datasyn er en sektor av kunstig intelligens som bruker maskin og dyp læring for å tillate datamaskiner å «se» og analysere omgivelsene sine. Datasyn har stor innvirkning på selskaper i alle bransjer, fra detaljhandel til landbruk. Det er spesielt nyttig for problemer der vi trenger et menneskes øye for å se situasjonen. På grunn av den brede mengden problemer som eksisterer i disse kriteriene, har tusenvis av applikasjoner av datasyn ikke blitt oppdaget eller utmattet ennå.Denne artikkelen vil være en kumulativ liste over raskt voksende og progressive datasynapplikasjoner som brukes av fremtredende næringer i 2021.
Datasyn i Sport
Spiller Utgjør Sporing
AI visjon kan brukes til å gjenkjenne mønstre mellom menneskekroppsbevegelser og posere over flere rammer i videoopptak eller videostrømmer i sanntid. Menneskelig positur estimering har blitt brukt til virkelige videoer av svømmere der enkelt stasjonære kameraer film over og under vannoverflaten. Disse videoopptakene kan brukes til å kvantitativt vurdere utøvernes ytelse uten å manuelt kommentere kroppsdelene i hver videoramme. Convolutional Nevrale Nettverk brukes til å automatisk utlede den nødvendige pose informasjon og oppdage svømmestilen til en idrettsutøver.
Markerless Motion Capture
Kameraer kan brukes til å spore bevegelsen til det menneskelige skjelettet uten å bruke tradisjonelle optiske markører og spesialiserte kameraer. Dette er viktig i sportsfangst, hvor spillerne ikke kan belastes med ekstra ytelse fange antrekk eller enheter.
Objektiv Utøverprestasjonsvurdering
Automatisk gjenkjenning og gjenkjenning av sportsspesifikke bevegelser overvinne begrensningene knyttet til manuelle ytelsesanalysemetoder. Datasyndatainnganger kan brukes i kombinasjon med dataene til kroppsbrukte sensorer og wearables. Populære brukstilfeller er svømming analyse, golf swing analyse, over bakken kjører analytics, alpint, og påvisning og evaluering av cricket bowling.
Sporing Av Flerspillerposisjoner
ved Hjelp Av Datasynalgoritmer kan positur og bevegelse av flere lagspillere beregnes ut fra både monokulære (enkeltkameraopptak) og multi-view (opptak av flere kameraer) sportsvideodatasett. Den potensielle bruken av å estimere 2d-Eller 3D-Stillingen til spillere i sport er vidtgående og inkluderer ytelsesanalyse, bevegelsesopptak og nye applikasjoner i kringkasting og nedsenkende medier.
Slaggjenkjenning
datasynsapplikasjoner kan brukes til å oppdage og klassifisere slag (for eksempel for å klassifisere slag i bordtennis). Anerkjennelse eller klassifisering av bevegelser innebærer ytterligere tolkninger og merkede spådommer av den identifiserte forekomsten(for eksempel differensiering av tennisslag som forehand eller backhand). Stroke recognition har som mål å gi verktøy for lærere, trenere og spillere for å analysere bordtennisspill og forbedre sportsferdighetene mer effektivt.
Nær Sanntid Coaching
Datamaskin Visjon basert sports analytics hjelp for å forbedre ressurseffektiviteten og redusere tilbakemeldingstider for tidsbegrensning aktiviteter. Trenere og idrettsutøvere som er involvert i tidsintensive notasjonsoppgaver, inkludert etter svømmeløpsanalyse, kan dra nytte av rask objektiv tilbakemelding før neste løp i arrangementsprogrammet.
