thigiacmay.comTrí tuệ nhân tạo là một thuật ngữ bao trùm một số công nghệ cụ thể. Trong đó có thị giác máy (MV) với thị giác máy tính (CV). Hai công nghệ này đều được sử dụng để giúp máy móc “nhìn thấy” thế giới của chúng. Nội dung sau, IPC247 sẽ cùng bạn thảo luận về điểm khác biệt giữa hai công nghệ thông minh này!
Hiểu đúng về thị giác máy tính và thị giác máy
Công nghệ thị giác để hỗ trợ cho máy tính đã được các nhà nghiên cứu thực hiện vào những năm 1950. Thị giác máy tính là lĩnh vực rộng, giúp máy tính hiểu nội dung ảnh và video, ứng dụng trong y tế, an ninh, xe tự hành.
Trong khi đó, thị giác máy tập trung vào những phần quan trọng nhất của hình ảnh so với ứng dụng của nó. Nhiệm vụ chính là phân tích dữ liệu hình ảnh và đưa ra các quyết định tự động, đơn giản và nhanh chóng. Hệ thống này có khả năng hoạt động hiệu quả trong sản xuất và các ứng dụng thực tế. Đối với các công đoạn như kiểm soát chất lượng, kiểm tra và hướng dẫn.
So sánh điểm tương đồng và khác biệt giữa thị giác máy tính và thị giác máy
Xử lý hình ảnh chính là nhiệm vụ chính của các hệ thống này. Để làm như vậy, cả hai đều cần các thành phần tương tự: máy ảnh, bảng chụp (và / hoặc bộ lấy khung), ánh sáng và phần mềm để xử lý dữ liệu. Nhưng điều này không có nghĩa là chúng được sử dụng để thay thế cho nhau.
Về điểm tương đồng
Trước hết, hai hệ thống này đều có chung tính năng là chụp và phân tích hình ảnh. Qua đó nhằm thực hiện các tác vụ với tốc độ và độ chính xác mà mắt người không thể nào sánh kịp. Cùng điểm qua một số điểm chung như sau:
- Một thiết bị hình ảnh có chứa cảm biến hình ảnh và ống kính
- Có thể sử dụng bảng chụp ảnh hoặc bộ lấy khung (trong một số máy ảnh kỹ thuật số sử dụng giao diện hiện đại, không cần bộ lấy khung)
- Ánh sáng phù hợp với ứng dụng
- Phần mềm xử lý hình ảnh qua máy tính hoặc hệ thống nội bộ, như trong nhiều máy ảnh “thông minh”.
Về sự khác biệt
Vậy sự khác biệt thực tế là gì? Thị giác máy tính không chỉ hướng đến mục tiêu chính là xem hình ảnh. Bên cạnh đó còn là xử lý và cung cấp các kết quả hữu ích dựa trên quan sát. Thị giác máy lại trở thành một danh mục con của hệ thống thị giác máy tính. Chúng đề cập đến việc sử dụng hệ thống này trong môi trường sản xuất công nghiệp.
>> Xem thêm : Thị giác máy được sử dụng như thế nào trong sản xuất?
Thị giác máy tính trong hành động
Hiện nay, thị giác máy tính đang đóng một vai trò ngày càng lớn trong nhiều ngành công nghiệp. Trong tiếp thị kỹ thuật số, các công ty đang bắt đầu sử dụng công nghệ nhận dạng hình ảnh để thúc đẩy vị trí đặt quảng cáo và kết quả kinh doanh tốt hơn.
Các trường hợp sử dụng thịnh hành khác cho CV được giới thiệu tại Hội nghị thượng đỉnh điện tử tiêu dùng (CES) năm 2019. Bao gồm một loạt các ứng dụng xe tự hành, hỗ trợ bảo mật và an toàn, v.v.
Thị giác máy và nhà máy thông minh
Khả năng xác định trực quan các vấn đề như lỗi sản phẩm và sự kém hiệu quả của quy trình là rất quan trọng đối với các nhà sản xuất. Việc này nhằm để hạn chế chi phí và mang đến sản phẩm chất lượng cho khách hàng.
Kể từ những năm 90, hệ thống thị giác máy đã được lắp đặt tại hàng nghìn nhà máy trên toàn thế giới. Nơi chúng được sử dụng để tự động hóa nhiều chức năng QA và hiệu quả thiết yếu. Với khả năng chia sẻ dữ liệu nâng cao và độ chính xác được cải thiện từ sự hỗ trợ bởi các công nghệ đám mây tiên tiến. Việc sử dụng các hệ thống điều khiển MV trong sản xuất đã bắt đầu tăng tốc.
