonoma, fino alle applicazioni che leggono radiografie o analizzano coltivazioni agricole, la capacità delle macchine di “vedere” e interpretare immagini sta trasformando profondamente molti aspetti della nostra vita quotidiana. Questi aspetti li abbiamo affrontati nell’articolo Computer vision e intelligenza artificiale.
In questo articolo, invece, vi accompagneremo in un tour attraverso cinque settori chiave in cui la computer vision sta mostrando tutto il suo potenziale: trasporti, sanità, produzione, vendita al dettaglio e agricoltura. Per ognuno di questi ambiti, esploreremo casi d’uso concreti, mostreremo come le applicazioni basate sull’intelligenza artificiale siano sempre più perfezionate e diffuse, e racconteremo in che modo stanno migliorando efficienza, sicurezza e qualità dei servizi. Un viaggio tra innovazione e realtà, per capire come gli “occhi digitali” delle macchine stanno cambiando il mondo attorno a noi.
La computer vision nella mobilità e nei trasporti
Le auto a guida autonoma non sarebbero possibili senza la computer vision. Ma gli acquirenti di veicoli autonomi (AV) non sono gli unici a essere toccati dall’intelligenza artificiale. Se avete mai usato un’auto con una telecamera di riserva che vi avverte della presenza di oggetti vicini, avete incontrato la tecnologia di visione computerizzata. Negli ultimi anni, infatti, le applicazioni di computer vision hanno rimodellato l’esperienza di tutti sulla strada.
Ecco solo alcuni esempi di applicazioni di computer vision nel settore dei trasporti.
Veicoli autonomi
I veicoli autonomi si basano su quattro elementi chiave per elaborare le immagini e prendere decisioni di guida in tempo reale: sensori dell’auto, connettività, un sistema di posizionamento ad alta precisione e algoritmi di apprendimento automatico.
I veicoli autonomi utilizzano questi strumenti per applicare in tempo reale una serie di tecniche di computer vision:
- Riconoscimento dei modelli, ad esempio per classificare oggetti come segnali stradali e semafori.
- Tracciamento degli oggetti – per rispondere a oggetti in movimento come altre auto o pedoni
- Segmentazione dell’immagine – per identificare e selezionare le caratteristiche rilevanti dai dati grezzi, come ad esempio la messa a fuoco dei pedoni nonostante uno sfondo affollato
- Visione 3D – per comprendere la posizione relativa degli oggetti e navigare nello spazio.
Queste attività derivano da una serie di algoritmi di apprendimento automatico addestrati per la percezione e il processo decisionale.
Sistemi di pedaggio intelligenti
I moderni sistemi di pedaggio non richiedono che gli automobilisti si fermino e paghino una tassa con il resto esatto. Utilizzano infatti la computer vision per raccogliere dinamicamente i pagamenti, identificare i trasgressori e analizzare il flusso del traffico.
I sistemi di pedaggio intelligenti sono in grado di classificare i veicoli in base al tipo di veicolo per riscuotere il pagamento corretto del pedaggio. I sistemi di riconoscimento delle targhe utilizzano il riconoscimento ottico dei caratteri (OCR) per leggere le targhe da immagini o dalla videosorveglianza dei veicoli. Il sistema è in grado di verificare questi numeri con un database di immatricolazioni di veicoli. Il sistema confronta il numero di targa con il conto del pedaggio dell’autista o cerca dove inviare la fattura.
Analisi dei flussi di traffico e gestione del traffico
Gli algoritmi possono identificare e seguire i pedoni in una scena. È importante riconoscere i pedoni, indipendentemente da ciò che indossano o da come si muovono. Allo stesso modo, le telecamere per il traffico contano i veicoli e monitorano il flusso del traffico. La computer vision può analizzare la densità del traffico sulle autostrade e il comportamento agli incroci urbani. Tutte queste analisi informano la gestione del traffico per ridurre gli ingorghi e migliorare la sicurezza stradale.