Sports Team Behaviors Analysis
Analytikere i profesjonell lagidrett utfører regelmessig analyse for å få strategisk og taktisk innsikt i spiller og lagadferd (identifisere svakheter, vurdere ytelse og forbedringspotensialer). Manuell videoanalyse er imidlertid vanligvis en tidkrevende prosess, der analytikerne må huske og kommentere scener. Datasynteknikker kan brukes til å trekke ut banedata fra videomateriale og anvende bevegelsesanalyseteknikker for å utlede relevante lagsportsanalytiske tiltak for region, lagdannelse, event og spilleranalyse (for eksempel i fotballsportsanalyse).
Automatisert Mediedekning
AI vision-teknologi kan bruke videoopptak til å tolke sportsspill og overføre dem til mediehusene uten nødvendigvis å gå dit med fysiske kameraer. For eksempel, baseball har fått denne fordelen i de siste årene med spillet nyhetsdekning automatisering.
Ball Tracking
Ball trajectory data er en Av de mest grunnleggende og nyttig informasjon i evalueringen av spillernes ytelse og analyse av spillstrategier. Derfor er sporing av ballbevegelse en applikasjon av dyp og maskinlæring for å oppdage og deretter spore ballen i videorammer. Fotball) for å hjelpe newscasters og analytikere til å tolke og analysere et sportsspill og taktikk raskere.
Mållinjeteknologi
Kamerabaserte systemer kan brukes til å avgjøre om et mål er scoret eller ikke for å støtte dommernes beslutningsprosesser. Forskjellig fra sensorer, er den visjonsbaserte metoden ikke-invasiv og krever ikke endringer i de typiske fotballenhetene. Slike Mållinjeteknologiske systemer er basert på høyhastighetskameraer hvis bilder brukes til å triangulere ballens posisjon. En balldeteksjonsalgoritme som analyserer kandidatballregioner for å gjenkjenne ballmønsteret.
Hendelsesregistrering i Sport
Dyp Læring kan brukes til å oppdage komplekse hendelser fra ustrukturerte videoer, som å score et mål i en fotballkamp, nestenulykker eller andre spennende deler av et spill som ikke resulterer i en poengsum. Denne teknologien kan brukes til sanntids hendelsesdeteksjon i sportssendinger, som gjelder for et bredt spekter av feltsporter.
Self-training Feedback
Computer Vision based self-training systems for sports trening er et nylig fremvoksende forskningsemne. Selv om selvopplæring er viktig i sportsøvelse, kan en utøver utvikle seg i begrenset grad uten instruksjon fra en trener. For eksempel, en yoga selv-trening program som mål å instruere utøveren til å utføre yoga positurer riktig, bistå i å rette opp dårlige stillinger, og forebygge skader. Et selvopplæringssystem gir instruksjoner om hvordan du justerer kroppsstilling.
Automatisk Høydepunkt Generasjon
Produsere sports høydepunkter er arbeidskrevende arbeid som krever en viss grad av spesialisering, spesielt i idrett med et komplekst sett av regler som spilles for en lengre tid (f.eks. Cricket). Et program eksempel er automatisk Cricket høydepunkt generasjon bruker hendelsesdrevet og spenning-baserte funksjoner for å gjenkjenne og klippe viktige hendelser i en cricket kamp. Et annet program er automatisk kurering av golf høydepunkter ved hjelp av multimodel spenning funksjoner Med Datasyn.
Sports Aktivitet Scoring
Dype Læringsmetoder kan brukes for sports aktivitet scoring for å vurdere handlingen kvaliteten på idrettsutøvere(Dype Funksjoner For Sports Aktivitet Scoring). Automatisk sports aktivitet scoring kan brukes i dykking, kunstløp, eller hvelving (ScoringNet ER EN 3D CNN nettverk søknad om sports aktivitet scoring). For eksempel, en dykking scoring søknad fungerer ved å vurdere kvalitetspoeng av en dykking ytelse av en idrettsutøver: det betyr noe om utøveren føtter er sammen og tærne er pekte rett gjennom hele dykkeprosessen.
