Glossario Trilingue

ITALIANO	INGLESE	FRANCESE	SIGNIFICATO
VISIONE ARTIFICIALE	MACHINE VISION	VISION PAR ORDINATEUR	articolo
RETRO ILLUMINAZIONE	BACK LIGHTING	RÉTROÉCLAIRING	Posizionamento di una sorgente luminosa dietro un oggetto in modo da evidenziarne la forma; tecnica utile per nascondere i dettagli della superficie ed enfatizzare il contorno di un oggetto.
SFONDO	BACKGROUND	FOND	pixel che non contengono informazione utile
PRIMO PIANO	FOREGROUND	PREMIER PLAN	pixel che contengono informazione utile
CONTRASTO	CONTRAST	CONTRASTE	rapporto valore più alto valore più scuro luminosità di un immagine
SEGNALE	SIGNAL	SIGNAL	variazione temporale dello stato del sistema o anche notifica di un informazione
ETICHETTATURA	LABELLING	ÉTIQUETAGE	operazione che consiste nell’analizzare i pixel nel foreground per separare oggetti differenti gli uni dagli altri
Blob	Blob	Blob	Entità che caratterizza tutti i pixel connessi fra loro
MISURAZIONE	MEASUREMENT	MESURE
LED	LED	DIODE ÉLECTROLUMINESCENTE	Light Emitting Diode
METROLOGIA	METROLOGY	MÉTROLOGIE	scienza della misurazione
SEGMENTAZIONE	SEGMENTATION	SEGMENTATION	determinazione di quali sono i pixel che contengono informazioni
TELECENTRICITÀ	TELECENTRICITY	TÉLÉCENTRIQUE	proprietà di una lente telecentrica di mantenere i raggi luminosi principali paralleli all'asse ottico
DISTANZA DI LAVORO	WORKING DISTANCE	DISTANCE DE TRAVAIL	Distanza (solitamente espressa in millimetri) dal piano di fuoco ottimale all'estremità frontale della lente.
RACCOLTA DIFFERENZIATA	BIN PICKING	RAMASSAGE DE BIN	studio di sistemi che siano in grado di individuare e afferrare oggetti ammucchiati o disposti casualmente
TRACCIABILITÀ	TRACKING	POURSUITE	riconoscimento dei codici su componenti e prodotti
GUIDA AUTOMATICA	AUTOMATIC GUIDE	GUIDE AUTOMATIQUE

LE LENTI TELECENTRICHE

Uno degli obiettivi principale quando si progetta un sistema di visione principale è quello di poter utilizzare  migliori obiettivi possibili in quanto una qualità migliore della lente si traduce in una qualità migliore di tutto il sistema.

Le comuni lenti sono chiamate lenti entocentriche e possono avere problemi di:
- risoluzione immagine;
- alterazioni del fattore di ingrandimento dovuti a scostamenti dell'oggetto;
- distorsione dell'immagine;
- errori prospettici;
- bassa risoluzione;
- incertezza della posizione del contorno.

Gli obiettivi telecentrici sono in grado di ridurre o addirittura neutralizzare questi problemi, inoltre neutralizzano gli effetti prospettici dovuti a un posizionamento impreciso o una geometria dalla tridimensionalità pronunciata.
Per questo motivo sono molto usati nell'industria di alta precisione.

Se si è interessati al funzionamento: "Introduzione alle ottiche telecentriche"

LA VISIONE ARTIFICIALE NELL'AGRICOLTURA

I sistemi di visione artificiale hanno trovato ampio spazio nel mondo dell'agricoltura, e in particolare nell'agricoltura di precisione. Infatti sempre più agricoltori passano ad un sistema di produzione innovativo chiamato sistema a griglia, dove queste griglie non vengono più viste come un unico campo ma come delle zone di gestione.

