لماذا تغير كاميرات الذكاء الاصطناعي طريقة تصميم العدسات؟

لفترة طويلة، اتبع تطوير الكاميرا منطقًا بسيطًا إلى حد ما:

مستشعر أفضل ← دقة أعلى ← كاميرا أفضل.

ثم دخل الذكاء الاصطناعي إلى الصورة.

فجأة، لم تعد الكاميرا تسجل ما حدث فحسب.

وكان من المتوقع أن يفهم ذلك.

قد تحتاج الكاميرا الأمنية إلى تمييز الشخص عن السيارة. قد يحتاج الروبوت إلى التعرف على العوائق. قد تحتاج الطائرة بدون طيار إلى فهم محيطها أثناء التحرك بسرعة عالية.

وهذا يخلق مشكلة لا تحظى بالاهتمام الكافي:

لا يمكن للذكاء الاصطناعي أن يعمل إلا مع المعلومات المرئية التي تقدمها له الكاميرا.

لا تستطيع الخوارزمية الرائعة استعادة التفاصيل التي لم يلتقطها النظام البصري مطلقًا.

ولهذا السبب يقوم الذكاء الاصطناعي بتغيير طريقة تصميم عدسات الكاميرا بهدوء.

الذكاء الاصطناعي لا يجعل البصريات الضعيفة تختفي

من المغري الاعتقاد بأن نماذج الذكاء الاصطناعي القوية بشكل متزايد ستعوض الكاميرات المتواضعة.

في بعض الأحيان يمكن أن يساعد التصوير الحسابي.

يمكن أن يؤدي تقليل الضوضاء إلى تحسين الصورة.

الشحذ يمكن أن يجعل الحواف تبدو أقوى.

يمكن أن يؤدي تحسين الذكاء الاصطناعي إلى إعادة بناء التفاصيل المعقولة بصريًا.

ولكن هناك فرق بين جعل الصورة تبدو أفضل والتقاط المزيد من المعلومات الحقيقية.

إذا كان الكائن غير واضح للغاية بسبب الدقة البصرية الضعيفة، فلن يتمكن البرنامج من إعادة إنشاء التفاصيل الدقيقة الأصلية بشكل موثوق.

إذا كانت الصورة الليلية لا تحتوي على أي إشارة قابلة للاستخدام تقريبًا، فلن تتمكن الخوارزمية ببساطة من اختراع دليل مرئي موثوق به.

وهذا مهم بشكل خاص للتطبيقات الأمنية والصناعية حيث لا يتم عرض الصورة للترفيه.

يتم استخدامه لاتخاذ القرارات.

أصبح الأداء في الإضاءة المنخفضة أحد متطلبات الذكاء الاصطناعي

أحد أكبر التحديات التي تواجه كاميرات الذكاء الاصطناعي هو الإضاءة المنخفضة.

يمكن للبشر في كثير من الأحيان إصدار أحكام معقولة في البيئات المعتمة.

أنظمة رؤية الكمبيوتر أقل تسامحا.

مع انخفاض الإضاءة، تواجه الكاميرات عادةً ما يلي:

زيادة ضجيج المستشعر

 تباين أقل

ضبابية الحركة

 فقدان معلومات اللون

تقليل تعريف الحافة

يمكن أن تؤثر هذه المشكلات بشكل مباشر على اكتشاف الذكاء الاصطناعي وتصنيفه.

فكر في شخص يسير في موقف للسيارات ليلاً.

في المشهد الساطع، قد يكون لدى الذكاء الاصطناعي معلومات واضحة حول الخطوط العريضة للشخص وملابسه وحركته والمناطق المحيطة به.

في مشهد ضعيف الإضاءة، قد يصبح نفس الشخص صورة ظلية صاخبة.

لم تصبح الخوارزمية غبية فجأة.

لقد أصبح تفسير المدخلات أكثر صعوبة.

وهذا هو أحد الأسباب التي تجعل التصميمات البصرية ذات الفتحات الكبيرة والإضاءة المنخفضة ذات صلة متزايدة بأنظمة رؤية الذكاء الاصطناعي.