Datasyn i Helsevesenet
Kreftdeteksjon
Maskinlæring er innarbeidet i medisinsk industri for formål som bryst-og hudkreftdeteksjon. Bildedeteksjon gjør det mulig for forskere å plukke ut små forskjeller mellom kreft-og ikke-kreftbilder, og diagnostisere data fra magnetisk resonansavbildning (MRI) og innlagte bilder som ondartet eller godartet.
COVID-19 diagnose
Datasyn kan brukes til coronaviruskontroll. Flere dyp læring datamaskin visjon modeller finnes for x-ray basert COVID – 19 diagnose. DEN mest populære for påvisning AV COVID-19 tilfeller med digital brystet x-ray radiografi (CXR) bilder heter COVID-Net og ble utviklet Av Darwin AI, Canada.
Celleklassifisering
Maskinlæring i medisinske tilfeller ble brukt til å klassifisere T-lymfocytter mot tykktarmskreft epitelceller med høy nøyaktighet. ML forventes å betydelig akselerere prosessen med sykdom identifikasjon om tykktarmskreft effektivt og til liten eller ingen kostnad etter etableringen.
Bevegelsesanalyse
Nevrologiske og muskuloskeletale sykdommer som motgående slag, balanse og gangproblemer kan oppdages ved hjelp av dype læringsmodeller og datasyn selv uten legeanalyse. Pose Estimering computer vision applikasjoner som analyserer pasient bevegelse hjelpe leger i diagnostisering av en pasient med letthet og økt nøyaktighet.
Maskedeteksjon
Masked Face Recognition brukes til å oppdage bruk av masker og verneutstyr for å begrense spredningen av coronavirus. Datasystemer hjelper land med å implementere masker som en kontrollstrategi for å begrense spredningen av koronavirussykdom. Private selskaper som Uber har opprettet datasynfunksjoner som skal implementeres i mobilappene sine for å oppdage om passasjerer har masker eller ikke. Programmer som dette gjør offentlig transport tryggere under koronaviruspandemien.
Tumor Deteksjon
Hjernesvulster kan ses I MR-skanninger og oppdages ofte ved hjelp av dype nevrale nettverk. Tumor deteksjon programvare utnytte dyp læring er avgjørende for den medisinske industrien fordi det kan oppdage svulster med høy nøyaktighet for å hjelpe leger gjøre sine diagnoser. Nye metoder blir stadig utviklet for å øke nøyaktigheten av disse diagnosene.
Sykdomsprogresjonskår
datasyn kan brukes til å identifisere pasienter som er kritisk syke til direkte medisinsk hjelp (kritisk pasient screening). Personer smittet MED COVID-19 er funnet å ha raskere respirasjon. Dyp Læring med dybdekameraer kan brukes til å identifisere unormale respirasjonsmønstre for å utføre en nøyaktig og diskret, men likevel storskala screening av personer smittet med COVID-19-viruset.
Helse og rehabilitering
Fysioterapi er viktig for restitusjonstrening av slagoverlevende og idrettsskadepasienter. Siden tilsyn av en profesjonell levert av et sykehus eller medisinsk byrå er dyrt, er hjemmeopplæring med en visjonsbasert rehabiliteringsapplikasjon foretrukket fordi det tillater folk å øve bevegelsesopplæring privat og økonomisk. I dataassistert terapi eller rehabilitering, kan menneskelig handling evaluering brukes til å hjelpe pasienter i trening hjemme, veilede dem til å utføre handlinger på riktig måte, og hindre dem fra ytterligere skader.
Medisinsk Ferdighetstrening
Datasynapplikasjoner brukes til å vurdere ferdighetsnivået til ekspertelever på selvlæringsplattformer. For eksempel er simuleringsbaserte kirurgiske treningsplattformer utviklet for kirurgisk utdanning. Teknikken for handlingskvalitetsvurdering gjør det mulig å utvikle beregningsmessige tilnærminger som automatisk evaluerer de kirurgiske studenters ytelse. Følgelig kan meningsfull tilbakemeldingsinformasjon gis til enkeltpersoner og veilede dem for å forbedre deres ferdighetsnivåer.
