La computer vision nelle applicazioni cross-industry

Visione artificiale e apprendimento automatico hanno un impatto significativo sulle applicazioni intersettoriali, tra cui salute, sicurezza e controllo qualità. Pier Giuseppe Dal Farra, Industry 4.0 Business Expert di Orange Business Services, illustra come la tecnologia – attraverso l’emulazione della vista umana – stia trainando l’innovazione, ma ne segnala anche i limiti.

Quali sono le principali sfide che le imprese devono affrontare in termini di controllo della qualità?

Il controllo della qualità è un passaggio fondamentale, sia che un produttore realizzi componenti per auto, cibo o vaccini. Un controllo della qualità inadeguato può sfociare in un danno alla reputazione o in elevati costi finanziari e operativi, sia in termini di rendimenti ridotti e prodotti rilavorati o cestinati, fino alla commercializzazione di merci difettose che devono essere restituite. Secondo l’associazione commerciale globale ASQExcellence il costo legato a una qualità insufficiente può arrivare fino al 15% del fatturato. Se l’ispezione umana può essere soggetta a incongruenze ed errori, le macchine d’ispezione tradizionali sono invece poco flessibili e spesso in grado di identificare solo un piccolo numero di difetti.

Cos’è la computer vision e come può supportare il controllo della qualità in ambito industriale?

La computer vision si avvale di tecnologia e apprendimento automatico per replicare la visione umana partendo da immagini digitali, tra cui fotografie e video. Alcune applicazioni, come l’etichettatura degli oggetti, hanno giù superato l’uomo nella capacità di rilevare difetti.
Le telecamere scattano immagini che vengono inserite in algoritmi di computer vision progettati per rilevare anomalie, deviazioni o difetti in un prodotto, automatizzando il controllo della qualità. I sistemi possono elaborare grandi quantità di informazioni visive rapidamente, 24 ore su 24, 7 giorni su 7. E, a differenza degli esseri umani, la tecnologia non si stanca o si distrae.

La computer vision rende in qualche modo standard il controllo della qualità?

No, non lo fa. La gestione del controllo qualità in ogni azienda è diversa. Ma in tutte le organizzazioni, contribuisce al risultato economico, alla visibilità del marchio e alla fedeltà dei clienti.
Il potenziale punto debole di ogni azienda sarà diverso, e una soluzione di computer vision deve essere progettata di conseguenza se vuole segnalare con successo i problemi e consentire alle persone di fare ciò che sanno fare meglio: risolverli. La visione artificiale si avvale di telecamere connesse. E ci sono fattori che variano da fabbrica a fabbrica, come luce e umidità.
La visione artificiale può evitare gli errori commessi da ispettori umani quando devono verificare centinaia di bottiglie identiche, per esempio. In Orange Business Services, abbiamo lavorato con un produttore di profumi francese. Commercializzando un prodotto di lusso, c’era la necessità di assicurarsi che ogni componente della bottiglia, il suo contenuto e l’etichetta stessa fossero perfetti prima della spedizione. Abbiamo progettato un sistema in cui una telecamera inviava immagini a un algoritmo che poteva effettuare tutti questi controlli qualità. In un altro scenario industriale molto diverso, per una società farmaceutica abbiamo messo a punto uno stimatore di crescita batterica basato su AI per la produzione di vaccini. Il sistema esegue un controllo di qualità rispetto alle immagini per vedere se il campione corrisponde ai rigorosi requisiti di output richiesti. Ne caso venga individuato un problema, un tecnico viene coinvolto per effettuare ulteriori controlli.

La computer vision funziona per tutte le applicazioni industriali?

Per molte applicazioni opera in modo egregio, ma ci sono ancora delle limitazioni. Per esempio, con gli oggetti 3D è difficile catturare immagini di alta qualità da ogni angolazione. Materiali di tipologia diversa, come la plastica trasparente, ma anche condizioni di variabilità di luce, possono creare problemi. Inoltre, abbiamo bisogno di vedere miglioramenti nella tecnologia di fotocamera in condizioni difficili o di scarsa luminosità. E in generale i prezzi devono scendere. Se la singola telecamera costa 15.000 euro, per alcuni casi aziendali questa non è più un’opzione percorribile. Così, mentre la computer vision può essere attualmente molto efficace in termini di controllo qualità e come supporto al miglioramento della sicurezza dei lavoratori, c’è ancora bisogno degli esseri umani per rivedere e supervisionare le immagini ed è necessario applicare una certa cautela di fondo.