Gli alimenti coltivati vengono controllati da una serie di nuove macchine implementate con dei sistemi di visione artificiale che possono esaminare la pianta e decidere (e lo fanno più velocemente e più accuratamente dell'uomo) se raccogliere o no una pianta; oppure se spruzzare il disinfestante o no; o ancora controllare se le piante vivono o muoiono in base all'acqua che ricevono.

Queste innovazioni possono portare enormi vantaggi in termini di profitti e gestione all'agricoltore.

Se interessati l'argomento è stato sviluppato in maniera più accurata dal sito della Intel: "Il futuro dell'agricoltura grazie alla visione artificiale".

Abbecedario

A  AUTOMOTIVE

B  BACKGROUND

sfondo nero è il background

C  CLASSIFICAZIONE



D  DENSE OPTICAL FLOW*

E  EMVA 1288 (European Machine Vision Association)/ EMBEDDED VISION







F  FOREGROUND 

i pallini bianchi rappresentano il foregroung

G  GUIDA ROBOT

H  HAL 9000

I  INDUSTRIA 4.0

L  LABELLING


M  MISURARE


N


O  OCR/OCV

P  PATTERN MATCHING 3D**

Q  QUALITÀ


R  RISOLUZIONE/ROBOTIC VISION

S  SMART CAMERA

T  TRACCIABILITÀ


U


V  VERIFICA


Z



*Dense Optical Flow. Si tratta di algoritmi che stimano l’andamento del movimento di oggetti, superfici, dettagli ripresi nella scena. Vengono utilizzati in applicazioni di sorveglianza, per stimare posizione, postura, movimento di persone, per gestire la riduzione del rumore in immagini ad altissima risoluzione.

** Pattern Matching 3D. Sono algoritmi che permettono  di riconoscere diverse tipologie di pezzi modificando unicamente alcuni parametri di controllo. 

LE TECNOLOGIE E LE SCIENZE DELLA VISIONE ARTIFICIALE

Questo articolo vuole essere una continuazione del precedente "COME LAVORA LA VISIONE ARTIFICIALE NELL'INDUSTRIA" e spiegare in breve la tecnologia software che c'è dietro un sistema di visione artificiale e come lavora questa.

I sistemi di visione sono  una catena di misura, e in quanto ciò possiedono i blocchi funzionali di questa, e il software è uno di questi blocchi.

La catena di misura sulla quale è strutturato un sistema di visione è fatta degli elementi mostrati in figura.

In sequenza sono mostrati il blocco di acquisizione, quello di elaborazione e quello di estrazione dell’informazione, essi si specializzano in base all'elemento reale posto ad analisi.

La catena di misura ha come obbiettivo quello di ‘potare’ le informazioni acquisite, che sono intrinsecamente molto dense (immagini) fino a estrarre indicazioni estremamente sintetiche, quali quelle di tipo passa/non passa, nei controlli di qualità così come nei controlli di processo. 

La catena di misura ha come obbiettivo quello di ‘potare’ le informazioni acquisite, che sono intrinsecamente molto dense (immagini) fino a estrarre indicazioni estremamente sintetiche, per questo motivo per ottenere sistemi affidabili ed efficienti vanno considerati i seguenti aspetti:

1. La natura del misurando: dimensione, colore, riflettività, forma;
2. Come il misurando è portato al sistema di visione: campo inquadrato, tipologia di alimentazione della scena, tempo di ciclo;
3. Quali sono le sorgenti di disturbo: illuminazione ambientale, variabilità di riflessione delle superfici, tessitura delle superfici;
4. Quale sia l’informazione da estrarre: caratteristiche superficiali, dimensioni geometriche per controllo di tolleranze, volumi, colore, temperatura, orientamento, posizione
5. Quale sia la combianzione telecamera/lente che garantisca oltre alla magnificazione adeguata la qualità dell’immagine sufficiente a riconoscere in modo affidabile l’informazione d’interesse;
6. Quale sistema di illuminazione della scena consenta di ottimizzare la visibilità delle caratteristiche d’interesse;
7. Quale sia la combinazione ottimale di singoli elemti software per estrarre l’informazione.
8. Come e con quali tempi trasmettere l’informazione all’esterno, ad esempio verso un PLC, per la gestione delle operazioni a valle.

