תחום עיסוק
ניתוח תמונה ווידאו (AI)
DataWise מפתחת מערכות ניתוח תמונה ווידאו: בקרת איכות חזותית, ספירה אוטומטית, ניתוח תצלומי אוויר ומדידה מדויקת, גם ברשת סגורה.
עודכן:
DataWise מפתחת מערכות ניתוח תמונה ווידאו לתעשייה ולעבודה גיאוגרפית: סגמנטציה ומדידה אוטומטית של תצלומי אוויר, בקרת איכות חזותית, זיהוי עצמים וספירה אוטומטית. פיתחנו והדגמנו מערכת שהופכת את השלב היקר ביותר בעבודת מיפוי חזותית למשימה מפוקחת של דקות, ואנחנו מתכננים מערכות ניתוח תמונה גם לרשת סגורה (סביבה מבודדת ללא חיבור לאינטרנט), כשהתמונות לא יכולות לצאת מהארגון.
אילו בעיות ניתוח תמונה אנחנו פותרים?
אנחנו עוסקים בבעיות שבהן התוצר הוא מדידה או החלטה, לא הדגמה. פיתחנו והדגמנו מערכת מבוססת SAM (Segment Anything) שמזהה ומחלקת אוטומטית שדות תעופה בתצלומי לוויין ואוויר ומודדת אותם בכלי דיוק, עטופה בממשק ייעודי עם תיקון ידני, עריכה, הוספת אובייקטים והפקת דוחות. אפיינו ותכננו זיהוי עצמים בווידאו ובתמונה כחלק מתשתית AI מבודדת לארגון ביטחוני, כשהמודלים רצים כולם בתוך הרשת הסגורה. ליווינו וייעצנו בבניית מפת דרכים לספירה אוטומטית מבוססת ניתוח תמונה עבור משתלה, כחלק מעבודת תכנון חקלאי ורכש. המכנה המשותף: אוטומציה מפוקחת. המודל עושה את העבודה הכבדה, אדם מתקן ומאשר, והתוצר הוא דוח שהארגון יכול לפעול לפיו.
למה ‘מפוקח ותוך דקות’ ולא ‘אוטומטי לחלוטין’?
כי בעבודת בדיקה ומיפוי אמיתית, החלק היקר הוא לא הזיהוי אלא האמון. סגמנטציה שנכונה ב-95% אך לא ניתנת לעריכה לא שווה דבר לאיש מקצוע שחותם על התוצאה. לכן לולאת התיקון אצלנו היא חלק מהמוצר, לא תוספת: קודם סגמנטציה ומדידה אוטומטית, אחר כך תיקון ועריכה ידניים והוספת אובייקטים בממשק ייעודי, ובסוף הפקת דוח. האדם נשאר אחראי, המכונה חוסכת את השעות. זו גם התשובה הישרה בשאלת הדיוק: מודלים של ניתוח תמונה מוכיחים את עצמם בבחינת תוצאות אמת על התמונות שלכם, לא בהצהרות דיוק של ספקים, והכלים בנויים מראש להנחה שהמודל יטעה לפעמים.
איך נראה פרויקט כזה?
- אפיון: הגדרה משותפת של המשימה החזותית (חלוקה, מדידה, ספירה, זיהוי), של חומר הגלם החזותי הקיים אצלכם ושל מדדי ההצלחה (KPI).
- הוכחת היתכנות על התמונות שלכם: בוחנים את הגישה על נתוני אמת לפני שמתחייבים לפיתוח. אם החומר הקיים לא תומך ברמת הדיוק שההחלטה דורשת, נגיד זאת כבר בשלב הזה.
- פיתוח בפיקוח אנושי: אוטומציה לצד כלי תיקון, כדי שאנשי המקצוע יאמצו את הכלי ולא יילחמו בו.
- הטמעה איפה שהנתונים חיים: ענן, שרתים מקומיים, או כולו בתוך רשת סגורה.
- בעלות: המודלים, הקוד והכלים שלכם.
הוכחות
מהעבודות שלנו
סגמנטציה ומדידה אוטומטית לתצלומי אוויר (פיתוח והדגמה), תשתית AI מבודדת הכוללת זיהוי עצמים בתוך רשת סגורה (אפיון ותכנון לצד עוזר שפותח והודגם), וליווי וייעוץ למפת דרכים לספירה אוטומטית במשתלה.
לכל העבודות הנבחרותעוגן לפרויקט דגל
יכולת ניתוח התמונה ברשת סגורה מתחברת לתחום ה-AI המאובטח שלנו. אין לנו פרויקט דגל נפרד בניתוח תמונה, ואנחנו מעדיפים לומר זאת ישירות מאשר לנפח אחד.
מהתעשייה
מפעל Audi בנקרסולם מנתח באמצעות AI כ-1.5 מיליון נקודות ריתוך במשמרת, במקום בדיקות אולטרסאונד מדגמיות של כ-5,000 ריתוכים לרכב, על פי הודעה רשמית של Audi. זה השינוי שאוטומציה חזותית מביאה לבקרת איכות: מדגימה לכיסוי מלא. וזה כבר הוכח גם בישראל: ב-2024 רכשה Siemens את חברת בקרת האיכות החזותית הישראלית Inspekto מרמת גן, מערכת שמתאמנת על 20 עד 30 תמונות של מוצר תקין בלבד, על פי Vision Systems Design.
שאלות ותשובות
צריך אלפי תמונות מתויגות כדי להתחיל?
לרוב לא. מודלים כמו SAM מגיעים עם יכולת חלוקה כללית חזקה, וזה בדיוק הבסיס של מערכת תצלומי האוויר שלנו. שלב הוכחת ההיתכנות אומר לכם כמה תיוג המשימה שלכם באמת דורשת, לפני שמשקיעים בו.
החומר שלנו מסווג או רגיש עסקית. הוא יכול להישאר בפנים?
כן. אפיינו ותכננו זיהוי עצמים כחלק מתשתית AI מבודדת לחלוטין, שבה הכול רץ בתוך הרשת הסגורה ודבר לא יוצא ממנה. ההטמעה נגזרת ממגבלות הנתונים שלכם.
איזה דיוק נקבל?
לא ננקוב במספר לפני בחינה על התמונות שלכם. תוצאות שפורסמו בתעשייה מראות מה הטמעות בשלות משיגות, אבל התאורה, המצלמות וסוגי הפגמים שלכם קובעים את התקרה שלכם. לכן הוכחת היתכנות על נתוני אמת קודמת לכל התחייבות פיתוח.