-03.png){kind=small}
이 기사는 2022년의 전도유망한 사업인 컴퓨터 비전에서 새롭고 가치있는 어플리케이션의 목록을 나타냅니다. 공부할 겸 번역을 해보았습니다
원문 주소 : https://viso.ai/applications/computer-vision-applications/
앞으로 읽을 기사는 다음을 포함하고 있습니다.
기초 컴퓨터 비전 시스템
산업별로 정렬된 87개의 실제 컴퓨터 비전 어플리케이션
컴퓨터 비전 연구를 기반으로 한 예제 및 사용 사례
시작 방법
컴퓨터 비전의 응용
컴퓨터 비전이란 무엇인가?
컴퓨터 비전이란 기계학습이나 딥러닝을 사용하여 컴퓨터가 사람과 동일한 방식으로 사진이나 비디오를 알아보고 분석하게 하는 인공지능의 한 분야입니다. 컴퓨팅 비전은 자동화 AI 비전 검사, 원격 모니터링과 자동화 분야에서 빠르고 급속하게 인기를 얻고 있습니다.
또한 컴퓨터 비전은 소매, 보안, 의료, 자동차, 제조 물류 및 농업까지 전반적인 산업에 큰 임팩트를 주고있습니다.
컴퓨터 비전 시스템
컴퓨터 비전 시스템은 (1) 카메라를 통해 비전 데이터를 획득, (2) 머신러닝 모델을 통한 이미지 프로세싱, (3) 응용사례 자동화를 위한 조건부논리 를 사용합니다. 소위 엣지 인텔리전스라 불리는 엣지 디바이스에서의 AI의 베포는 컴퓨터 비전을 확장 가능하고, 효율적이며, 강력하고, 안전한 개인의 구현을 용의하게 합니다.
*엣지인텔리젼스 - 엣지 AI 라고도 불리며 데이터가 생성되는 엣지 디바이스로 머신러닝알고리즘을 베포 가능하게 한다
제조업에서의 컴퓨터 비전
제조분야에서는 이미지 인식을 AI 비전검사, 품질 관리, 원격 모니터링 그리고 생산성 자동화등에 사용합니다.
생산성 분석
생산선부석에서는 작업장에서 작업자가 시간과 자원을 어떻게사용하는지를 추적하고 다양한 도구를 구현합니다. 이러한 데이터는 시간관리와 작업장소 협업 그리고 작업자 생산성에 중요한 통찰력을 제공할수있습니다. 컴퓨터 비전을 통한 관리 전략은 카메라 기반 비전 시스템을 통해 프로세스를 객관적으로 평가하고 정량하게 합니다
장비 검사
스마트제조업의 키는 당연 컴퓨터비전을 통한 검사입니다. 비전을 기반으로한 감지 시스템 또한 마스크 감지나 헬멧 감지와 같은 개인보호 장비(PPE)의 자동검사화 덕분에 인기를 얻고있습니다. 건설 현장이나 스마트 공장의 프로토콜을 모니터링 하는데 도움을 주고있습니다.
품질관리
스마트 카메라 애플리케이션은 스마트 공장에서 생산 공정 및 조립 라인의 자동화된 육안 검사 및 품질 관리를 구현하는 확장 가능한 방법을 제공합니다. 이로 인해 과거의 힘들었던 수작업 검사에 비해 딥 러닝은 실시간 객체 감지를 사용하여 우수한 결과(감지 정확도, 속도, 객관성, 신뢰성)를 제공합니다.
AI 비전 검사는 과거의 기계비전 시스템에 비해, 비싼 카메라나 장비가 필요없고 강력한 머신 러닝 방법을 사용합니다. 따라서 AI 를 사용한 방법은 여러장소와 공장에서 사용 가능합니다.
Skill Training
비전 시스템의 또 다른 응용 분야는 생산과 인간-로봇 상호 작용에서 조립 라인 작업을 최적화하는 것입니다. 사람의 행동 평가는 다양한 작동 단계와 관련된 표준화된 행동 모델을 구성하고 훈련된 작업자의 성과를 평가하는 데 도움이 될 수 있습니다.
작업자의 작업 품질 자동평가는 작업 성과를 개선하고 생산 효율성을 높이며(LEAN 최적화), 더 중요하게는 위험한 작업을 발견함으로써 사고율을 낮추기도 합니다.
