Visione artificiale in azienda: cosa può riconoscere davvero una foto

Hai migliaia di foto: carrozzerie da periziare, prodotti da controllare, merce in arrivo, documenti da archiviare. Ti chiedi se un'intelligenza artificiale può guardarle al posto tuo, o almeno fare un primo giro. La risposta dipende da due cose: cosa deve trovare il software, e quanto quella cosa si vede davvero nella foto.

La visione artificiale in azienda funziona bene quando il compito è preciso: trovare un oggetto, contarlo, misurarlo, descriverne le caratteristiche visibili. Funziona male quando la risposta non sta nella foto. Qui trovi cosa può fare, i due approcci che abbiamo usato nei nostri progetti (un modello specializzato e un modello generalista) e i limiti da conoscere prima di partire. Se vuoi prima una panoramica su dove l'AI serve davvero in una piccola azienda, leggi la nostra guida su intelligenza artificiale nelle PMI.

Cosa può fare la visione artificiale con una foto

I compiti più comuni sono pochi, e conviene chiamarli con il loro nome, perché ognuno richiede un tipo di modello diverso.

I primi quattro compiti si fanno di solito con modelli addestrati per quel lavoro. L'ultimo è il terreno dei modelli multimodali, quelli che leggono testo e immagini insieme e rispondono in linguaggio naturale. Sono i due approcci che abbiamo messo in produzione.

Due approcci a confronto

HailAPI: un modello che fa una cosa sola

HailAPI è la nostra API per i danni da grandine sulle carrozzerie. Dietro c'è un modello di rilevamento della famiglia YOLOv8, convertito in un formato leggero per girare in modo efficiente. Riconosce due classi di oggetti: i bozzi da grandine e gli ugelli dei levabolli usati nella riparazione senza verniciatura.

Per ogni foto, la risposta contiene:

• l'elenco delle ammaccature, ciascuna con il suo riquadro e un valore di confidenza;
• la gravità di ogni ammaccatura (piccola, media o grande), calcolata dall'area del riquadro;
• il diametro stimato in millimetri, quando la foto permette di calcolarlo;
• un riepilogo con il numero di bozzi, il conteggio per gravità e la densità del danno;
• un punteggio di danno complessivo da 0 a 100.

Il diametro in millimetri è il dettaglio che spiega meglio come ragiona un modello di visione. Una foto da sola non ha scala: un bozzo di 40 pixel può essere piccolo o grande, a seconda di quanto è vicino il telefono. Quando nella foto c'è un ugello, che ha una misura nota di circa 10 millimetri, il sistema lo usa come metro e converte i pixel in millimetri. Se l'ugello non c'è, la risposta lo dice: il campo del diametro resta vuoto e la calibrazione risulta assente. Preferiamo un dato mancante dichiarato a un numero inventato.

Quanto sbaglia un modello specializzato

Il vantaggio di un modello costruito per un solo compito è che il suo errore si può misurare. Nei dati di validazione del modello che usiamo, calcolati su un insieme di prova di 6.404 immagini, la precisione è 0,89 e il richiamo (recall) è 0,80. In parole semplici:

• su 100 bozzi che il modello segnala, circa 89 sono bozzi veri;
• su 100 bozzi presenti nelle foto, il modello ne trova circa 80.

Sono buoni numeri, e dicono anche che una parte dei bozzi sfugge. Per questo HailAPI è pensata come supporto al lavoro del perito o della carrozzeria: il conteggio rapido e ripetibile lo fa il modello, la valutazione finale resta a una persona. Sulle tue foto i valori possono essere diversi da quelli di validazione, perché luce, angolo e riflessi della vernice cambiano il risultato.

Per chi integra, l'API accetta fino a 10 immagini per richiesta e c'è un SDK ufficiale per Node.js. Il risultato è in formato strutturato, pronto per entrare nel gestionale dei sinistri o nel preventivo.

Autenticare un orologio: un modello generalista guidato da regole

In un progetto che abbiamo sviluppato per un cliente, un sistema di autenticazione AI di orologi di lusso, il problema era diverso: capire dalle foto se un orologio sembra autentico. Qui un modello specializzato servirebbe a poco, perché marche, modelli e dettagli da guardare sono troppi e cambiano da un orologio all'altro. Abbiamo usato quindi modelli multimodali generalisti, di fornitori diversi che si scelgono dalla configurazione, guidati da istruzioni scritte da noi.