La visione computerizzata nell’assistenza sanitaria
È difficile sopravvalutare lo straordinario potere della computer vision nell’innovazione sanitaria. La computer vision ha fatto progredire la diagnostica, l’assistenza e il trattamento dei pazienti in tempo reale. Abbiamo già accennato ai vantaggi della computer vision nella diagnostica per immagini. I sistemi di visione computerizzata possono rilevare sottili anomalie che indicano malattie come il cancro, la polmonite o l’Alzheimer.
Poiché l’intelligenza artificiale è in grado di rilevare alcuni modelli e caratteristiche meglio di quanto potrebbe fare un essere umano, l’applicazione medica della computer vision rende possibili interventi più tempestivi e migliora i risultati dei pazienti. Inoltre, è stato dimostrato che la diagnostica computerizzata nell’imaging medico aiuta gli operatori sanitari a ridurre il loro carico di lavoro dell’88%.
La computer vision può anche essere un secondo paio di mani. La tecnologia di riconoscimento vocale è inefficace in ambienti rumorosi e caotici, come una sala operatoria o un pronto soccorso. Inoltre, l’uso di una tastiera o di uno schermo tattile richiede un’operazione di inserimento e disinserimento. Con il tracciamento delle mani e il riconoscimento dei gesti, i medici possono leggere le immagini utilizzando i gesti per risparmiare tempo prezioso.
Diagnostica per immagini
I tumori mancati e i falsi positivi possono essere devastanti per i pazienti, quindi cerchiamo sempre di migliorare l’accuratezza e la specificità. L’applicazione della tecnologia di computer vision ci sta aiutando.
I moderni algoritmi di intelligenza artificiale sono in grado di rilevare il cancro quanto i radiologi specializzati. Inoltre, poiché i computer utilizzano metodi diversi da quelli umani, possono rilevare caratteristiche che gli occhi umani non riescono a percepire. Ma è emerso che gli esseri umani e le macchine lavorano meglio insieme. I ricercatori hanno scoperto che i radiologi sono più bravi a rilevare il cancro con l’assistenza dell’intelligenza artificiale che non senza. Inoltre, il lavoro con la computer vision non ha richiesto tempo aggiuntivo.
La visione computerizzata ha trasformato l’imaging medico, compresi gli screening del cancro al seno, le scansioni polmonari, le scansioni cerebrali e l’imaging cardiovascolare.
Dermatologia
Se la radiologia è stata più veloce nell’adottare la computer vision, questa tecnologia è altrettanto potente per la dermatologia. Secondo la Skin Cancer Foundation, il cancro della pelle è il tumore più diffuso al mondo. Come per altri tipi di cancro, la diagnosi precoce è fondamentale. I progetti di computer vision stanno migliorando la diagnosi del cancro della pelle e riducendo il carico di lavoro degli operatori. Le applicazioni di computer vision possono anche mettere gli strumenti di screening nelle mani dei pazienti sotto forma di applicazioni per smartphone.
La visione artificiale nel settore manifatturiero
Come già detto, i metodi di visione artificiale e di visione computerizzata sono entrambi utilizzati nel settore manifatturiero. Con la crescente diffusione dell’automazione robotica nei processi produttivi, la visione artificiale sta diventando sempre più sofisticata. L’intelligenza visiva svolge un ruolo fondamentale nel perfezionamento delle applicazioni di visione artificiale nell’industria.
Manutenzione predittiva e preventiva
La manutenzione delle apparecchiature è fondamentale per la sicurezza dei lavoratori e per ridurre al minimo i tempi di fermo. La computer vision può essere utilizzata per monitorare le apparecchiature di produzione alla ricerca di segni di usura. Un sistema di visione computerizzata può scansionare costantemente i cambiamenti per prevenire i guasti. Si tratta della cosiddetta manutenzione predittiva. L’intelligenza artificiale può anche identificare i problemi minori e segnalarli per la riparazione prima che causino problemi. Si tratta della cosiddetta manutenzione preventiva.