وحدات البكسل الأصغر تخلق متطلبات بصرية أكبر

تستمر أجهزة الاستشعار الحديثة في زيادة كثافة البكسل.

يؤدي ذلك إلى إنشاء المزيد من بيانات الصورة، ولكنه يفرض أيضًا متطلبات أكبر على العدسة.

يمكن أن تتطلب وحدات البكسل الأصغر حجمًا من النظام البصري حل التفاصيل المكانية الدقيقة.

إذا لم تتمكن العدسة من مواكبة ذلك، فإن إضافة وحدات البكسل تؤدي إلى عوائد متناقصة.

وهذا مهم بشكل خاص لكاميرات الذكاء الاصطناعي لأن النظام قد يعتمد على ميزات بصرية صغيرة نسبيًا.

يمكن للإنسان أن يتعرف على الشيء من شكله العام.

قد يعتمد نموذج الذكاء الاصطناعي على أنماط أو حواف أو مواد أو علاقات ألوان دقيقة.

وبالتالي، تحتاج العدسة إلى تقديم صورة نظيفة بدرجة كافية حتى تتمكن هذه الميزات من الاستمرار في عملية التصوير بأكملها.

وهذا هو أحد الأسباب التي تجعل من الضروري بشكل متزايد أن يتم التصميم البصري واختيار أجهزة الاستشعار معًا.

العدسات ذات الزاوية الواسعة تخلق مقايضة مثيرة للاهتمام مع الذكاء الاصطناعي

غالبًا ما تحتاج كاميرات الذكاء الاصطناعي إلى مجال رؤية واسع.

تحتاج الروبوتات إلى فهم محيطها.

تحتاج الطائرات بدون طيار إلى الوعي الظرفي.

يجب أن تغطي الكاميرات الأمنية مساحات واسعة.

فلماذا لا نجعل العدسة أوسع؟

لأن البصريات واسعة الزاوية تقدم تحدياتها الخاصة.

مع زيادة مجال الرؤية، يجب على المصممين إدارة:

 التشويه

دقة الحافة

الإضاءة النسبية

 انحراف لوني

هندسة الصورة

قد تلتقط العدسة الواسعة جدًا مساحة أكبر من البيئة ولكنها تنتج جودة صورة أضعف بالقرب من الحواف.

بالنسبة للمشاهدة البشرية، قد يكون ذلك مقبولا.

بالنسبة للذكاء الاصطناعي، يمكن أن يصبح الأمر أكثر تعقيدًا.

إذا كانت الكائنات القريبة من حافة الصورة مشوهة أو غير واضحة بشكل كبير، فيُطلب من الخوارزمية تفسير المعلومات المرئية التي تم تدهورها بالفعل.

يؤدي هذا إلى إنشاء مقايضة تصميم أساسية:

مجال رؤية أكبر مقابل المزيد من التفاصيل القابلة للاستخدام.

الجواب الصحيح يعتمد على التطبيق.

الروبوتات: العدسات أصبحت جزءًا من نظام الإدراك

إن ظهور الذكاء الاصطناعي المتجسد يدفع هذه القضية إلى أبعد من ذلك.

لا يتمتع الروبوت برفاهية السؤال:

"هل يمكن لأحد أن يضيء الأضواء؟"

يجب أن تعمل في البيئة المعطاة لها.

قد تحتوي تلك البيئة على:

الظلال

إضاءة غير متساوية

 الأسطح العاكسة

المساحات الضيقة

تحرك الناس

الأشياء على مسافات مختلفة

وبالتالي فإن الكاميرا جزء من نظام الإدراك لدى الروبوت.

بالنسبة للرؤية الروبوتية، يجب أن يأخذ تصميم العدسات في الاعتبار ما يلي:

 مجال الرؤية

 التشويه

أداء الإضاءة المنخفضة

القرار

متطلبات إدراك العمق

الحجم والوزن

إن العدسة التي تنتج صورة مختبرية جميلة قد لا تكون بالضرورة العدسة المناسبة لروبوت متحرك.

