Mielőtt a mesterséges intelligencia mindent vitt volna a gyártósoron, létezett egy robusztus és jól ismert eszköztár: a hagyományos képfeldolgozás. Az ACSG Kft. fejlesztési projektje során az első lépéseket ezen klasszikus módszerekkel tettük meg, mielőtt a mélytanulás felé fordultunk volna.
A különböző pipeline-ok – mint az éldetektálás, küszöbölés, kontúrkeresés, morfológiai műveletek vagy sablonillesztés – még ma is meglepően hatékonyak lehetnek, ha a környezet kontrollált. Az egyszerű algoritmusok gyorsak, kevés számítási kapacitást igényelnek, és ideálisak a rendszerprototípusok validálásához. A Canny és Sobel éldetektálók, az Otsu-algoritmus, vagy az adaptív küszöbölés segítettek abban, hogy a rendszer képes legyen detektálni a különféle csatlakozóházakat homogén megvilágítás mellett.
De amint a kamera valós ipari környezetbe került – tükröződések, árnyékok, háttérzaj – a klasszikus módszerek megbízhatósága csökkent. A kontúrok gyakran elmosódtak, a fedésben lévő objektumok nem különültek el, és a zajra érzékeny pipeline-ok torz eredményeket produkáltak.
Tanulság? A hagyományos képfeldolgozás remek kiindulópont, de ipari szintű megbízhatósághoz gépi tanulásra van szükség.
