Eşleştirme – Nesne Tanıma

Eşleştirme (Matching) görüntü işlemede en çok kullanılan algoritmalardan biridir. Temel mantığı, orijinal resmi (genelde belirli bir bölümünü) öğreterek, alınan diğer resimlerde bu orijinal kısmı aramaktır. (Sanayi terminolojisine göre konuşursak, şahit numune ile, üretilen parçaların karşılaştırılması)Eşleştirme; ölçüm, hata bulma, tamlık kontrolü, baskı izleme, pozisyonlama, yön bulma, 3D, Robotik gibi hemen hemen yapay görmenin her alanında yaygın olarak kullanılır.

Eşleştirme, genelde bize eşleşme yüzdesi verir. %95 eşleşti, %76 eşleşti gibi. İlaveten, eşleşen kısmın koordinatları ve dönme açısını da belirtir. Genelde az kodlama gerektirdiği için, görüntü işleme ile ilgilenen geliştiriciler tarafından sıklıkla tercih edilir.

Eşleştirme, kendi içinde

Transformation: Açısal ve boyutsal olarak değişimin algılanması. Tanınacak nesneler kameraya daha yakın veya daha uzak olabilir. Merkeze ya da orijinal resme göre çok daha farklı konumlarda gelebilir. Bu gibi durumlarda, orijinal kısmın transform edilerek alınan görüntüye uyarlanması gerekir. Bu işleme transformation denir.

Alignment : Öğretilmiş örnekte referans olarak alınan bölgeler var ise, bu bölgelerin bulunmuş resimde de yerlerine yerleştirilmesi gerekir.

Rectification : Farklı açı ve konumlarda bulunmuş resmi, ilk öğretilmiş orjinali ile aynı açı ve konuma getirme işlemi.

Örnek resimde, sadece belirli bir bölümü öğretilmiş. Tüm resmi öğretmek te mümkün olmakla birlikte, alınacak diğer görüntülerde neyi yakalamak istiyorsak, orası öğretilir. Bu örnekte, bir çok farklı marka arasından ViviDent olanları yakalamak istiyorsak, ViViDent öğretilir. Tüm ViviDentler arasında NANE aromalı olanlar aratılacak ise, alttaki “NANE aromalı” yazısı öğretilir.

Farklı açılarda, hatta üst üste binmiş dahi olsa eşleştirme ile, tüm ürünler, merkez koordinatları ve dönme açıları yakalanabilmektedir.

Bazı uygulamalarda eşleştirme, hatalı ürünün yakalanması ya da farklı ürünün tespit edilmesi gibi amaçlar için kullanılır. Bazı uygulamalarda ise, sadece bir ara kademe olarak kullanılır. Ürünü bulduktan sonra, ürün üzerinde ölçüm yapılması, robot ile alınması, sayılması vb. gibi.

3 BOYUTLU EŞLEŞTİRME

3D (3 boyutlu) kameralar ile alınan görüntüler ya da 3 boyutlu CAD çizimleri üzerinden de eşleştirme yapmak mümkündür. Surface Inspection (Yüzey eşleştirmesi) de denen bu tekniğe göre, yüzeyde 3 boyutlu olarak hatalar yakalanabilmektedir.

Pi Robotik olarak eşleştirme kullandığımız çözümler

• Sayma Uygulamaları : Konveyör üzerinde geçen ya da yüzeydeki ürünlerin kamera ile sayılması
• Merkezleme , Pozisyonlama: Farklı açılarda gelen ürünlerin merkezinin ve dönme miktarının bulunup robot ya da otomasyon sistemi ile alınması, beslenmesi.
• Hata Bulma : Tam olarak öğretilmiş ürüne göre, eksiklerin, baskı bozukluklarının, şekilsel problemlerin tespit edilmesi
• Ölçme : Farklı açı ve pozisyonlarda gelen ürünün istenen ölçümlerinin yapılması
• Tanıma : Farklı tip ürünler arasında her bir ürünün tanınması ayrıştırılması

Eşleştirme, derin öğrenme ile birlikte kullanıldığında çok daha farklı kullanım alanlarında karşımıza çıkmaktadır. Markette sebze ya da meyvelerin tanınıp, tartım işleminde otomatik fiyatlandırılması, kitapların barkod okumadan, kapak resimlerine bakılarak tanımlanması vb. gibi.