Quali sono le sfide principali che le imprese devono affrontare quando si tratta di salute e sicurezza?

L’Organizzazione Mondiale della Sanità stima che 2 milioni di persone muoiano ogni anno per cause legate alla salute e sicurezza sul lavoro. Infortuni e malattie possono ridurre la produttività e incidere in modo significativo sul reddito delle famiglie. I datori di lavoro sono responsabili del benessere dei loro dipendenti, cosa che si rispecchia in misure normative in costante crescita in tutto il mondo. Mitigare i pericoli e garantire la sicurezza dei lavoratori rappresentano ora una tra le principali preoccupazioni dei consigli di amministrazione. Ma non è tutto. Sempre di più, i clienti si aspettano che le imprese operino secondo gli standard più elevati. Le pratiche di salute e sicurezza sono tra le questioni etiche che le aziende devono considerare nelle loro catene di approvvigionamento.

In che modo la visione artificiale può favorire la salute e la sicurezza sul luogo di lavoro?

La salute e la sicurezza sono una preoccupazione crescente. La visione artificiale ha un ruolo nel rendere gli ambienti di lavoro più sicuri, aiutando le imprese a rispettare la conformità e adottare un approccio reattivo alle misure di sicurezza. La visione artificiale è molto accurata nel registrare i “quasi incidenti” sul luogo di lavoro, un indicatore di potenziali infortuni che si sarebbero potuti verificare. Ma può anche prevenire gli incidenti avvertendo i lavoratori quando si avvicinano a una zona o a un’attrezzatura pericolosa o valutando la conformità in situazioni in cui i lavoratori devono indossare dispositivi di protezione individuale (DPI).
La visione artificiale può essere utilizzata in molteplici modalità quando si tratta di salute e sicurezza, dal monitoraggio del modo in cui i lavoratori interagiscono con le attrezzature all’avviso ai dipendenti se stanno entrando in una zona a rischio.
Recentemente, abbiamo lavorato con un’azienda mineraria che cercava di identificare le violazioni della sicurezza e individuare i potenziali incidenti. Si trattava di una sfida importante perché l’azienda opera in ambienti umidi con scarsa illuminazione, e questo crea condizioni difficili per le telecamere. Abbiamo trovato una soluzione: collegare in rete le telecamere nelle miniere e alimentare con le immagini un algoritmo creato ad hoc da noi.

Quanto è importante eseguire un proof of concept (PoC) prima di implementare la computer vision?

È essenziale. Ogni caso aziendale presenta i suoi problemi e vincoli, e non esiste una soluzione standard.
Eseguendo un PoC, è possibile verificare se il concetto di computer vision funziona in condizioni standard e ridurre al minimo qualsiasi imprevisto. Permette inoltre di vedere se gli algoritmi producono i risultati desiderati su immagini simulate e capire se si otterranno gli esiti previsti. Può anche aiutare a ridurre al minimo le problematiche legate all’ implementazione.

Qual è il futuro della visione artificiale?

Oggi, la computer vision ha molto da offrire in termini di velocità di produzione, precisione, automazione e sicurezza sul posto di lavoro. Ci sono così tante applicazioni per le quali può già essere utilizzata, ma c’è ancora molta strada da fare prima che raggiunga la piena maturità. Man mano che tecnologie come il 5G e l’edge computing diventano onnipresenti, fornendo una latenza più bassa e una larghezza di banda realmente scalabile, il potenziale della computer vision e dell’AI diventa praticamente illimitato. Se oggi le prestazioni della computer vision possono superare gli esseri umani in scenari particolarmente controllati, in un futuro non troppo lontano saranno in grado di eguagliare e persino superare la vista umana in uno spettro di applicazioni molto più ampio.