تعد الموثوقية في العالم الحقيقي أكثر أهمية من العرض التوضيحي المثالي.

تحتاج الطائرات بدون طيار والطائرات بدون طيار إلى توازن بصري مختلف

تشكل الطائرات بدون طيار تحديًا آخر مثيرًا للاهتمام.

قد تحتاج كاميرا الطائرة بدون طيار إلى:

مجال رؤية واسع + وزن منخفض + دقة جيدة + قدرة على الإضاءة المنخفضة.

وهذا مزيج صعب.

مجال رؤية واسع يساعد الطائرة بدون طيار على فهم بيئتها.

الوزن المنخفض يساعد على كفاءة الطيران.

الدقة الجيدة تساعد في تحديد الأشياء.

يصبح الأداء في الإضاءة المنخفضة مهمًا عند الفجر أو الغسق أو الطيران الداخلي أو الظروف الجوية الصعبة.

تضيف أنظمة FPV مطلبًا آخر:

الصورة يجب أن تشعر بأنها فورية.

يمكن أن تؤثر الحركة الضبابية أو التعرض السيئ أو التشويه المفرط للصورة سلبًا على الإدراك البصري للطيار.

هذا هو السبب في أن تصميم عدسة الطائرة بدون طيار أصبح بشكل متزايد مشكلة تحسين بدلاً من مجرد اختيار البعد البؤري.

مراقبة الذكاء الاصطناعي تنتقل من الاكتشاف إلى الفهم

وتقدم الكاميرات الأمنية أحد أوضح الأمثلة على هذا التحول.

سألت المراقبة التقليدية:

"هل تحرك شيء؟"

تسأل مراقبة الذكاء الاصطناعي الحديثة:

من انتقل؟

ما هي المركبة هذه؟

ما هو الاتجاه الذي تسير فيه؟

ما هو الشيء الذي يتم حمله؟

هل السلوك غير عادي؟

ماذا حدث قبل وبعد الحدث؟

كلما أصبحت التحليلات أكثر تقدمًا، زادت قيمة الصورة الأصلية.

هذا هو السبب في أن التصوير بالألوان الكاملة في الإضاءة المنخفضة يجذب الانتباه.

يمكن أن يوفر اللون معلومات مفيدة لـ:

تصنيف المركبات

تحديد الملابس

التعرف على الكائنات

 فهم المشهد

تظل الأشعة تحت الحمراء مفيدة للغاية في البيئات المظلمة للغاية، ولكن عندما يتوفر الضوء المحيط المرئي، يمكن للنظام البصري ذو الفتحة الكبيرة أن يساعد في الحفاظ على المعلومات التي قد تختفي عندما تتحول الكاميرا إلى الرؤية الليلية أحادية اللون.

أصبحت العدسة أحد مكونات جودة البيانات

ربما يكون هذا هو التغيير الأكبر الذي يجلبه الذكاء الاصطناعي إلى الهندسة البصرية.

تاريخيًا، غالبًا ما تم التعامل مع العدسات كمكونات تصوير.

والآن ينبغي اعتبارها على نحو متزايد مكونات لجودة البيانات.

تلتقط الكاميرا البيانات.

تحدد العدسة مقدار المعلومات البصرية المفيدة التي تصل إلى المستشعر.

يقوم المستشعر بتحويل تلك المعلومات إلى إشارات كهربائية.

يقوم مزود خدمة الإنترنت بمعالجتها.

نموذج الذكاء الاصطناعي يفسر ذلك.

إذا كانت المرحلة الأولى ضعيفة، فإن كل مرحلة بعد ذلك يجب أن تعمل بجد أكبر.

هذه ليست دائما استراتيجية جيدة.

من الأفضل عادةً الحصول على معلومات أفضل في البداية بدلاً من إنفاق موارد حسابية هائلة في محاولة إصلاحها بعد ذلك.

ماذا يعني هذا لتصميم العدسة؟

من المرجح أن يتم تصميم عدسات الكاميرا المستقبلية المدعمة بالذكاء الاصطناعي بشكل متزايد وفقًا لمتطلبات التطبيق بدلاً من المواصفات المعزولة.