L'algoritmo di funzione di un software per l'elaborazione di un immagine può essere questo:

PRE-ELABORAZIONE

Le funzioni che appartengono a questa classe di elaborazione hanno come scopo quello di condizionare l’immagine.Le tipiche operazioni sono quelle di

(i) incremento del rapporto segnale-disturbo, mediante operazioni di filtraggio spaziale,
(ii) compensazione di distorsioni prospettiche e ottiche,
(iii) correzione di effetti di ombra o di disuniformità nei livelli di grigio legati al sistema di illuminazione.

L’esperienza insegna che in un sistema ben progettato questa tipologia di operazioni dovrebbe avere un peso ridotto: ad esempio, la scelta di una lente di buona qualità riduce sensibilmente l’effetto distorsivo, e aumenta la visibilità dei dettagli nell’immagine.

SEGMENTAZIONE

La segmentazione è una fase cruciale della catena di elaborazione e consiste nel determinare quali sono i pixel che contengono informazioni (foreground) e quali invece no (background). I criteri di assegnazione di ogni pixel  variano moltissimo a seconda della particolare applicazione. Un metodo semplice e molto efficace è quello che utilizza il contrasto dell’immagine. Per ogni pixel nell’immagine il livello di grigio corrispondente viene comparato a un valore di soglia e viene classificato in base alla sua intensità.

ETICHETTATURA O LABELLING

L’operazione di labelling consiste nell’analizzare i pixel che contengono informazione per separare oggetti differenti gli uni dagli altri. Il criterio seguito è che i pixel connessi fra loro appartengano alla stessa entità, alla quale viene dato il nome di blob.

ESTRAZIONE DELLE FEATURES

Il passo successivo della catena di elaborazione consiste nella misura quantitativa di specifiche caratteristiche delle blob selezionate, come ad esempio, l’area, il perimetro, la simmetria, la posizione, l’orientamento, il grado di convessità. Un esempio è identificare un oggetto mediante labelling della blob che lo rappresenta e calcolarne il baricentro, per applicazioni di presa.

CLASSIFICAZIONE

A questo punto della catena di elaborazione si hanno a disposizione un certo numero di misureche caratterizzano tutti gli oggetti d’interesse presenti nell’immagine. Queste misure devono poter consentire di decidere se l’elemento passa il controllo o meno. In molti casi questa operazione è semplice: ad esempio, nel caso della verifica del diametro di un foro rispetto alla specifica di tolleranza. In altre situazioni invece è necessaria una fase di classificazione basata sulla verifica di un insieme di regole.

Le Industrie della visione artificiale

Tra le grandi aziende che producono sistemi di visione artificiale, sopratutto per l'industria troviamo:

• Halley Machine Vision
• Vision Device
• UTP vision
• Sivision

MODELLI E BREVETTI ESISTENTI

Nella vita di tutti i giorni la visione artificiale la possiamo associare a due messaggi importanti: "divertimento" e " sicurezza".
Il primo significato è dovuto all'uso di questa tecnologia nel mondo dei videogiochi:

KINECT
É un esempio perfetto di embedded vision: presenta caratteristiche hardware e software che lo rendono sensibile al movimento del corpo umano; a differenza del Wiimote della Nintendo e al PlayStation Move della Sony, consente al giocatore il controllo del sistema senza la necessità d’indossare o impugnare alcunché. Perché c’è la visione di mezzo. Ma oltre a ciò, può essere utilizzato come controller audio/video, ed è un ottimo sistema a basso costo per ricostruzioni 3D di ambienti.