Datasyn i Landbruket
Avlingsovervåking
utbyttet og kvaliteten på viktige avlinger som ris og hvete bestemmer stabiliteten i matsikkerheten. Tradisjonelt er overvåking av vekstvekst hovedsakelig avhengig av subjektiv menneskelig vurdering og er ikke rettidig eller nøyaktig. Computer Vision applikasjoner tillater kontinuerlig og ikke-destruktivt overvåke plantevekst og respons på næringsbehov. Sammenlignet med manuelle operasjoner, kan sanntidsovervåking av avlingvekst ved å bruke datasynsteknologi oppdage de subtile endringene i avlinger på grunn av underernæring mye tidligere og kan gi et pålitelig og nøyaktig grunnlag for rettidig regulering. Datasynsapplikasjoner kan brukes til måling av plantevekstindikatorer eller for å bestemme vekststadiet.
Blomstrende Deteksjon
overskriften dato for hvete er en av de viktigste parameterne for hvete avlinger. En automatisk datamaskin visjon observasjon system kan brukes til å bestemme hvete overskriften perioden. Datasynteknologi har fordelene med lav pris, liten feil, høy effektivitet og god robusthet og kan analyseres dynamisk og kontinuerlig.
Plantasjeovervåking
i intelligent landbruk kan bildebehandling med dronebilder brukes til å overvåke palmeoljeplantasjer eksternt. Med geospatiale ortofotoer er det mulig å identifisere hvilken del av plantasjens land som er fruktbar for plantede avlinger. Det var også mulig å identifisere områder mindre fruktbare når det gjelder vekst, og også en del av plantasjefelt som ikke vokser i det hele tatt.
Insektdeteksjon
Rask og nøyaktig gjenkjenning og telling av flygende insekter er av stor betydning, spesielt for skadedyrsbekjempelse. Tradisjonell manuell identifisering og telling av flygende insekter er ineffektiv og arbeidsintensiv. Visjonsbaserte systemer tillater telling og gjenkjenning av flygende insekter (Basert På Du Bare Ser En gang (YOLO) objektdeteksjon og klassifisering).
Plantesykdomsdeteksjon
Automatisk Og nøyaktig estimering av sykdoms alvorlighetsgrad er avgjørende for matsikkerhet, sykdomshåndtering og prediksjon av avkastningstap. Den dype læringsmetoden unngår arbeidsintensiv funksjonsteknikk og terskelbasert bildesegmentering. Automatisk bildebasert estimering av plantesykdom ved Hjelp Av Deep convolutional neural network (Cnn) – applikasjoner ble utviklet, for eksempel for å identifisere apple black rot.
Automatisk luke
Ugress anses å være skadelige planter i agronomi fordi De konkurrerer med avlinger for å skaffe vann, mineraler og andre næringsstoffer i jorda. Sprøyting av plantevernmidler bare på nøyaktige steder av ugress reduserer risikoen for forurensing av avlinger, mennesker, dyr og vannressurser. Intelligent deteksjon og fjerning av ugress er avgjørende for utviklingen av landbruket. Et neuralt nettverksbasert datasynsystem kan brukes til å identifisere potetplanter og tre forskjellige ugress for spesifikk sprøyting på stedet.
Automatisk Høsting
i tradisjonelt landbruk er det avhengighet av mekanisk drift, med manuell høsting som bærebjelke, noe som resulterer i høye kostnader og lav effektivitet. I de senere år, med kontinuerlig bruk av datasynteknologi, har high-end intelligente landbrukshøstemaskiner, som høsting av maskiner og plukkroboter basert på datasynteknologi, oppstått i landbruksproduksjon, noe som har vært et nytt skritt i automatisk høsting av avlinger. Hovedfokus for høsting er å sikre produktkvalitet under høsting for å maksimere markedsverdien. Computer Vision-drevne applikasjoner inkluderer å plukke agurker automatisk i et drivhusmiljø eller automatisk identifisering av kirsebær i et naturlig miljø.