의료분야에서의 컴퓨터 비전
암 탐지
머신러닝은 유방암이나 피부암 탐지 목적으로 의료분야에 사용됩니다. 예를 들면 이미지 인식을 통해 과학자들이 암에 걸린 이미지와 그렇지 않은 이미지의 작은차이를 발견할 수 있게하며 MRI 스캔 이나 입력된 사진의 데이터를 악성 또는 양성으로 진단할 수 있습니다.
코로나 분석
컴퓨터 비전은 코로나 바이러스 컨트롤에 사용되었습니다. x-ray 기반의 코로나 19 진단을 위한 여러 딥러닝 컴퓨터 비전 모델이 존재 합니다. 코로나 탐지로 가장 유명한 모델은 Darwin AI, Canada가 발명한 COVID-NET 이라불리는 디지털 흉부 엑스레이 방사선 촬영(CXR) 모델입니다
세포 분류
또다른 의료분야에서의 머신러닝은 대장암 상피 세포 에 대한 T-림프구를 높은 정확도로 분류하는 데 사용되었습니다. 그러므로 머신러닝은 대장암에 대해 정확한 정확도와 낮은 코스트로 질병을 효과적으로 구분할것이 가속화되는 걸 기대하고 있습니다.
움직임 분석
뇌졸중, 균형, 보행 문제와 같은 신경 및 근골격계 질환이 의사의 분석 없이도 딥 러닝 모델 과 컴퓨터 비전을 사용하여 감지할 수 있습니다. 환자의 움직임을 분석하는 포즈 추정 컴퓨터 비전 응용 프로그램은 의사가 환자를 쉽고 정확하게 진단하는 데 도움이 됩니다.
마스크 감지
마스크 얼굴 인식은 코로나바이러스의 확산을 제한하고 마스크와 보호 장비의 사용을 감지하는 데 사용됩니다. 마찬가지로 컴퓨터 비전 시스템은 국가가 코로나바이러스 질병의 확산을 억제하기 위한 통제 전략으로 마스크를 사용하게하는 데 도움이 됩니다.
이러한 이유로 Uber와 같은 민간 회사는 승객의 마스크 착용 여부를 감지하기 위해 모바일 앱에 얼굴감지와 같은 컴퓨터 비전 기능을 추가하였습니다. 이와 같은 프로그램은 코로나바이러스 팬더믹 시기에 대중교통을 더욱 안전하게 만듭니다.
종양 감지
뇌종양은 MRI 스캔에서 볼 수 있으며 종종 심층 신경망 을 사용하여 감지됩니다 . 딥 러닝을 활용한 종양 감지 소프트웨어는 의사가 진단을 내리는 데 도움이 될수 있도록 높은 정확도로 종양을 감지할 수 있기 때문에 의료 산업에 매우 중요합니다.
이러한 진단의 정확성을 높이기 위해 새로운 방법이 개발되고 있습니다
병 진행 점수
컴퓨터 비전을 사용하여 중환자를 식별하여 의료 처치를 지시할 수 있습니다. 코로나-19에 감염된 사람들은 더 빠른 호흡을 하는 것으로 밝혀졌습니다.
뎁스카메라를 사용한 딥러닝이 비정상적인 호흡 패턴을 구분하여 코로나 바이러스에 감염된 사람들을 거슬리지 않으면서 대규모검사를 수행할 수 있습니다.
의료 및 재활 물리 치료는 뇌졸중 생존자나 스포츠 부상 환자의 회복에 중요합니다. 주요 문제는 의료 전문가, 병원 또는 기관의 비용과 관련이 있습니다.
비전 기반 재활 응용 프로그램을 통한 훈련을 사람들이 선호하는 이유는 개인적으로나 경제적으로 움직임 훈련을 연습할 수 있는 환경을 제시해주기 때문입니다 . 컴퓨터 지원 치료 또는 재활에서 행동 평가는 집에서 환자의 훈련을 돕고 적절한 행동을 수행하도록 안내하며 추가 부상을 예방하는 데 적용될 수 있습니다.