Il secondo invece rappresenta la principale via di sviluppo di questa tecnologia, ecco alcuni esempi:

AUTOMOTIVE
I numeri di vittime per incidenti della strada sono sopra il milione all'anno, per migliorare questa situazione il mercato dell'automobile sta sviluppando diverse tecnologie:
La prima e più semplice è il Mobileye, un sistema capace di avvertire il guidatore se non vengono rispettate le condizioni di sicurezza;
Tuttavia oggigiorno si stanno sviluppando sistemi di frenata automatica capaci di frenare e modulare la frenata quando si va incontro a un ostacolo, non si rispetta la distanza di sicurezza o si rischia di investire un pedone.
Sistema di sicurezza per evitare gli impatti è anche il ProPilot Park, sistema che permette all'auto di posteggiare da sola tramite l'utilizzo di telecamere ed evita così spiacevoli inconvenienti.



POSEIDON
Ogni anno si stima che nel mondo si verifichino almeno 400.000 annegamenti. Negli Stati Uniti l’annegamento è la seconda causa di morte accidentale per i bambini in età compresa fra 1 e 14 anni. Il 19% di essi annega in piscine pubbliche, in presenza del personale di sorveglianza. La MG International ha realizzato il dispositivo Poseidon, un sistema vision embedded che analizza in tempo reale le traiettorie dei nuotatori e allerta il personale di sorveglianza a intervenire immediatamente nel caso di pericolo potenziale, fornendo la posizione esatta del nuotatore in pericolo.


GUIDA AUTOMATICA ROVER
Importanti risultati sono stati raggiunti dai sistemi di visione nel campo dell’ausilio alla giuda e della guida automatica. Il principale filone di ricerca sul tema è rappresentato dal Grand Challenge promosso dall’agenzia americana DARPA (Defense Advanced Research Projects Agency) che dal 2005 ha iniziato a finanziare progetti per la guida autonoma A tale competizione hanno preso parte i più importanti centri di ricerca internazionali in collaborazione con le principali case automobilistiche mondiali.
Un esempio significativo di guida automatica è certamente rappresentato dai due robot Spirit e Opportunity che hanno esplorato il pianeta Marte dal Gennaio 2004; ha fatto il giro del mondo la notizia che, dopo un viaggio di ben 9 Km, durato 18 mesi, Opportunity ha raggiunto il cratere Victoria (un’importante punto di esplorazione per cercare tracce della presenza di acqua su Marte).

I RISCHI DELLA VISIONE ARTIFICIALE

Il continuo progresso scientifico e industriale ha portato nel tempo alla scomparsa di alcune professioni perché il lavoratore è stato sostituito da un processo meccanico più preciso, efficiente e meno costoso. Questa realtà storica infuso in molte persone la paura che un giorno i robot possano "rubare" il lavoro agli umani.

Oggetto di questa paura sono anche i sistemi di visione artificiale, infatti questi hanno già sostituito l'uomo in quasi tutti i compiti che riguardano il controllo della qualità; ad esempio: alcuni controlli sulle superfici o sulle condizioni dei materiali; il posizionamento dei pezzi d'assemblaggio; il confezionamento delle carni e tante altre operazioni di precisione.

Il prossimo lavoro che potrebbe scomparire in un futuro prossimo è quello del tassista,se verranno effettivamente sviluppate auto intelligenti capaci di guidare da sole, non avrà più senso pagare una persona per portarti in un posto.

Però questo ipotetico futuro dove le macchine sostituiranno l'uomo nel lavoro non è per forza un'idea distopica. Secondo Johann Rupert, miliardario CEO della Compagnie Financiere Richemont e tra i principali teorici del FALC, la “disoccupazione strutturale” dovuta all’avvento delle macchine intelligenti dovrebbe essere interpretata non come un problema, ma come un’opportunità per concepire una società dove si lavora molto meno, ma si possiede molto di più.