Controllo qualità
Il controllo qualità è una fase cruciale della produzione, ma l’ispezione manuale richiede molta manodopera. In passato, i produttori utilizzavano sistemi di visione artificiale leggeri per automatizzare questo processo. Ora che l’intelligenza artificiale è più accessibile, le fabbriche vogliono programmi di visione artificiale più robusti.
I sistemi di visione artificiale erano esigenti e richiedevano telecamere specializzate e parametri di immagine molto particolari. Poiché i nuovi sistemi di intelligenza artificiale utilizzano l’apprendimento automatico, sono più flessibili per quanto riguarda gli input. Le applicazioni di visione artificiale sono in grado di identificare pezzi e difetti in quasi tutti i contesti. Ciò significa che un programma di computer vision può funzionare in più stabilimenti.
Se siete preoccupati che questa flessibilità comporti una riduzione dell’accuratezza, non preoccupatevi. Uno studio ha analizzato un algoritmo di computer vision incaricato di controllare la qualità delle parti dei freni. I difetti in queste parti sono troppo piccoli per essere identificati dall’uomo, ma l’algoritmo ha raggiunto un’accuratezza superiore al 95% nel rilevarli.
La computer vision nel settore finanziario e assicurativo
La sicurezza e la protezione dalle frodi sono fondamentali nel settore finanziario e bancario e la computer vision offre molte opzioni. Rende più sicure le transazioni, semplifica l’elaborazione delle richieste assicurative e arricchisce la pianificazione finanziaria.
Prelievo di contanti con il riconoscimento facciale
Le transazioni ATM tradizionali si basano su PIN e carte fisiche, che possono essere perse, rubate o compromesse. Grazie alla computer vision, gli ATM possono ora autenticare gli utenti attraverso il riconoscimento facciale, consentendo ai clienti di prelevare contanti semplicemente guardando la telecamera della macchina. Questa tecnologia aumenta la sicurezza garantendo che solo il titolare del conto possa accedere ai propri fondi, riducendo i rischi di scrematura delle carte, furto di PIN e accesso non autorizzato. La verifica biometrica accelera inoltre il processo di prelievo, rendendo le transazioni più fluide e riducendo i tempi di attesa agli sportelli automatici.
Realtà aumentata per la pianificazione finanziaria
La pianificazione finanziaria può essere complessa, ma la realtà aumentata (AR) alimentata dalla computer vision la rende più interattiva e accessibile. Le applicazioni AR consentono agli utenti di visualizzare i dati finanziari in tempo reale, mostrando informazioni come le tendenze di bilancio, le prestazioni degli investimenti e le proiezioni dei risparmi per la pensione in un formato dinamico 3D. Integrando l’AR nelle applicazioni bancarie e di gestione patrimoniale, gli istituti possono offrire ai clienti un’esperienza di pianificazione finanziaria più personalizzata e coinvolgente.
Valutazione dei danni attraverso l’analisi delle immagini
Le compagnie assicurative si sono tradizionalmente affidate a ispezioni manuali e a processi cartacei per valutare i danni derivanti da incidenti o disastri. La computer vision consente oggi agli assicuratori di analizzare le immagini di veicoli, proprietà o beni danneggiati per determinare l’entità del danno e stimare rapidamente i costi di riparazione. Questo approccio basato sull’intelligenza artificiale accelera l’elaborazione dei sinistri, riduce la necessità di ispezioni di persona e minimizza gli errori umani. Automatizzando la valutazione dei danni, gli assicuratori possono fornire risarcimenti più rapidi agli assicurati e individuare in modo più efficiente le richieste di risarcimento fraudolente.
La visione computerizzata nella vendita al dettaglio
Poiché il settore della vendita al dettaglio ha molte parti in movimento, la computer vision ha anche molte applicazioni nel settore della vendita al dettaglio. Queste includono sia applicazioni rivolte al cliente che attività dietro le quinte.