Theo AIA, năm 2017 thị trường hệ thống và linh kiện thị giác máy Bắc Mỹ tăng 14,6%, đạt 2,633 tỷ USD. Các nhà sản xuất đang nhận ra rằng hệ thống thị giác máy là một khoản đầu tư cần thiết để đáp ứng các mục tiêu về chất lượng, chi phí và tốc độ.
Thị giác máy với hoạt động trên dây chuyền sản xuất
Phát hiện các khiếm khuyết và nhanh chóng giảm thiểu nguyên nhân của các khiếm khuyết, đó là một khía cạnh thiết yếu của bất kỳ quy trình sản xuất nào. Các công ty đã chuyển sang các giải pháp thị giác máy để chủ động giải quyết sự xuất hiện và nguyên nhân gốc rễ của các khiếm khuyết.
Bằng cách lắp đặt camera trên dây chuyền sản xuất và đào tạo mô hình học máy. Hệ thống có thể xác định các biến phức tạp cũng xác định sản phẩm tốt so với sản phẩm xấu. Có thể xác định lỗi trong thời gian thực và xác định vị trí xảy ra lỗi trong quá trình sản xuất.
Xử lý hình ảnh là gì?
Xử lý hình ảnh là một loạt chức năng được thực hiện trên một hình ảnh tĩnh với đầu vào là một khung hình đơn còn đầu ra được thay đổi tùy theo một hay một vài chức năng được áp dụng. Đa phần thì các chức năng xử lý hình ảnh sẽ can thiệp và tạo ra một hình ảnh thứ hai. Có thể hiểu đơn giản bất kì một bộ lọc hình ảnh nào mà làm thay đổi hình ảnh cũng được coi là một loại của xử lý hình ảnh. Các bộ lọc đó có thể là chỉnh màu, làm mờ vùng ảnh, làm nét cạnh; đều là sự xử lý hình ảnh chuyển đổi từ hình ảnh này sang hình ảnh khác.
Adobe Photoshop là một công cụ thông dụng được nhiều người sử dụng để xử lý hình ảnh. Những phần mềm như thế này giúp thay đổi rất nhiều yếu tố làm cho hình ảnh sắc nét hơn, chân thực hơn hay sinh động hơn so với hình ảnh gốc. Mặt khác, Xử lý hình ảnh không đề cập đến quá trình phân tích hình ảnh, bởi vì điều này nằm trong Thị giác máy tính.
Thị giác máy tính (Computer Vision) không phải là Xử lý hình ảnh (Image Processing)
Nguyên liệu đầu vào và sản phẩm đầu ra của Xử lý hình ảnh đều là ảnh. Ngược lại, Thị giác máy tính có đầu vào là ảnh nhưng đầu ra chính là việc hiểu được hình ảnh đó.
Deep Learning để xử lý hình ảnh
Xử lý hình ảnh dùng các kỹ thuật như phát hiện cạnh, lọc, tách ngưỡng; học sâu bổ sung khả năng nhận dạng mẫu phức tạp. Phát hiện cạnh rất quan trọng trong quá trình xử lý một hình ảnh. Ví dụ mà chúng ta sẽ phân tích là việc áp dụng bộ lọc mờ để che khuất số biển xe của chiếc xe này. Các bước cần thiết để thực hiện nhiệm vụ này là định vị biển số xe, nhận diện mẫu hình. Tuy nhiên, để nhận ra các mẫu hình này thì phải tìm kiếm được đường viền hay cạnh biên được tạo thành từ các cạnh của mẫu hình đó. Chính vì lẽ đó, nhận diện cạnh là một bước rất quan trọng để nhận diện mẫu hình và để áp dụng các bộ lọc khác nhau sau đó.
Trong các hệ thống Deep Learning thì việc nhận diện cạnh hay nhận diện mẫu hình đều được xử lý dễ dàng. CNN trong Deep Learning sẽ phân loại ảnh và đưa ra các dự đoán khác bằng cách xác định các hình mẫu. Vậy thì CNN được áp dụng trong Xử lý hình ảnh thì có được áp dụng cho các tác vụ của Thị giác máy tính hay không?
Áp dụng Deep Learning trong Thị giác máy tính
Rõ ràng là để hiểu được nội dung của một bức ảnh thì nhận dạng mẫu hình và phân loại hình ảnh là một công cụ tất yếu và không thể nào thiếu được. Như vậy, CNN là công cụ giá trị được sử dụng bởi các hệ thống thị giác máy tính. Vậy ngoài nhận dạng được mẫu hình đó thì làm sao để biết được bối cảnh của hình ảnh. Ngoài CNN, RNN cũng đóng vai trò quan trọng trong Thị giác giúp xác định bối cảnh cụ thể. RNN sẽ đưa ra những mô tả chi tiết hơn về những gì đang xảy ra trong khoảng thời gian có liên quan.
