L’intelligenza artificiale per classificare gli oggetti
Image S presenta il software RETINA di SqueezeBrains, azienda bresciana che progetta e sviluppa software e dispositivi di image processing basati sull’intelligenza artificiale con la missione di portare il machine learning, nel mondo dell’industria, dell’automazione e del controllo di qualità senza la necessità di avere esperti di AI. RETINA è una libreria basata sull’intelligenza artificiale per l’analisi delle immagini, che ha la capacità di apprendere e poi di riconoscere oggetti presenti in un’immagine. Il software è composto da una libreria scritta in “C”, per Windows, Linux e Android su piattaforma X86 ed ARM e da una GUI, un’interfaccia grafica, per Windows su piattaforma X86. Con la GUI è possibile addestrare RETINA e fare i test.
Fase di addestramento semplificata
Il flusso di lavoro si compone di quattro passaggi: dapprima si importano le immagini nella GUI; quindi, con la GUI si addestra RETINA a riconoscere uno o più oggetti. Il risultato dell’addestramento è un file di piccole dimensioni che contiene tutto ciò che serve alla libreria RETINA per elaborare le immagini in linea. Il grosso vantaggio, rispetto ad altri pacchetti software, è dato dalla fase di addestramento estremamente semplificata e che non richiede migliaia di immagini: ne basta qualche decina. Integrare la libreria RETINA può richiedere uno sforzo minimo, cioè solo poche righe di codice che servono per elaborare le immagini, oppure un po’ più di tempo se si vuole integrare la GUI nel proprio software.
Applicazione nell’industria
In ambito industriale, il software RETINA può essere applicato per il riconoscimento e la classificazione di oggetti o il riconoscimento di difetti (visione per robot, automazione, controllo qualità, macchine selezionatrici). “Siamo convinti che la collaborazione che abbiamo recentemente avviato con SqueezeBrains ci darà grande soddisfazione nei prossimi anni – ha detto Marco Diani, presidente e co-fondatore di Image S -. RETINA è un sistema di riconoscimento di oggetti, efficace anche in ambienti molto rumorosi, che richiede training con set di immagini molto limitati e che promette sviluppi molto interessanti nel campo della visione industriale, soprattutto in ambienti dove altre soluzioni non sono in grado di riconoscere i difetti o di identificare bene le componenti di un prodotto”.