Deep learning per l’analisi automatizzata delle immagini

La segmentazione delle immagini viene utilizzata per analizzare le immagini scattate con un microscopio. La segmentazione si riferisce alla divisione delle immagini in aree specifiche, importanti per la successiva analisi e classificazione. Tale area potrebbe essere, ad esempio, un difetto o una contaminazione sulla superficie di un componente, così come il rilevamento di diversi strati di materiale. Durante la successiva analisi delle immagini e la classificazione delle aree riconosciute, vengono considerate le aree stesse e i confini tra le diverse aree. Ciò consente di fornire risultati accurati e di individuare gli errori.

Tuttavia, i metodi tradizionali di segmentazione, come l’impostazione della soglia (analisi del valore di grigio), raggiungono rapidamente i loro limiti.

I livelli di grigio delle aree possono essere difficili da distinguere se hanno un colore e una luminosità simili. Gli operatori devono anche chiedersi quali caratteristiche dell’immagine siano rilevanti, ad esempio il colore, la texture o i bordi, per identificare oggetti e aree in un’immagine.

È anche importante sapere come combinare le caratteristiche per scoprire oggetti e classi. Più classi vengono aggiunte durante l’elaborazione di un’immagine, più il compito diventa complesso. Anche la ricerca di graffi sui display degli elettrodomestici è una sfida difficile da risolvere con analisi basate su regole, perché ogni graffio ha dimensioni diverse, una forma propria e può presentarsi sull’intera superficie. L’elaborazione delle immagini con il deep learning è la soluzione giusta in questo caso.