In altre parole, l’automazione intelligente potrebbe portarci a ripensare l’intero sistema economico e sociale su cui ci basiamo, eliminando, per la prima volta, il concetto di lavoro come necessità.
In un mondo post-lavoro, potremmo ripensare alla produzione automatizzata in funzione delle persone anziché del profitto come sostiene, per esempio, la teoria emergente del Fully automated luxury communism

BREVETTI VISIONE ARTIFICIALE

La visione artificiale è un campo molto ambito con una grande adoperabilità nell'immediato futuro e di conseguenza è un campo sul quale si stanno investendo moltissimi soldi per la ricerca. Un effetto di questa attenzione da parte degli investitori è che negli ultimi 10 anni sono stati sviluppati migliaia di brevetti nel campo della visione artificiale.

Per avere un'idea, o per cercare qualcuno in particolare per campo di interesse

CLICCA QUI

GLI UTILIZZATORI DELLA VISIONE ARTIFICIALE

Una delle domanda più importanti da porsi è:  per chi produciamo tutti questi sistemi di visione artificiale? chi sono gli utilizzatori?
Come già accennato negli articoli "DEFINIZIONE DELLA VISIONE ARTIFICIALE" e "FUNZIONI SOSTITUTIVE DELLA VISIONE ARTIFICIALE" i campi applicativi sono innumerevoli, ma il grosso ambito di utilizzo per la visione artificiale è sicuramente l'ambito industriale, qui la visione artificiale è usata per diversi compiti:controllo e determinazione della forma e della posizione dei pezzi, controllo della qualità della lavorazione, analisi dimensionale (misurazione di oggetti), controllo del colore, esecuzione di misure senza contatto, numerazione e selezione di una produzione seriale, acquisizione e controllo della correttezza di codici, scritte o segni di marcatura, riconoscimento di profili, ricerca e centratura di fori, rivetti, asole, integrazione con PLC di linea per la guida robot, verifica di eventuali difetti superficiali e procedure automatizzate di scarto della produzione difettosa. I settori interessati quindi sono i più disparati e coprono quasi tutto il modno industriale: dalla farmaceutica alla meccanica; dalla lavorazione di metalli, plastiche e legno al monitoraggio del traffico e dell'ambiente; dal packing all'illuminotecnica.

Ecco alcuni utilizzi:

Sistemi di bin picking

È lo studio di sistemi che siano in grado di individuare e afferrare oggetti ammucchiati o disposti casualmente all’interno di cassette o cassoni è di grande interesse nel settore dell’automazione industriale. Il contesto produttivo attuale, essendo molto spesso caratterizzato da lotti di produzione piccoli e differenziati tra loro, richiede una sempre maggiore flessibilità. È necessario, quindi, garantire la possibilità di riconfigurare velocemente e semplicemente la cella di lavoro al cambio del prodotto.

Settore agroalimentare

La visione artificiale può essere utilizzata nel campo agroalimentare per: verificare in ogni bottiglia il livello di riempimento, la chiusura del tappo, la presenza del sigillo di sicurezza ad anello e la posizione dell’etichetta. La spedizione di prodotti con difetti in questi ambiti può causare fuoriuscite durante il trasporto, il reso degli stessi da parte del rivenditore e perfino l’ordine di richiamo dei prodotti.

(Bottiglia con difetto nel livello di riempimento che sarà dirottata fuori dalla linea di produzione prima di raggiungere la macchina incartonatrice)

Altre operazioni posso essere fatte ad esempio sulla linea di imballaggio della carne ad esempio: Controllo delle dimensioni e posizione di singole porzioni,verifica corretta sigillatura della confezione, accertamento dell’accurata etichettatura della confezione.
Ad esempio una confezione non ben sigillata può far marcire la carne, ma ancora più interesante è che una confezione dove ad esempio i due hamburger sono confezionati finendo accidentalmente no sopra l'altro verrà più facilmente scartata da un consumatore.