Kvalitetstesting Av Landbruksprodukter
kvaliteten på landbruksprodukter er en av de viktigste faktorene som påvirker markedspriser og kundetilfredshet. Sammenlignet med manuelle inspeksjoner, Gir Computer Vision en måte å utføre eksterne kvalitetskontroller og oppnå høy grad av fleksibilitet og repeterbarhet til en relativt lav kostnad og med høy presisjon. Systemer basert på maskinsyn og datasyn brukes til rask testing av søt sitronskade eller ikke-destruktiv kvalitetsvurdering av poteter.
Irrigasjonshåndtering
Jordforvaltning basert på bruk av teknologi for å forbedre jordproduktiviteten gjennom dyrking, befruktning eller vanning har en merkbar innvirkning på moderne landbruksproduksjon. Ved å skaffe nyttig informasjon om veksten av hagebruk avlinger gjennom bilder, kan jordvannbalansen estimeres nøyaktig for å oppnå nøyaktig vanningsplanlegging. Computer vision programmer gir verdifull informasjon om vanning ledelse vannbalansen. Et visjonsbasert system kan behandle multispektrale bilder tatt av ubemannede luftfartøyer (Uaver) og få vegetasjonsindeksen (VI) for å gi beslutningsstøtte til vanningsstyring.
Uav Jordbruksovervåking
sanntids jordbruksinformasjon og en nøyaktig forståelse av denne informasjonen spiller en grunnleggende rolle i presisjonsjordbruk. I løpet AV de siste årene, UAV, som en raskt fremme teknologi, har tillatt kjøp av landbruket informasjon som har en høy oppløsning, lave kostnader, og raske løsninger. UAV-plattformer utstyrt med bildesensorer gir detaljert informasjon om landbruksøkonomi og avlingsforhold (for eksempel kontinuerlig avlingsovervåking). UAV fjernmåling har bidratt til en økning i landbruksproduksjonen med en nedgang i landbruket kostnader.
Avkastningsvurdering
gjennom anvendelse av datasynteknologi har funksjonene til jordstyring, modenhetsdeteksjon og avkastningsestimering for gårder blitt realisert. Videre kan den eksisterende teknologien godt brukes på metoder som spektralanalyse og dyp læring. De fleste av disse metodene har fordelene med høy presisjon, lav pris, god portabilitet, god integrasjon og skalerbarhet og kan gi pålitelig støtte for beslutningstaking. Et eksempel er estimeringen av sitrusavkastning via fruktdeteksjon og telling ved hjelp av datasyn. Også utbyttet fra sukkerrørfelt kan forutsies ved å behandle bilder oppnådd ved BRUK AV UAV.
Dyreovervåking
Dyr kan overvåkes ved hjelp av nye teknikker som har blitt trent til å oppdage type dyr og dets handlinger. Det er mye bruk for dyreovervåking i oppdrett, hvor husdyr kan overvåkes eksternt for sykdomsdeteksjon, endringer i atferd eller fødsel. I tillegg, landbruk og dyreliv forskere kan se ville dyr trygt på avstand.
Farm Automation
Teknologier Som høsting, seeding, og luke roboter, autonome traktorer, og droner for å overvåke gården forhold og bruke gjødsel kan maksimere produktiviteten med arbeidskraft mangel. Landbruket kan også være mer lønnsomt når det økologiske fotavtrykket til landbruket minimeres.