Gestione dei dati dei clienti
Il riconoscimento facciale e il tracciamento degli oggetti aiutano le aziende a comprendere il comportamento dei clienti. Non preoccupatevi, non stiamo parlando di una distopica invasione della privacy. Al contrario, la computer vision apre le porte a dati aggregati sui clienti che possono migliorare l’esperienza di acquisto per tutti.
Un sistema di visione computerizzata può essere d’aiuto per l’analisi della vendita al dettaglio. Può contare le persone, misurare i tempi di attesa e identificare i modelli di comportamento dei clienti. Può tracciare i percorsi dei clienti attraverso uno spazio e fornire raccomandazioni, proprio come i sistemi di flusso del traffico nel settore dei trasporti. Ad esempio, le mappe di calore possono indicare le posizioni ideali per i prodotti chiave. La computer vision può anche fornire indicazioni per ottimizzare il layout di un negozio per aumentare le vendite e ridurre le perdite.
Self check-out
Passare attraverso il self-check-out può essere frustrante per i clienti che acquistano prodotti o altri articoli sfusi. In genere devono controllare il codice dell’articolo e digitarlo da soli. I dispositivi POS dotati di telecamere e intelligenza artificiale sono in grado di riconoscere gli articoli sfusi. I clienti godono di un’esperienza di acquisto più comoda e le file si muovono più rapidamente. Walmart utilizza persino un software che rileva le scansioni mancate.
Negozi senza casse
I negozi senza casse, come Amazon Go, fanno un passo avanti rispetto al self-checkout intelligente. Tecniche di computer vision e deep learning tracciano ogni cliente e rilevano gli articoli che prende durante lo shopping. Quando i clienti escono dal negozio, il sistema fattura gli articoli, senza bisogno di un processo di check-out manuale.
Visione artificiale in agricoltura
L’agricoltura sta ricevendo un impulso tecnologico grazie alle applicazioni di computer vision in agricoltura. La tecnologia dell’agricoltura intelligente utilizza i dati visivi e l’apprendimento automatico per migliorare le pratiche agricole.
Serre intelligenti e gestione dell’azienda agricola
La produzione alimentare indoor è in aumento in luoghi che non supportano l’agricoltura tradizionale. L’agricoltura verticale e le serre rendono possibile la coltivazione in ambienti aridi e in contesti urbani. Ma per mantenere le piante in salute, queste strutture a clima controllato devono essere monitorate 24 ore al giorno. Le soluzioni di gestione unificata delle aziende agricole automatizzano il monitoraggio e il controllo. Con questi sistemi, le serre intelligenti e le fattorie verticali si prendono praticamente cura di sé.
Monitoraggio e gestione del territorio in tempo reale
I droni agricoli con telecamere e soluzioni di mappatura hanno cambiato le carte in tavola per gli agricoltori. I casi d’uso includono il monitoraggio della crescita e della salute delle colture e il monitoraggio del bestiame. Gli agricoltori possono anche osservare i parassiti e controllare l’umidità del suolo. Grazie ai dati in tempo reale, gli agricoltori possono applicare acqua e interventi esattamente quando e dove sono necessari. Queste applicazioni di computer vision consentono di risparmiare denaro e acqua e di ridurre l’uso di prodotti chimici. Questo aiuta l’azienda, migliora la salute del terreno e massimizza i rendimenti.
Le sfide dell’adozione della computer vision
Sebbene lo sviluppo del cloud computing e delle tecnologie aperte abbia reso la computer vision più accessibile, ciò non significa che sia facile iniziare da soli. La tecnologia è complessa e richiede molti investimenti e risorse. Sebbene offra vantaggi tangibili, l’implementazione di soluzioni di computer vision può esacerbare sfide tecnologiche critiche come l’integrità e la diversità dei dati visivi, la complessità dimensionale, la variabilità dell’etichettatura e della categorizzazione dei dati, oltre a considerazioni di carattere etico e alla disponibilità inter-organizzativa.