Settore farmaceutico e dei dispositivi medicali
Tracciabilità: Il riconoscimento dei codici su componenti e prodotti consente alle aziende di rintracciarli in tutto lo stabilimento e lungo tutta la catena di distribuzione.

Controllo dei contenitori in vetro per l’industria alimentare e farmaceutica: Uno dei controlli di qualità più necessari in campo alimentare e farmaceutico è rappresentato dal controllo dei contenitori in vetro sia prodotti con tecnologia Presso-Soffio che con tecnologia a Estrusione. Soprattutto nella tecnologia Presso-Soffio, la continua mutabilità/variabilità della materia prima, unita alle molteplici variabili che intervengono nel processo di formazione dei contenitori, fanno sì che si possono verificare dei difetti considerati ipercritici, cioè che possono essere dannosi addirittura per la salute del consumatore. Occorre, quindi, ispezionare i contenitori in vetro per l’individuazione di tali difetti, questo processo può talvolta risultare tecnicamente difficile, in quanto, i difetti ipercritici possono essere facilmente confusi con le naturali imperfezioni del vetro.

Settore dell'auto

Guida automatica: già da diversi anni le case automobilistiche stanno dotando le auto di nuova generazione di sistemi che tendono sempre di più ad automatizzare il processo di guida. I motivi di questa scelta sono molteplici: dalla richiesta di auto supertecnologiche da parte del mercato, alla praticità del guidatore (chi non vorrebbe all'evenienza mettere il pilota automatico e non preoccuparsi più di nulla?), ma la motivazione più grande è la sicurezza, infatti la probabilità che una macchina commetti un errore è infinitamente inferiore a quella che lo commetta un umano.

Tra i sistemi già esistenti installabili sulle nostre auto che utilizzano i sistemi di visione artificiale per funzionare e interagire, ci sono: auto-parking, che posteggia la macchina in automatico senza l'aiuto del guidatore; controllo di traiettoria, che sfrutta le linee di carreggiata per evitare improvvisi sbandamenti o invasione di corsia da parte della macchina; controllo della distanza, l'auto frena automaticamente qualora ci avvicinassimo troppo all'auto davanti, evitando così tamponamenti.

La sfida più grande è quella di creare la prima auto dotata di un sistema che le permette di guidare da sola, sembra fantascienza ma i primi prototipi sono già stati presentati.

COME LAVORA LA VISIONE ARTIFICIALE NELL'INDUSTRIA

È importante capire come funziona un sistema di visione artificiale per riuscire a capire poi come il mondo dell'industria possa sfruttare questa tecnologia.
Nell'articolo "GLI ELEMETI DELLA VISIONE ARTIFICIALE" è stato già spiegato da che parti deve essere composto un visore ora sarà accennato come questo deve lavorare:
Qualunque sia l'utilizzo del visore questo deve per prima cosa "illuminare" un oggetto o una porzione di spazio in modo da evidenziare ciò che vogliamo "vedere". Il sistema ottico forma un’immagine sul sensore della telecamera che produce un segnale elettrico in uscita. Questo segnale viene digitalizzato, cioè convertito da analogico (continuo) in digitale (discretizzato) e memorizzato attraverso un’apposita scheda chiamata frame grabber. L’immagine viene quindi elaborata dal software.

Spiegare come funzionano i vari software è un argomento abbastanza complicato e ancora in via di sviluppo e consiglio questo video "La Scienza è...Visione Artificiale!" su una conferenza tenuta presso il Civico Planetario "F.Martino" di Modena.

In ogni caso le applicazioni consolidate dei sistemi di visione nel mondo industriale possono essere raggruppate in due categorie principali: le verifiche di conformità e la guida di robot.
Le prime racchiudono tutte quelle applicazioni in cui le telecamere verificano o misurano alcune peculiari caratteristiche degli oggetti prodotti. Invece i sistemi di guida robot basati sulla visione forniscono ai manipolatori informazioni sulla posizione e l’orientazione delle parti con cui devono interagire per operazioni di varia complessità.

