En un texto previo se explicó cómo la Inteligencia Artificial permite a los ordenadores ver, entender y recopilar información de entradas visuales como imágenes y vídeos digitales.
Al recopilar estos datos visuales usando algoritmos, estos sistemas pueden hacer recomendaciones e incluso tomar acciones.
- A eso se le llama Visión por Computadora.
La empresa de reparto DHL publicó un informe sobre la visión informática impulsada por la IA en la logística.
En el estudio Trend Report: AI-Driven Computer Vision, la firma detalló que el mercado global de la visión computarizada alcanzaría para el 2030 un monto de 411.1 mil millones de dólares.
Cómo la Visión por Computadora crea valor
Los sistemas de visión informática de hoy se despliegan de varias maneras. La aplicación más conocida es la clasificación de imágenes.
El sistema ve una imagen y predice que pertenece a cierta clase (por ejemplo, un humano, un par de gafas protectoras, un montacargas).
Otra aplicación familiar es la detección de objetos, también conocida como visión de máquina. El sistema no sólo clasifica una imagen, sino que también toma nota de su apariencia.
Una vez que se ha detectado un objeto, se puede rastrear el seguimiento de objetos.
A menudo se realiza utilizando imágenes secuenciales y canales de vídeo.
Otra aplicación para los sistemas de visión por ordenador es la recuperación de imágenes basada en el contenido, para aumentar la precisión de la búsqueda y recuperación de imágenes digitales.
Procesos de la Visión por Computadora
Las imágenes de visión computacional están sujetas a diversos procesos, incluyendo:
Segmentación de imágenes
Particionar en múltiples segmentos para simplificar o cambiar la representación en algo significativo y más fácil de analizar.
Reconocimiento de patrones
Parte de plantillas basadas en algoritmos para encontrar patrones utilizando métodos de aprendizaje automático.
Blob checking
Buscando manchas discretas de píxeles conectados como hitos de imagen; las manchas a menudo representan objetivos ópticos para la observación, captura robótica o controles de fabricación.
Tratamiento de imágenes
Filtrar y contar pixeles.
Desafíos en la aplicación de la Visión de Computadora
Focus
El modelo de visión computarizada debe recibir una formación muy específica sobre un problema claramente definido para resolver.
Calidad de los datos
Los modelos de entrenamiento necesitan grandes cantidades de datos visuales, y esto debe ser de alta calidad.
Selección Modelo
Cada sistema de visión informática debe utilizar el modelo y las técnicas de modelado adecuados. Fuera de estantería no es factible.
Adopción de Usuarios
Para ofrecer valor, la solución debe ser aceptada por todos los usuarios.
Ciberseguridad
La manipulación de datos maliciosos puede sesgar los análisis y alterar el rendimiento de la IA.
Equilibrio
Con tantos datos visuales para almacenar, procesar, analizar y mantener, las empresas deben equilibrar el costo y la precisión.
Buena práctica
Las operaciones de aprendizaje automático (MLOps) y las mejores prácticas de DataOps son esenciales, especialmente el control del uso de datos (versión).
Privacidad
Proteger a los empleados e impulsar la aceptación, incorporar medidas de privacidad y cumplir con el RG-PIB y otras leyes al principio.
Inversión
Los costos pueden incluir actualizaciones de cámaras, nueva inversión tecnológica, mantenimiento de plataformas en curso y creación de personal.
Aprovechamiento logístico
Los expertos aseguran que la visión por computadora brindará muchas más oportunidades de aprovechamiento logísticos.
Eso se potenciará gracias a los avances tecnológicos en la percepción de profundidad, reconstrucción 3D e interpretación de imágenes oscuras y borrosas.
Más de Tecnología
Innovación
Fábricas de IA, la estrategia tecnológica de la UE: ¿Qué puede aprender México?
Solo 4% de las solicitudes globales de patentes en IA provienen de Europa
Tecnología
Inteligencia Artificial y protección de datos: ¿cuáles son los retos para las empresas al usarla?
El problema con su uso es que no reparamos en las implicaciones y los nuevos riesgos
Tecnología
Automatización y Logística: Japón construye la cinta transportadora más larga del mundo
La Autoflow-Road Tokio-Osaka promete reducir la falta de camioneros y la contaminación
Tecnología
Proveedores de servicios están transformando la gestión de la cadena de suministro con análisis predictivo
Buscan hacer sus supply chains más resistentes y reducir el riesgo
