تُركز الرؤية المنخفضة المستوى على معالجة الصور الأولية لتحسين جودتها واستخلاص المعلومات الأساسية. تشمل المعالجة المسبقة إزالة الضوضاء باستخدام مرشحات مثل Gaussian Blur، تحسين التباين عبر تقنيات مثل Histogram Equalization، وتصحيح الألوان لضمان دقة الألوان.
كشف الحواف يستخدم خوارزميات مثل Sobel وCanny لتحديد الحدود بين الكائنات. أما استخلاص الخصائص فيعتمد على تقنيات مثل SIFT وORB لتحديد النقاط المميزة التي تُستخدم في التطبيقات اللاحقة.
في مصنع تصنيع إلكترونيات، تُستخدم المعالجة المسبقة للصور لتحسين جودة الصور الملتقطة بواسطة الكاميرات الصناعية، مثل إزالة الضوضاء الناتجة عن الإضاءة السيئة أو تحسين التباين لإبراز العيوب في لوحات الدوائر.
كشف الحواف باستخدام Canny يساعد في تحديد الحدود الدقيقة للمكونات، بينما يُستخدم ORB لاستخلاص الخصائص لتتبع الأجزاء أثناء التجميع الآلي، مما يعزز دقة الفحص ويقلل من الأخطاء.
تتضمن الرؤية المتوسطة المستوى مهامًا أكثر تعقيدًا مثل كشف الأشياء باستخدام نماذج مثل YOLO وR-CNN التي تحدد مواقع وتصنيفات الكائنات في الصور. تجزئة الصور تنقسم إلى دلالية (تصنيف كل بكسل)، نسخية (فصل الكائنات المتماثلة)، وشاملة (دمج الاثنين).
تتبع الأشياء يركز على تتبع كائن واحد أو متعدد عبر إطارات الفيديو باستخدام خوارزميات مثل Kalman Filter أو DeepSORT، مع الحفاظ على هوية الكائنات.
في خط إنتاج السيارات، يُستخدم YOLO لاكتشاف الأجزاء المعيبة مثل البراغي غير المثبتة بشكل صحيح في الوقت الفعلي. تجزئة الصور الدلالية تساعد في فصل المناطق المعيبة عن السليمة في هياكل السيارات.
تتبع الأشياء متعدد الكائنات يُستخدم في مراقبة حركة الأجزاء على الحزام الناقل، مما يسمح بضمان التسلسل الصحيح للتجميع وتقليل الأخطاء في العمليات الآلية.
الرؤية العالية المستوى تُركز على فهم المشاهد باستخدام نماذج مثل Scene Graph Generation لتحليل العلاقات بين الكائنات. التعرف على الأنشطة يعتمد على شبكات عصبية متكررة (RNN) أو Transformers لتحديد الأحداث في الفيديو.
الإجابة عن الأسئلة البصرية تجمع بين معالجة الصور واللغة الطبيعية، بينما يعتمد توليد الصور على نماذج مثل GANs وDiffusion Models لإنشاء صور واقعية أو اصطناعية.
في مصنع ذكي، يُستخدم فهم المشهد لتحليل بيئة العمل واكتشاف المخاطر مثل وجود أشياء غريبة على خط الإنتاج. التعرف على الأنشطة يساعد في مراقبة سلوك العمال لضمان الامتثال لإجراءات السلامة.
توليد الصور يُستخدم لإنشاء بيانات اصطناعية لتدريب النماذج عندما تكون البيانات الحقيقية نادرة، مثل محاكاة عيوب نادرة لتحسين دقة النماذج دون تعطيل الإنتاج.