La parte importante è come il sistema costringe il modello a rispondere:

• Uno schema fisso. La risposta deve rispettare una struttura definita, con campi controllati: marca e modello, referenza, punteggio di autenticità da 0 a 100, condizioni, fascia di valore di mercato. Se il modello restituisce qualcosa fuori schema, la risposta non passa.
• Due punteggi separati. Oltre al punteggio di autenticità, il modello deve dare un punteggio di confidenza indipendente, che misura quanto è sicuro della propria valutazione e dipende soprattutto dalla qualità delle foto. Foto sfocate o incomplete abbassano la confidenza anche quando il punteggio di autenticità è alto.
• L'etichetta la decide il codice. Le fasce (autentico, probabilmente autentico, dubbio da far rivedere a un esperto, probabile replica, replica) le calcola il software dal punteggio, con soglie fisse. Così lo stesso punteggio produce sempre la stessa etichetta, qualunque cosa abbia scritto il modello.
• "Non visibile" è una risposta ammessa. Nell'analisi approfondita, il modello esamina 18 elementi tecnici (cassa, quadrante, lancette, movimento, bracciale e altri) e per ciascuno può rispondere che quell'elemento non si vede nelle foto. Meglio un "non visibile" che un giudizio inventato.

Il risultato è presentato sempre come stima AI: è una verifica preliminare, utile per capire se vale la pena spendere tempo e denaro in una perizia, e non sostituisce l'esame fisico di un esperto. Per lo stesso motivo non viene mai chiamato certificato.

Cosa una foto non può dire

I limiti della visione artificiale vengono quasi sempre dalla foto, prima che dal modello.

1. La scala. Senza un oggetto di misura nota nell'inquadratura, le dimensioni in pixel non diventano centimetri. È il motivo dell'ugello di riferimento in HailAPI.
2. Ciò che non è inquadrato. Il movimento di un orologio chiuso o un difetto sotto la vernice non stanno nella foto. Un buon sistema lo dichiara invece di indovinare.
3. Il modo di scattare. Luce, distanza, angolo e riflessi cambiano il risultato più di quanto si pensi. Se le foto le scattano persone diverse, conviene guidarle (inquadratura, distanza, numero di scatti) già dall'app.
4. I casi mai visti. Un modello specializzato riconosce bene ciò che ha visto in addestramento. Su oggetti o condizioni molto diversi può sbagliare con alta confidenza.
5. La responsabilità. Un punteggio aiuta a decidere più in fretta. La decisione, però, resta di chi firma la perizia, accetta il reso o paga il sinistro.

Come capire se la visione artificiale fa per la tua azienda

Prima di chiedere un progetto, prova a rispondere a queste domande:

• La risposta si vede nella foto? Se un esperto non riesce a deciderla guardando l'immagine, difficilmente ci riuscirà un modello.
• Hai foto con la risposta giusta? Ti servono per misurare l'errore prima di andare in produzione, con qualsiasi approccio. Meglio poche ma verificate che tante ma incerte.
• Quanto costa ogni tipo di errore? Un difetto non visto e un falso allarme hanno costi diversi. La soglia di confidenza si regola su questo.
• Chi scatta le foto, e come? Se puoi standardizzare l'inquadratura, togli una delle principali fonti di errore prima ancora di scegliere il modello.
• Chi controlla il risultato? Serve una persona nel flusso, almeno all'inizio, per i casi dubbi.
• Quanti casi al giorno? Con volumi alti un modello specializzato costa meno per foto; con volumi bassi e casi vari un modello generalista arriva prima al risultato.

Spesso la risposta giusta combina i due approcci: un modello specializzato per trovare e misurare, un modello generalista per descrivere e spiegare.

Vuoi provarla sulle tue foto?

Il modo più rapido per capire se la visione artificiale funziona nel tuo caso è provarla su un campione delle tue immagini, con la risposta giusta già nota. Da lì si capisce quale approccio serve e quanto sbaglia. Se ti serve un'integrazione nel software che usi già, o un progetto costruito intorno al tuo processo, trovi come lavoriamo nella pagina sul software su misura.

Parliamo del progetto