قد يحتاج المهندسون إلى النظر في:

تصميم بصري خاص بالمستشعر

بدلاً من مجرد دعم تنسيق المستشعر، تحتاج العدسات إلى مطابقة خصائص المستشعر الفعلية.

أداء أفضل في الإضاءة المنخفضة

تحتاج أنظمة الذكاء الاصطناعي إلى معلومات مرئية قابلة للاستخدام حتى عندما تكون الإضاءة محدودة.

أداء حافة أكثر اتساقًا

تحتاج الأنظمة ذات الزاوية الواسعة إلى معلومات قابلة للاستخدام عبر الصورة، وليس فقط في المركز.

تسيطر عليهاتشويه

يمكن لبعض التطبيقات أن تتحمل التشويه. لا يستطيع الآخرون ذلك.

الاستقرار الحراري

قد تعمل الروبوتات والمركبات والطائرات بدون طيار والكاميرات الخارجية عبر نطاقات درجات حرارة كبيرة.

التحسين الخاص بالتطبيق

العدسة الأمنية المثالية ليست بالضرورة عدسة الروبوتات المثالية.

المستقبل ينتمي إلى الأنظمة البصرية المصممة حول الوظيفة التي تحتاج إلى أدائها.

ما نتعلمه في بوشي للبصريات

فيبصريات بوشي، نحن نعمل عبر المراقبة الأمنية وتصوير السيارات والتصوير الطبي والأجهزة الذكية والتطبيقات البصرية الأخرى. هذا النطاق من التطبيقات يجعل شيئًا واحدًا واضحًا بشكل خاص:

لا يوجد تعريف عالمي لـ "العدسة الجيدة".

قد تكون العدسة ذات الزاوية الواسعة ممتازة لكاميرا واحدة وغير مناسبة تمامًا لكاميرا أخرى.

قد تكون العدسة عالية الدقة غير ضرورية لنظام مراقبة منخفض التكلفة ولكنها ضرورية لرؤية الآلة.

قد تكون العدسة ذات الفتحة الكبيرة ضرورية لتطبيق المراقبة الليلية ولكنها أقل أهمية في بيئة صناعية خاضعة للرقابة.

تتزايد أهمية نهج التطبيق أولاً حيث أصبحت الكاميرات جزءًا من أنظمة الذكاء الاصطناعي.

يجب أن يتم تصميم العدسة بحيث تتمحور حول المعلومات التي يحتاج الذكاء الاصطناعي إلى تلقيها، وليس فقط حول المواصفات التي تبدو مثيرة للإعجاب على ورقة المنتج.

المستقبل: من "الرؤية بوضوح" إلى "الرؤية المفيدة"

الذكاء الاصطناعي يغير الغرض من الكاميرات.

لم تعد الكاميرا موجودة لمجرد إنتاج صورة جذابة.

إنه موجود لتوفير المعلومات.

هذا يغير الأولويات البصرية.

والسؤال لم يعد مجرد:

"ما مدى حدة هذه العدسة؟"

يصبح:

"هل توفر هذه العدسة معلومات مرئية موثوقة للمهمة الفعلية للنظام؟"

بالنسبة للأمن، قد يعني ذلك الحفاظ على مظهر الشخص في الليل.

بالنسبة للروبوتات، قد يعني ذلك الحفاظ على التعرف على الأشياء عبر مجال رؤية واسع.

بالنسبة للطائرات بدون طيار، قد يعني ذلك تحقيق التوازن بين الإدراك ذو الزاوية الواسعة والأداء في الإضاءة المنخفضة.

بالنسبة للرؤية الصناعية، قد يعني ذلك حل العيوب الصغيرة باستمرار.

قد تكون ثورة الذكاء الاصطناعي مدفوعة بالخوارزميات، لكن الخوارزميات لا تزال بحاجة إلى شيء للنظر إليه.

ولهذا السبب فإن مستقبل رؤية الذكاء الاصطناعي سوف يتشكل أيضًا من خلال البصريات.