Image detection e cloud ibrido, ecco il machine learning a portata di Pmi
Il settore dell’image detection, quindi del riconoscimento e della catalogazione delle immagini acquisite tramite l’obiettivo di una telecamera o di una fotocamera grazie a un software, è tra quelli che stanno registrando – e che sono destinati a registrare per il futuro – i tassi di crescita più alti nel campo dell’automazione industriale e di una serie di altri campi di applicazione. A testimoniarlo ci sono i dati di MarketsAndMarkets, che ha stimato per il quinquennio che si concluderà nel 2021 una progressione vicina al 20% annuo di questo comparto, con un raddoppio del valore di mercato generato dalle soluzioni più avanzate di computer vision, destinate a passare dai 15,9 miliardi di dollari del 2016 ai 38,9 del 2021.
A contribuire in maniera decisiva a questa “scalata” stanno intervenendo una serie di fattori che rendono l’implementazione dell’image detection sempre più semplice per le aziende di ogni settore, dall’industria 4.0 alla medicina, dalla sicurezza al retail, fino ai motori di ricerca visuali. Parliamo in primo luogo degli algoritmi di intelligenza artificiale, del machine learning e del deep learning, che per mettere in campo il meglio delle proprie possibilità hanno però bisogno di utilizzare un’infrastruttura che sia architettata in modo attento, che contemperi costi, benefici e prestazioni nel mix migliore caso per caso. Un percorso che è già iniziato e che vede in campo una serie di player specializzati in grado di analizzare le esigenze delle singole aziende e di mettere a loro disposizione le best practice a seconda del settore di riferimento. Al centro di questo nuovo “capitolo” della digital transformation, c’è la crescente importanza che può avere per il business il riconoscimento automatico delle immagini, che si tratti dei consumatori che sostano davanti a una vetrina piuttosto che dei referti di una serie di accertamenti diagnostici, fino ad arrivare all’analisi delle immagini che provengono grazie all’internet of things dagli ambienti di produzione o dai sistemi di videosorveglianza, fino alle informazioni necessarie per rendere davvero sicure le auto a guida autonoma.
L’image recognition e l’image detection possono inoltre essere particolarmente utili sia nei processi interni all’azienda, sia per abilitare nuovi servizi che mirano a rendere sempre più semplice e soddisfacente la customer experience, mettendo in campo cioè soluzioni utili a fidelizzare i clienti o a mettere a loro disposizione servizi a valore aggiunto. Puntando l’attenzione in particolare nel mondo del manifatturiero, l’image detection e l’image recognition stanno acquistando un’importanza sempre più centrale nel contesto più ampio dell’industria 4.0. Utilizzando le immagini in questo campo infatti è possibile riconoscere in automatico, grazie agli algoritmi di intelligenza artificiale e di machine learning, eventuali anomalie durante la produzione o difetti di qualità nei prodotti, e intervenire in tempo reale prima che questo provochi danni economici che su larga scala potrebbero risultare ingenti.
Allo stesso modo sarà possibile identificare eventuali guasti o anomalie, monitorando costantemente sia gli ambienti di produzione sia quelli di assemblaggio dei diversi componenti, fino ad arrivare al controllo delle confezioni e alla gestione dei magazzini, aggiungendo un elemento dall’alto valore aggiunto a quelli già implementati del resto della sensoristica. Grazie all’image detection e all’image recognition inoltre sarà possibile leggere i codici a barre ma soprattutto tenere sotto controllo la sicurezza dei dipendenti, che all’interno degli stabilimenti industriali è un fattore di primaria importanza. Tra i miti da sfatare che riguardano le tecnologie per il riconoscimento “automatico” delle immagini c’è quello che tali soluzioni non siano alla portata delle Pmi, ma che riguardino invece soltanto le realtà più grandi per dimensioni e per disponibilità economiche. Il progredire delle tecnologie infatti consente oggi di implementarle anche all’interno di realtà dove le competenze non sono altamente specializzate e in cui c’è la disponibilità a investire ma senza impegnare grandi cifre, affidandosi magari a un partner che sia in grado di fare un assessment realistico delle singole esigenze e di proporre la soluzione caso per caso più adatta, comprese quelle preconfigurate quando non è necessario lo sviluppo di software “in house”, sfruttando così librerie open source di machine learning che consentono di ridurre i tempi di addestramento e di scalare in base alle esigenze dei clienti, senza per questo sacrificare la qualità.
Alla base di questo modello c’è – come spesso succede quando si parla di digital transformation – la semplificazione delle complessità. Se da una parte infatti è vero che gli algoritmi di machine learning sono tecnologie che richiedono un’alta specializzazione e una grande potenza di calcolo, è anche vero che sono disponibili pure per le realtà più piccole soluzioni “chiavi in mano” che consentono di ridurre notevolmente i costi per l’azienda massimizzando i benefici, purché alla base di tutto questo ci siano una piattaforma hardware e una piattaforma software che consentano le giuste performance. I partner dovranno quindi mettere a disposizione delle imprese chip grafici di alto livello e consentire una velocità di connessione adeguata allo scopo, in altre parole un’infrastruttura che sia in grado di supportare miliardi di calcoli al secondo con la massima affidabilità. Partendo da questa base sarà posi possibile personalizzare le soluzioni di image recognition ed image detection a seconda delle singole esigenze. Sono sempre le esigenze del cliente che devono poi guidare la scelta della migliore
infrastruttura per supportare questo tipo di applicazioni. Il cloud ibrido consente a clienti e partner di gestire nel modo migliore i carichi di lavoro e le risorse applicative, ottenendo anche il risultato di semplificare la loro gestione. L’on-prem garantisce la stabilità di una soluzione su misura per le proprie esigenze. In ogni caso, l’idea è quella di creare uno strato applicativo situato tra i software che generano e analizzano i dati e le informazioni e il “motore” di machine learning.
On-prem e hybrid, dunque, non si escludono l’un altro in funzione di un mix di fattori quali, ad esempio, quantità e tipologia delle immagini/video, sorgenti delle stesse e tipologia elaborazioni da effettuare.
Ruolo di Uno Informatica
Grazie al nostro team di esperti in analisi, progettazione, sviluppo e integrazione di sistemi complessi valuteremo con la massima cura i tuoi processi aziendali, le tecnologie esistenti, le tue risorse e costruiremo un’offerta personalizzata per il raggiungimento del tuo vantaggio competitivo.