Possiamo classificare le applicazione dei sistemi di visione in base al tipo di informazione che viene ricavata dall'unità di elaborazione:

Controlli di presenza. Il controllo di presenza è uno degli impieghi più frequenti dei sistemi di visione. E’ possibile controllare sia la presenza di interi oggetti, sia quella di uno o più particolari di un oggetto. Utilizzando algoritmi di riconoscimento, un sistema è in grado anche di verificare la mancanza di parti o il loro errato posizionamento. Allo stesso modo è in grado di eseguire conteggi, ad esempio di parti di diverso tipo che scorrono su un nastro trasportatore.

Rilevamento Posizione/Bordi. Un altro tipo di applicazione che si incontra molto frequentemente è il rilevamento della posizione di oggetti, intesa sia come individuazione delle coordinate (x,y) dell’oggetto sul piano sia come controllo della corretta posizione di particolari all’interno di un oggetto.

Controllo superfici. È possibile effettuare il controllo della qualità di superfici, allo scopo di rilevare difetti quali rotture, sporco, graffi, cricche ecc.

Misura 2D e 3D. I sistemi di visione possono essere impiegati come strumenti di misura senza contatto.i distinguono in genere misure ad una o due dimensioni: diametri, lunghezze e angoli possono essere effettuate in modo relativamente semplice per mezzo di una telecamera bidimensionale, opportunamente calibrata per ottenere misure in coordinate reali. Misure a tre dimensioni riguardano i calcoli di volume, altezze e piani attraverso analisi di immagini acquisite da più angolazioni o con tecniche di triangolazione con luce strutturata. L’utilizzo del sistema di visione risulta particolarmente indicato per misurare oggetti fragili, difficili da raggiungere, contenuti in altri oggetti o a temperature elevate.

Riconoscimento di oggetti. Il riconoscimento consiste nella classificazione di un oggetto in base a particolari caratteristiche desunte dalla sua immagine. Esso prevede una fase di apprendimento propedeutica alla fase di riconoscimento vera e propria. Esistono applicazioni caratterizzate da crescenti livelli di complessità che vanno dalla semplice corrispondenza di profili di oggetti meccanici fino al riconoscimento della fisionomia umana.

Lettura codici. Tramite un sistema di visione è possibile effettuare la lettura di codici a barre e di codici bidimensionali. Per la lettura di codici a barre vengono utilizzati tipicamente lettori ottici dedicati con tecnologia laser o CCD, che non rientrano nel settore dei sistemi di visione. I sistemi di visione vengono utilizzati per questa funzione in applicazioni in cui, oltre alla lettura del codice a barre, sia necessario eseguire altre verifiche o controlli, come ad esempio la verifica delle date di scadenza di un prodotto.

Lettura/Verifica caratteri (OCR/OCV). La lettura dei caratteri OCR consiste nell’estrarre dall’immagine una sequenza di caratteri (stringa) non conosciuta a priori. La verifica OCV permette invece di confrontare il contenuto dell’immagine con un stringa di riferimento impostata dall’utente.

Controllo del colore e della tonalità. Sono funzionalità in cui la criticità è rappresentata dalle condizioni di illuminazione e dalla precisione e ripetibilità del sistema di acquisizione dell’immagine, piuttosto che dagli algoritmi di elaborazione. Esistono molti campi di applicazione che vanno dalla verifica della qualità di stampa, alla verifica del funzionamento e taratura automatica di monitor televisivi, alla misura del colore delle pietre preziose.

Evidenziazione di particolari (image enhancement). Questa funzionalità permette di trasformare immagini riprese in luce naturale, o in altre frequenze (dagli infrarossi ai raggi X) per esaltare la visibilità dei particolari di interesse. Le maggiori applicazioni si hanno nel settore biomedico: elaborazione di immagini ecografi che e radiografi che o nella sicurezza (ricerca di armi ed esplosivi tramite raggi X).