Datamaskinen Visjon I Transport
Kjøretøy Klassifisering
Datamaskinen Visjon søknader om automatisert kjøretøy klassifisering har en lang historie. Teknologiene for automatisert kjøretøyklassifisering har utviklet seg over flere tiår. Med raskt voksende rimelige sensorer som cctv‐kameraer (closed-circuit television), Light detection and ranging (LiDAR), og til og med termiske bildeenheter, kan kjøretøy oppdages, spores og kategoriseres i flere baner samtidig. Nøyaktigheten av kjøretøyklassifisering kan forbedres ved å kombinere flere sensorer som termisk bildebehandling, LiDAR-bildebehandling og rgb-synlige kameraer. Det er flere spesialiseringer, for eksempel har en dyp læringsbasert datasynsløsning for gjenkjenning av konstruksjonskjøretøy blitt brukt til formål som sikkerhetsovervåking, produktivitetsvurdering og ledelsesbeslutninger.
Flytte Brudd Deteksjon
Politiet og kommuner øker utplassering av kamerabaserte veibaneovervåkingssystemer med mål om å redusere usikre kjøreatferd. Det er økende bruk av datasynteknikker for å automatisere deteksjon av brudd som fart, kjører røde lys eller stoppskilt, kjøring på feil måte og ulovlige svinger.
Trafikkflyt Analyse
Analyse av trafikkflyt har blitt studert mye for intelligente transportsystemer (ITS) ved hjelp av både invasive metoder(tags, under-fortau spoler, etc.) og ikke-invasive metoder som kameraer. Med fremveksten av datasyn og AI kan videoanalyse nå brukes på allestedsnærværende trafikkameraer, noe som kan generere stor innvirkning i sin og smarte by. Trafikkflyten kan observeres ved hjelp av datasyn og måle noen av variablene som kreves av trafikkingeniører.
Parkeringsbeleggsdeteksjon
Visuell overvåking av parkeringsplasser brukes med målet om registrering av parkeringsbelegging. Datasynsapplikasjoner driver desentraliserte og effektive løsninger for visuell registrering av parkeringsplasser basert på et dypt Innviklet Nevralt Nettverk (CNN). Det finnes flere datasett for parkeringsplass deteksjon som PKLot og CNRPark-EXT. Videre har videobaserte parkeringsstyringssystemer blitt implementert ved hjelp av stereoskopisk bildebehandling (3d) eller termiske kameraer.
Automatisert Skiltgjenkjenning
Mange moderne transporter og offentlige sikkerhetssystemer er avhengige av evnen til å gjenkjenne og trekke ut skiltinformasjon fra stillbilder eller videoer. ALPR (Automated license plate recognition) har på mange måter transformert offentlig sikkerhet og transport, og bidrar til å muliggjøre moderne tollede veibaneløsninger, og gir enorme driftsbesparelser via automatisering, og til og med muliggjøre helt nye evner på markedet (f.eks. politi cruiser‐monterte nummerskiltavlesningsenheter). OpenALPR er et populært automatisk nummerskiltgjenkjennings bibliotek, basert på tegngjenkjenning på bilder eller video feeds av kjøretøy registrering plater.
vehicle re-identification
med forbedringer i person re-identifikasjon, smart transport og overvåkingssystemer som mål å gjenskape denne tilnærmingen for kjøretøy ved hjelp av visjon-basert vehicle re-identifikasjon. Konvensjonelle metoder for å gi en unik kjøretøy ID er vanligvis påtrengende(i bilen tag, mobiltelefon eller GPS). For kontrollerte innstillinger som ved en bomstasjon, ER AUTOMATISK skiltgjenkjenning (ALPR) trolig den best egnede teknologien for nøyaktig identifisering av individuelle kjøretøy. Bilskilt kan imidlertid endres og forfalskes, OG ALPR kan ikke gjenspeile de viktigste spesialitetene til kjøretøyene som merker eller bukser. Ikke-påtrengende metoder som bildebasert anerkjennelse har høyt potensial og etterspørsel, men er fortsatt langt fra modne for praktisk bruk. De fleste eksisterende visjonsbaserte kjøretøyteknikkene er basert på bilens utseende som farge, tekstur og form. Per i dag, anerkjennelse av subtile særpreg som kjøretøy merke eller årsmodell er fortsatt en uløst utfordring.