의료 기술 훈련
컴퓨터 비전 응용 프로그램은 자가 학습 플랫폼에서 전문 학습자의 기술 수준을 평가 하는데 사용 될수있습니다. 예를 들어, 외과 교육을 위한 수슬 트레이닝 시뮬레이션 플랫폼이 개발 되었습니다.
더해서 행동평가 테크닉을 통해 외과 학생의 수행을 자동으로 평가할수 있습니다. 이 방식으로 의미있는 피드백을 개인에게 제공하고 기술을 발전 시킬 수 있습니다.
농업에서의 컴퓨터 비전
동물 모니터링
컴퓨터 비전을 통한 동물 모니터링은 스마트팜에서 중요한 전략입니다. 머신러닝은 카메라 스트림을 통해 돼지나 소 또는 가금류같은 특정 가축의 건강을 모니터링 합니다. 이 스마트 비전 시스템은 동물의 행동을 분석해 생산성, 건강 그리고 복지를 향상시킴으로써 업계의 수확량과 경제적 이익에 영향을 미치는 것을 목표로 합니다.
자동화 농장
수확, 파종, 씨뿌리는 로봇, 자동 트랙터 그리고 자동화 농장을 모니터링하는 비전시스템, 드론 같은 기술들은 노동력을 최소화하면서 생산성을 최대로 높일 수 있습니다. 또한 AI 비전으로 수동 검사를 자동화하고 생태파괴를 줄이며 의사 결정 프로세스를 개선하여 수익성을 크게 높일 수 있습니다.
작물 모니터링 쌀이나 밀과 같은 중요한 작물의 수확량과 품질은 식량 위기에 안정성을 결정합니다. 전통적인 방식의 작물 성장 모니터링은 주로 사람의 주관적인 판단에 의하여 실행됩니다. 따라서 종종 부적절하거나 정확하지 않을때가 있습니다. 때문에 컴퓨터 비전 응용 프로그램을 사용하면 식물의 성장과 영양소에 대한 반응을 지속적으로 그리고 비 파괴적으로 모니터링 할 수 있습니다.
수동작업에 비해 컴퓨터 비전 기술을 적용해서 작물 성장을 실시간으로 모니터링하면 영양실조와 같은 작물의 미묘한 변화를 훨씬 더 일찍 감지할 수 있으며 규제를 위한 정확하고 신뢰할 만한 근거를 제공할 수 있습니다.
또한 컴퓨터 비전 응용 프로그램을 사용해여 식물 성장 지표를 측정하거나 성장 단계를 결정할 수 있습니다.
개화 감지
밀의 헤딩 날짜는 밀 작물의 가장중요한 요소중 하나입니다. 자동 컴퓨터 비전 관찰 시스템을 사용하여 헤딩 기간을 결정할 수 있습니다.
컴퓨터 비전 기술은 비용이 저렴하고 오류가 적고 효율성이 높으며 견고성이 우수하며 지속적으로 분석할 수 있는 장점이 있습니다.
농장 모니터링
카메라를 단 드론 이미지를 사용한 이미지 처리는 농장을 원격으로 모니터링 하는데 사용 됩니다. 사진의 특징을 사용해서 재배지의 어느 부분이 비옥하지 식별할 수 있습니다.
또한 성장 측면에서 비옥한 지역과 그렇지 않은 지역을 식별할수있습니다.
곤충 감지
날아다니는 곤충을 신속하고 정확하게 인식하고 세는것은 특히 해충 방제에 매우 중요합니다. 그러나 날아다니는 곤충을 수동으로 식별하고 세는것은 비효율적이고 노동 집약적입니다. 비전 기반 시스템을 사용하면 효율적으로 작업할 수 있습니다.
식물 질병 감지
자동으로 질병의 심각도를 정확하게 측정하는것은 식량문제와 질병관리 및 수확량 손실 예측에 필수적입니다. 딥 러닝의 이미지 분할 방식을 통해서 노동과 기술문제를 피할 수 있습니다
예를 들어 사과검은 썩은 병과 같은 질병을 식별하기위해 딥러닝의 CNN을 사용한 자동 이미지 기반의 식물 질병 측정이 개발되었습니다.
자동 제초
잡초는 흙에서 물, 미네랄 및 기타 영양소를 얻기 위해 작물과 경쟁하기 때문에 농경학에서는 해로운 식물로 간주됩니다. 잡초의 정확한 위치에만 살충제를 살포하면 작물, 사람, 동물 및 수자원을 오염시킬 위험이 크게 줄어듭니다.