Molte organizzazioni incontrano problemi con la computer vision e le sue soluzioni prima di poter realizzare sistemi robusti ed efficienti:
- Complessità e scalabilità – Le operazioni di apprendimento automatico (MLOps) richiedono competenze di AI e ML, che la maggior parte delle organizzazioni non ha al proprio interno.
- Cybersecurity – Quando si ha a che fare con enormi volumi di dati, è fondamentale applicare le migliori pratiche in materia di privacy, sicurezza e conformità.
- Competenza IoT – I programmi di computer vision richiedono soluzioni e servizi IoT (Internet of Things) che è meglio affidare a un fornitore di servizi IoT esperto.
La computer vision è qui per restare
Gli scienziati informatici hanno dedicato decenni a mettere i computer in grado di percepire il mondo che li circonda, consentendo all’uomo di utilizzare le macchine per soddisfare le proprie esigenze. Oggi le applicazioni di computer vision stanno ridisegnando l’ambiente che ci circonda, ma la tecnologia sta solo grattando la superficie del suo potenziale.
Nel prossimo futuro, prevediamo che gli algoritmi di computer vision diventeranno sempre più robusti e pervasivi, portando a nuove applicazioni potenzialmente sconvolgenti.
Poiché la tecnologia GenAI sta apportando molti cambiamenti, si prevede che anche la computer vision subirà delle modifiche. Ad esempio, la capacità di generare dati sintetici può migliorare l’addestramento dei sistemi di visione artificiale, come quelli utilizzati per il riconoscimento facciale e il rilevamento degli oggetti, rendendolo più economico e meno invasivo per la privacy. Inoltre, può accelerare l’etichettatura dei dati di addestramento, un compito tradizionalmente laborioso e costoso se eseguito manualmente dall’uomo.
La tecnologia per l’estrazione di informazioni in tempo reale dai video in diretta è maturata e si prevede un’ulteriore espansione. Già impiegata nella scansione delle folle, nella sorveglianza della sicurezza e nel monitoraggio delle fabbriche, la computer vision in tempo reale è pronta per nuove preziose applicazioni grazie al progresso degli algoritmi.
Applicando la computer vision alle immagini satellitari, possiamo monitorare diverse attività sulla Terra, tra cui la deforestazione, la diffusione di inondazioni e incendi, l’espansione urbana e le dinamiche degli ecosistemi marini. Con il progredire delle immagini satellitari e degli algoritmi di computer vision, possiamo aspettarci approfondimenti che faciliteranno interventi più tempestivi e l’ottimizzazione dell’uso delle risorse.
Inoltre, si prevede che la computer vision possa comprendere e ridurre i rischi associati allo sviluppo tecnologico. Molti ritengono che la computer vision sia fondamentale per affrontare la minaccia rappresentata da deepfakes sempre più convincenti generati dall’intelligenza artificiale. La sua capacità di esaminare le immagini e di individuare chiari segni di creazione algoritmica è fondamentale per distinguere i contenuti reali da quelli generati dal computer, rendendola importante per affrontare le preoccupazioni relative alla propaganda e all’individuazione della disinformazione. Le questioni di parzialità e correttezza permeano tutti gli aspetti dell’IA, ma sono particolarmente rilevanti nella computer vision. Ad esempio, gli algoritmi di riconoscimento facciale spesso dimostrano una minore efficacia nell’identificazione di individui con carnagione più scura, aumentando il potenziale di errore, soprattutto in contesti di sorveglianza o di applicazione della legge. Nei prossimi anni, è probabile che venga posta una maggiore enfasi sulle tecnologie di intelligenza artificiale e di computer vision incentrate sulla privacy, come la sfocatura automatica dei volti, progettate per operare negli spazi pubblici senza violare i diritti alla privacy.
