Tekniken Machine Vision har stor potential och kan användas på många sätt. Förenklat handlar det om att använda ”datorseende” för att automatiskt bearbeta och kategorisera innehållet i digitala bilder eller bildsekvenser. Tekniken kan till exempel användas för att detektera föremål i en trafikmiljö, när fordon kör autonomt, men också för att säkerhetsövervaka stora industrianläggningar.

- Generellt kan man säga att vi använder kameror, andra sensorer och artificiell intelligens för att registrera och bearbeta data, på så sätt frigöra tid att använda människans kunskap i de situationer och arbetsuppgifter där det verkligen behövs. Tekniken kan till exempel användas för att göra medicinska screeningar som kan fånga upp avvikelser men också för att framföra fordon autonomt i riskfyllda miljöer som gruvor, säger Ingemar Johansson, digitaliseringsrådgivare på Combitech.

Combitech har under många år byggt upp en spetskompetens inom Machine Vision genom att arbeta i olika forsknings-och kundprojekt inom flertalet branscher såsom medicinteknik, träindustrin och fordonsindustrin.

Skapa förutsättningar för att köra autonomt

Ett av projekten Combitech är engagerade i är AutoFreight. Projektet handlar om att identifiera och utveckla lösningar som gör containertransporter mer effektiva med hjälp av bland annat autonoma lastbilar. Det finansieras av Vinnova och ett tiotals partners, däribland Combitech.

Combitech har flera ansvarsområden i AutoFreight-projektet, ett av dem är att bygga ett Machine Vision-system. Den lastbil, som finns tillgänglig för forskningen, har utrustats med kameror och sensorer som samlar in information under färden i realtid. Datan klassificeras sedan med hjälp av neuronnät som ”tränats” i att tolka och förstå olika objekt. Klassificeringen är en form av artificiell intelligens.

- Målbilden är att systemet ska kunna analysera 25 bilder per sekund och möjliggöra detektering från en rörlig plattform. Arbetet innefattar kunskapsområden som djupberäkning, semantisk segmentering, kalibrering, visualisering och systemarkitektur, berättar Viktor Andersson, mjukvaruutvecklare inom bildbehandling på Combitech.

Till vänster syns indatan till neuronnätet, bilden är tagen av kameror. Den högra bilden är resultatet från systemet. De olika färgerna representerar olika objekt, till exempel är människor röda, bilar mörkblå och vägen lila.

Lyckats detektera om bilar blinkar

Ett tillägg som också har implementerats inom projektet är införandet av en algoritim som detekterar bilars blinksignaler. Med hjälp av tekniken går det att urskilja en bil och dessutom avgöra om den blinkar. Att Combitech-teamet lyckats med detta möjliggör att förutspå hur en bil planerar att rör sig i trafikmiljön. Tekniken är inte begränsad till blinkers utan kan även användas för andra områden, till exempel trafikljus och bromsljus. 

Bilden visar: Bilen blinkar, predict vänster. Bilen blinkar inte. Bilen blinkar, predict höger.

Mycket spännande på gång

Machine Vision går att applicera många olika branscher och ändamål. Det är en viktig pusselbit i samhällets och industrins digitala transformation.

- Att kunna få systemet att känna igen olika föremål och följa hur de rör sig möjliggör olika autonoma lösningar i framtiden. De här systemen kommer att mer och mer efterlikna människans förmåga att utifrån en bild förstå vad som händer och fatta beslut hur systemet ska agera, säger Lars Bengtsson, affärsutvecklare inom Machine Vision på Combitech.