Fotgjenger Deteksjon
deteksjon av fotgjengere er avgjørende for intelligente transportsystemer, det spenner fra autonom kjøring til infrastruktur overvåking, trafikkstyring, transitt sikkerhet og effektivitet, og rettshåndhevelse. Fotgjenger deteksjon innebærer mange typer sensorer, for eksempel tradisjonelle CCTV eller IP-kameraer, termiske bildeenheter, nær-infrarøde bildeenheter og innebygde RGB-kameraer. Fotgjengervarslingsalgoritmer kan være basert på infrarøde signaturer, formfunksjoner, gradientfunksjoner, maskinlæring eller bevegelsesfunksjoner. Fotgjenger deteksjon stole på dype convolution nevrale nettverk har gjort betydelige fremskritt, selv med påvisning av tungt okkluderte fotgjengere.
Trafikkskilt Deteksjon
Computer Vision programmer brukes for trafikkskilt deteksjon og gjenkjenning. Visjonsteknikker brukes til å segmentere trafikkskilt fra forskjellige trafikkscener (ved hjelp av bildesegmentering) og bruke dype læringsalgoritmer for anerkjennelse og klassifisering av trafikkskilt.
Kollisjonsunngåelsessystemer
vehicle detection og lane detection er en integrert del av de mest avanserte førerassistansesystemene (ADAS). Dype nevrale nettverk har nylig blitt brukt til å undersøke dyp læring og bruk av it for autonome kollisjonsunngåelsessystemer.
Veitilstandsovervåking
Applikasjoner for datasynbasert feildeteksjon og tilstandsvurdering er utviklet for å overvåke betong-og asfaltinfrastruktur. Fortau tilstandsvurdering gir informasjon for å gjøre mer kostnadseffektive og konsekvente beslutninger om styring av fortau nettverk. Vanligvis er fortau nød inspeksjoner utført ved hjelp av sofistikerte datainnsamling kjøretøy og / eller fot-på-bakken undersøkelser. En Dyp Maskinlæringstilnærming for å utvikle en asfaltbeleggtilstandsindeks ble utviklet for å gi en menneskelig uavhengig, billig, effektiv og sikker måte å automatisere asfaltbelastningsdeteksjon via Datasyn. Et annet program er en datamaskin visjon program for å oppdage veien jettegryter å tildele vei vedlikehold og redusere antall relaterte kjøretøy ulykker.
Infrastrukturtilstandsvurdering
for å sikre sikkerheten og brukervennligheten til sivil infrastruktur er det viktig å visuelt inspisere og vurdere dens fysiske og funksjonelle tilstand. Systemer for Datasynbasert inspeksjon og overvåking av sivil infrastruktur brukes til å automatisk konvertere bilde-og videodata til praktisk informasjon. Computer Vision inspection applikasjoner brukes til å identifisere strukturelle komponenter, karakterisere lokale og globale synlige skader, og oppdage endringer fra et referansebilde. Slike overvåkingsapplikasjoner inkluderer statisk måling av belastning og forskyvning og dynamisk måling av forskyvning for modal analyse.
Driver Oppmerksomhet Deteksjon
Distrahert kjøring – som dagdrømmer, mobiltelefon bruk og ser på noe utenfor bilen-står for en stor andel av veitrafikken dødsfall over hele verden. Kunstig intelligens brukes til å forstå kjøreatferd, finne løsninger for å redusere trafikkhendelser. Veiovervåkningsteknologier brukes til å observere brudd på passasjerommet, for eksempel ved dyp læring basert setebeltedeteksjon i veiovervåking. In-vehicle driver monitoring technologies fokuserer på visuell sensing, analyse og tilbakemelding. Sjåføradferd kan utledes både direkte fra innadvendte kameraer og indirekte fra utadvendte kameraer eller sensorer. Teknikker basert på førervendt videoanalyse oppdager ansiktet og øynene med algoritmer for blikkretning, estimering av hodeposisjon og overvåking av ansiktsuttrykk. Dype og maskinlæringsalgoritmer som har fått tusenvis av data om oppmerksomme vs. uoppmerksom ansikter, kan oppdage forskjeller mellom øyne som er fokuserte og ufokuserte, samt tegn på kjøring under påvirkning. Det er flere synsbaserte applikasjoner for sanntids distrahert sjåførstilling klassifisering med flere dype læringsmetoder (RNN og CNN) som brukes i driver distraksjon deteksjon.
