Per una persona riconoscere una tazza su un tavolo è immediato. Per un computer, un'immagine è soltanto una griglia di numeri. La visione artificiale (computer vision) è il ramo dell'intelligenza artificiale che insegna alle macchine a ricavare informazioni utili da quelle griglie: capire cosa c'è in una foto, dove si trova, se un pezzo prodotto in fabbrica ha un difetto. È una delle applicazioni più mature e diffuse dell'AI, spesso invisibile perché integrata in oggetti di uso quotidiano.
Come un computer "vede" un'immagine
Un'immagine digitale è composta da pixel. In un'immagine a colori ogni pixel è descritto da tre valori, che indicano l'intensità di rosso, verde e blu, di solito da 0 a 255. Una foto da 1000 per 1000 pixel corrisponde quindi a tre milioni di numeri.
Il problema è che lo stesso oggetto può produrre numeri completamente diversi: una tazza fotografata con la luce del mattino o con quella di una lampada, da vicino o da lontano, di lato o dall'alto. Un sistema di visione deve imparare a riconoscere ciò che resta costante al di là di queste variazioni.
Le reti convoluzionali
Per molti anni l'architettura di riferimento è stata la rete neurale convoluzionale (CNN). Il suo elemento chiave è il filtro: una piccola finestra, per esempio di 3 per 3 pixel, che scorre sull'immagine e reagisce a uno specifico schema locale, come un bordo verticale o un cambio di colore.
Il funzionamento procede per livelli:
- i primi strati individuano elementi semplici: linee, angoli, contrasti;
- gli strati intermedi li combinano in forme e texture: curve, griglie, superfici ruvide;
- gli strati profondi riconoscono parti di oggetti e oggetti interi: un manico, un bordo circolare, una tazza.
Nessuno programma questi filtri a mano: la rete li impara durante l'addestramento, osservando migliaia di immagini etichettate. Più di recente si sono diffusi anche i Vision Transformer, che dividono l'immagine in piccoli riquadri e li trattano in modo simile a come i modelli linguistici trattano le parole.
I compiti principali
| Compito | Domanda a cui risponde | Esempio |
|---|---|---|
| Classificazione | Che cosa c'è nell'immagine? | "Questa foto contiene un gatto" |
| Rilevamento di oggetti | Che cosa c'è e dove? | Riquadri attorno a ogni auto in una strada |
| Segmentazione | A quale oggetto appartiene ogni pixel? | Contorno preciso di un tumore in un'immagine medica |
| Riconoscimento del testo (OCR) | Quali caratteri ci sono? | Lettura di una fattura scansionata |
| Stima della posa | Come è disposto un corpo? | Analisi dei movimenti in fisioterapia |
Applicazioni concrete
Industria e controllo qualità
Telecamere sopra una linea di produzione fotografano ogni pezzo e un modello segnala graffi, ammaccature, saldature irregolari o etichette storte. Il vantaggio non è solo la velocità, ma la costanza: il sistema non si stanca alla fine del turno.
Logistica
Lettura automatica di codici e indirizzi sui pacchi, conteggio della merce sugli scaffali, verifica che un bancale sia stato caricato correttamente.
Agricoltura
Analisi di immagini da droni o da sensori sui macchinari per individuare zone di un campo con piante sofferenti o infestanti, così da intervenire in modo mirato.
Documenti
L'OCR moderno, combinato con modelli che comprendono la struttura del documento, estrae dati da fatture, moduli e ricevute, anche quando sono fotografati con lo smartphone.
Accessibilità
Applicazioni che descrivono a voce l'ambiente circostante o leggono etichette e cartelli a persone con disabilità visive.
Medicina
Sistemi di supporto che evidenziano aree sospette in immagini radiologiche, sempre come aiuto al giudizio del medico e non come sostituto.
Un esempio dalla piccola impresa
Un laboratorio artigianale che produce piastrelle decorate può installare una telecamera all'uscita del forno. Dopo aver raccolto e classificato alcune centinaia di immagini di pezzi buoni e difettosi, un modello impara a segnalare crepe e macchie di smalto. All'inizio ogni segnalazione viene verificata da un operatore; con il tempo, i casi chiaramente regolari passano senza controllo e l'attenzione umana si concentra su quelli dubbi.
I limiti da conoscere
- Dipendenza dalle condizioni di ripresa. Cambiare illuminazione, telecamera o sfondo può peggiorare molto le prestazioni. Conviene mantenere condizioni costanti o includerne la varietà nei dati.
- Casi rari. Un difetto mai visto durante l'addestramento può passare inosservato.
- Scorciatoie. Un modello può imparare un indizio irrilevante, per esempio riconoscere i pezzi difettosi dal colore del vassoio su cui venivano fotografati invece che dal difetto.
- Privacy. Quando le immagini riprendono persone, si applicano le regole sulla protezione dei dati, e alcuni usi biometrici sono fortemente limitati o vietati dall'AI Act.
In sintesi
- Per un computer un'immagine è una griglia di numeri; la visione artificiale ne ricava significato.
- Le reti convoluzionali imparano filtri che riconoscono schemi sempre più complessi.
- I compiti principali sono classificazione, rilevamento, segmentazione, OCR e stima della posa.
- Controllo qualità, logistica, documenti e accessibilità sono applicazioni consolidate.
- Condizioni di ripresa, casi rari e privacy sono i limiti principali da gestire.
