Visionteknik

Visionteknik, eller datorseende, är ett område inom informationsteknik som syftar till att få maskiner att tolka och förstå visuell information från omvärlden. Området kombinerar bildbehandling, maskininlärning och robotik för att extrahera meningsfull information ur bilder och videoströmmar.

Systemen bygger på sensorer som kameror, LiDAR och djupsensorer, samt mjukvara för bildbehandling, mönsterigenkänning och inlärning. Traditionella metoder använde handgjorda funktioner och heuristiker, medan modern visionteknik ofta bygger på djupa neurala nätverk och transformerbaserade modeller. System kan köras i edge-enheter, i molnet eller i en hybridmiljö.

Vanliga uppgifter inkluderar bildklassificering, objekt- och scenigenkänning, semantisk och instance-segmentering, spårning, djupuppskattning, 3D-rekonstruktion och optisk teckenigenkänning. Tillämpningar finns inom tillverkning för kvalitetskontroll, autonoma fordon, medicinsk bildbehandling, jordbruk, övervakning, detaljhandel och förstärkt verklighet.

Värdering sker med vanliga datamängder och mått såsom noggrannhet, precision, recall, F1, mAP och IoU. Utmaningar inkluderar dataskydd och integritet, partiskhet i data, robusthet mot varierande förhållanden och etiska/säkerhetsrelaterade frågor. Trender i fältet inkluderar ökad användning av djupa inlärningsmodeller, transformerbaserade visionmodeller, multimodal perception och edge AI.

Historia: Visionteknik har sina rötter i tidig bildanalys på 1960- och 1970-talet och växte kraftfullt med tillämpningar av djupinlärning från början av 2010-talet. Fältet omfattar både grundforskning och kommersiell användning, samt standardisering och datasätt som används för benchmarking.