Datamaskin Visjon I Detaljhandel og Produksjon
Kunde Sporing
strategisk plasserte telleenheter i en butikk kan samle data gjennom maskinlæringsprosesser om hvor kundene bruker tiden sin, og hvor lenge. Kundeanalyse kan forbedre butikkenes forståelse av forbrukerinteraksjon og forbedre optimalisering av butikkoppsett.
Personer Som Teller
Datasynalgoritmer er opplært med dataeksempler for å oppdage mennesker og telle dem etter hvert som de oppdages. Slik folktellingsteknologi er nyttig for butikker for å samle inn data om butikkens suksess og kan også brukes i SITUASJONER angående COVID-19 der et begrenset antall personer er tillatt i en butikk samtidig.
Theft Detection
Forhandlere kan oppdage mistenkelig oppførsel som loitering eller tilgang til områder som er off-limits ved hjelp av datasynalgoritmer som selvstendig analyserer scenen.
Ventetidsanalyse
for å forhindre utålmodige kunder og endeløse ventelinjer, implementerer forhandlere kødeteksjonsteknologi. Kødeteksjon bruker kameraer til å spore og telle antall kunder i en linje. Når en terskel av kunder er nådd, høres systemet et varsel for funksjonærer å åpne nye kassene.
Sosial Avstand
for å sikre at sikkerhetsforanstaltninger følges, bruker selskaper avstandsdetektorer. Et kamera sporer ansattes eller kundebevegelser og bruker dybdesensorer til å vurdere avstanden mellom dem. Avhengig av posisjonen trekker systemet en rød eller grønn sirkel rundt personen.
Produktivitetsanalyse
produktivitetsanalyse spor effekten av endring på arbeidsplassen, hvordan ansatte bruker tid og ressurser og implementerer ulike verktøy. Slike data kan gi verdifull innsikt i tidsstyring, samarbeid på arbeidsplassen og ansattes produktivitet.
Kvalitetsstyring
Kvalitetsstyringssystemer sikrer at en organisasjon når kundens krav ved å adressere sine retningslinjer, prosedyrer, instruksjoner, interne prosesser for å nå en samlet forbrukertilfredshet.
Ferdighetstrening
et annet programfelt av visjonssystemer er optimalisering av samlebåndsoperasjoner i industriell produksjon. Evalueringen av menneskelig handling kan bidra til å konstruere standardiserte handlingsmodeller knyttet til ulike operasjonstrinn, samt å evaluere ytelsen til trente arbeidstakere. Automatisk vurdering av handlingskvaliteten til arbeidstakere kan være gunstig ved å forbedre arbeidsytelsen, fremme produktiv effektivitet (LEAN optimalisering), og enda viktigere, oppdage farlige handlinger før skade oppstår.
Hva Er Neste?
Dyp – og maskinlæringsteknologi har blitt brukt til å lage datasynapplikasjoner på dusinvis av måter og for bransjer av alle typer.
- Utforsk 8 anvendelser av datasyn for coronaviruskontroll
- Lær alt Om Estimering Av Menneskelig Positur med datasyn.
- Se vår komplette oversikt Over Objektdeteksjon i 2021.
- Les casestudien om En Datasynsapplikasjon for dyreovervåking.