잡초를 지능적으로 감지하고 제거하는 것은 농업 발전에 매우 중요합니다. 신경망 기반 컴퓨터 비전 시스템은 현장살포를 위해 감자 식물과 세 가지 다른 잡초를 식별하는 데 사용할 수 있습니다 .
자동 수확
전통적인 농업에서는 기계적 작업에 의존하는 수동 수확을 많이 하기 때문에 비용이 많이들고 효율성또한 떨어집니다. 그러나 최근 몇 년 동안 컴퓨터 비전 기술의 지속적인 적용으로 컴퓨터 비전 기술을 기반으로 한 수확 기계 및 수확 로봇과 같은 고급 지능형 농업 수확 기계가 농업 생산에 등장하여 농업 생산의 새로운 단계를 열었습니다.
수확 작업의 주요 초점은 시장 가치를 극대화하기 위해 수확하는 동안 제품 품질을 보장하는 것입니다. 컴퓨터 비전 기반 응용 프로그램에는 온실 환경에서 자동으로 오이따기나 자연 환경에서의 체리 식별을 포함합니다.
농산물 품질 테스트
농산물의 품질은 시장 가격과 고객 만족도에 영향을 미치는 중요한 요소 중 하나입니다. 수동 검사와 반대로 컴퓨터 비전은 외부 품질 검사를 수행하는 방법을 제공합니다.
AI 비전 시스템은 비교적 저렴한 비용과 높은 정밀도로 높은 수준의 유연성과 반복성을 달성할 수 있습니다. 예를 들어 머신 비전과 컴퓨터 비전을 기반으로 하는 시스템은 레몬의 데미지에 따른 빠른 당도 측정 또는 감자의 품질 평가에 사용 됩니다.
관개 관리
경작, 비료 또는 관개를 통해 토양 생산성을 높이는 토양 관리는 현대 농업 생산에 상당한 영향을 미칩니다. 이미지를 통해 원예 작물의 성장에 대한 유용한 정보를 얻음으로써 토양 수분 균형을 정확하게 추정하여 정확한 관개 계획을 달성할 수 있습니다.
컴퓨터 비전 응용 프로그램은 관개 관리에서 물 균형에 대한 귀중한 정보를 제공합니다. 비전 기반 시스템은 무인 항공기(UAV)가 촬영한 다중 스펙트럼 이미지를 처리하고 식생 지수(VI)를 획득하여 관개 관리 의사 결정에 필요한 데이터를 제공합니다.
UAV 농지 모니터링
실시간 농지 정보와 그 정보에 대한 정확한 이해는 정밀농업의 기본입니다. 최근 몇 년 동안 드론(UAV)은 빠르게 발전하는 기술로 고해상도, 저비용, 빠른 솔루션을 바탕으로 농업 정보의 획득을 가능하게 했습니다.
또한 이미지 센서가 장착된 UAV 플랫폼은 농업 경제 및 작물 상태에 대한 자세한 정보(예: 지속적인 작물 모니터링)를 제공합니다. 그 결과 UAV 원격탐사는 농업비 절감과 함께 농업 생산량 증대에 기여하고 있습니다.
수율 평가
컴퓨터 비전 기술의 적용을 통해 농장의 토양 관리, 성숙도 감지, 수확량 추정 기능이 구현되어 있습니다. 또한 기존 기술은 스펙트럼 분석 및 딥 러닝과 같은 방법에 잘 적용될 수 있습니다.
이러한 방법의 대부분은 고정밀, 저비용, 우수한 이식성, 우수한 통합 및 확장성의 장점을 가지며 관리 의사 결정을 위한 지원을 제공합니다. 예를 들어 과일 감지 및 컴퓨터 비전을 통한 감귤 수확량 측정 이있습니다.
또한 UAV를 통해서 얻은 이미지를 처리해서 사탕수수 밭의 수확량을 예측할 수 있습니다.
이상 절반정도를 알아보았습니다.
번역하면서 하니 생각보다 많은 시간이걸리네요
다음에 나머지를 알아보겠습니다
감사합니다
Yorumlar