Như vậy, Thị giác máy tính và Xử lý hình ảnh là những nhiệm vụ riêng biệt nhưng có mối liên hệ trong lĩnh vực ảnh số. Trong khi xử lý hình ảnh là việc sửa đổi hình ảnh bằng các thiết bị như bộ lọc, còn Thị giác máy tính rút ra thông tin, ý nghĩa từ hình ảnh.
Học máy (Machine learning) là gì?
Cách hiểu đơn giản và ngắn gọn nhất về học máy đó chính là một thuật ngữ chỉ các chương trình mà máy tính có thể học được cách chúng vận hành, học được cách hoàn thành nhiệm vụ và cải thiện hiệu suất.
Học máy như là một quá trình huấn luyện máy tính của chúng ta học hỏi để đánh giá cơ sở dữ liệu đầu vào từ đó đưa ra được kỹ thuật, cách thức phù hợp để đưa vào quá trình sản xuất.
Học máy là một nhánh con có nhiều thành công nhất của AI
- Yêu cầu lớn nhất đối với học máy đó là dữ liệu “học” cần phải được đảm bảo là dữ liệu phong phú, đủ lớn, đủ rộng đồng thời phải là dữ liệu “sạch”, không bị làm giả, không bị sai lệch.
- Các thuật toán của học máy được ứng dụng rất rộng rãi, với khả năng phân tích dữ liệu lớn giúp ích cho việc dự đoán xu hướng tương lai, ví dụ như thị trường chứng khoán hoặc bầu cử.
- Thuật toán nhận dạng hình ảnh của học máy có thể phân tích cả hình ảnh vệ tinh để xử lý nhiều vấn đề của đời sống con người như kinh doanh, sản xuất, đi lại,…
Sự khác biệt giữa thị giác máy và học máy
Thứ nhất:
Học máy là phương pháp; thị giác máy là ứng dụng có thể dùng học máy để phân tích ảnh. Ví dụ trong cùng một hình ảnh về đoạn văn, đoạn text
- Thị giác máy: nhận dạng chữ, kiểu chữ, khoảng cách, độ đậm nhạt.
- Học máy: ngoài những khả năng trên còn có thể đọc hiểu nội dung để phân loại. Điển hình như ứng dụng học máy để phân loại thư spam của email. Học máy dựa vào nội dung và tiêu đề để xác định đây có phải là thư spam hay không.
Thứ hai:
Học máy có thể phát hiện ra các quy luật, khai phá các dữ liệu (khám phá ra các thông tin có giá trị hữu ích) từ dữ liệu thu nhận được. Còn thị giác máy chỉ đơn giản là so sánh, phát hiện lỗi, điều bất thường
Thứ ba: Về dữ liệu đầu vào
- Học máy yêu cầu dữ liệu đầu vào lớn, đa dạng, dữ liệu sạch không chỉnh sửa và không có sai sót. Dữ liệu có thể bao gồm cả hình ảnh và âm thanh (học máy có thể nhận dạng giọng nói, dịch tự động, chơi trò chơi)
- Thị giác máy: Tự động thu nhận dữ liệu hình ảnh, video, chuyển động, các loại kí tự, chuỗi kí tự, mã vạch…
Thứ tư: Nguyên lý hoạt động
- Học máy: tập trung vào việc phát triển thuật toán, đi sâu vào các chương trình mà máy tính có thể truy cập vào dữ liệu và nó sẽ tự học. Chúng ta không cần tạo ra phần mềm với hướng dẫn cụ thể để giải quyết nhiệm vụ trong quá trình hoạt động sản xuất của máy móc. Thay vào đó, máy tính sẽ tự sử dụng dữ liệu và thuật toán đã học được để giải quyết vấn đề.
- Thị giác máy: tập trung vào thu nhận và xử lý hình ảnh, phân tích nhận dạng hình ảnh, biểu tượng. Quá trình hoạt động tự động, tích hợp các hình ảnh để cho ra nhận thức thị giác.
Thứ 5: Các lĩnh vực con
Học máy được ứng dụng trong marketing, tài chính, y tế, trò chơi điện tử.
Thị giác máy bao gồm các lĩnh vực con: theo dõi, nhận diện bố cục, đánh giá chuyển động, phục hồi ảnh, tái cấu trúc.
>> Khám phá : Phân tích chi tiết các ứng dụng công nghiệp của máy tính là gì?
Với tất cả các thông tin trên, chúng tôi đã giúp bạn giải đáp cũng như phân biệt về hai công nghệ thị giác máy tính và thị giác máy. Để được tư vấn chi tiết hơn về hai công nghệ này, liên hệ IPC247 để được tư vấn.
