Por que as câmeras AI estão mudando a forma como as lentes são projetadas

Durante muito tempo, o desenvolvimento das câmeras seguiu uma lógica bastante simples:

Melhor sensor → maior resolução → melhor câmera.

Então a IA entrou em cena.

De repente, a câmera não estava mais apenas registrando o que aconteceu.

Esperava-se que entendesse isso.

Uma câmera de segurança pode precisar distinguir uma pessoa de um veículo. Um robô pode precisar reconhecer um obstáculo. Um drone pode precisar entender o que está ao seu redor enquanto se move em alta velocidade.

E isso cria um problema que não recebe atenção suficiente:

A IA só pode funcionar com as informações visuais fornecidas pela câmera.

Um algoritmo brilhante não consegue recuperar detalhes que o sistema óptico nunca capturou.

É por isso que a IA está mudando silenciosamente a forma como as lentes das câmeras são projetadas.

A IA não faz desaparecer a óptica deficiente

É tentador pensar que modelos de IA cada vez mais poderosos compensarão câmeras medíocres.

Às vezes, a fotografia computacional pode ajudar.

A redução de ruído pode melhorar uma imagem.

A nitidez pode fazer com que as bordas pareçam mais fortes.

O aprimoramento de IA pode reconstruir detalhes visualmente plausíveis.

Mas há uma diferença entre melhorar a aparência de uma imagem e capturar informações mais reais.

Se um objeto estiver muito desfocado devido à baixa resolução óptica, o software não poderá recriar com segurança os detalhes originais.

Se uma imagem noturna quase não contém nenhum sinal utilizável, um algoritmo não pode simplesmente inventar evidências visuais confiáveis.

Isto é particularmente importante para aplicações industriais e de segurança onde a imagem não está sendo visualizada para entretenimento.

Ele está sendo usado para tomar decisões.

O desempenho com pouca luz está se tornando um requisito de IA

Um dos maiores desafios das câmeras AI é a pouca luz.

Os humanos muitas vezes podem fazer julgamentos razoáveis ​​em ambientes escuros.

Os sistemas de visão computacional são menos tolerantes.

À medida que a iluminação diminui, as câmeras normalmente enfrentam:

 Aumento do ruído do sensor

 Menor contraste

Desfoque de movimento

Perda de informações de cor

Definição de borda reduzida

Esses problemas podem afetar diretamente a detecção e classificação da IA.

Considere uma pessoa andando em um estacionamento à noite.

Em uma cena clara, a IA pode ter informações claras sobre o contorno, as roupas, os movimentos e o ambiente da pessoa.

Numa cena mal iluminada, a mesma pessoa pode tornar-se uma silhueta barulhenta.

O algoritmo não se tornou estúpido de repente.

A entrada simplesmente se tornou muito mais difícil de interpretar.

Esta é uma das razões pelas quais os designs ópticos de grande abertura e pouca luz estão se tornando cada vez mais relevantes para os sistemas de visão de IA.

Pixels menores criam demandas ópticas maiores

Os sensores modernos continuam a aumentar a densidade de pixels.

Isso cria mais dados de imagem, mas também exige mais da lente.

Pixels menores podem exigir que o sistema óptico resolva detalhes espaciais mais precisos.

Se a lente não conseguir acompanhar, a adição de pixels produz retornos decrescentes.

Isto é especialmente importante para câmeras AI porque o sistema pode depender de recursos visuais relativamente pequenos.

Um ser humano pode reconhecer um objeto pela sua forma geral.

Um modelo de IA pode contar com padrões sutis, bordas, texturas ou relações de cores.

A lente, portanto, precisa fornecer uma imagem limpa o suficiente para que esses recursos sobrevivam a todo o pipeline de imagens.

Esta é uma das razões pelas quais o design óptico e a seleção de sensores precisam cada vez mais acontecer juntos.

Lentes grande angulares criam uma troca interessante de IA

As câmeras AI geralmente precisam de um amplo campo de visão.

Os robôs precisam entender o que os rodeia.

Os drones precisam de consciência situacional.

As câmeras de segurança precisam cobrir grandes áreas.

Então, por que não simplesmente aumentar a lente?

Porque a óptica grande angular apresenta seus próprios desafios.

À medida que o campo de visão aumenta, os designers devem gerenciar:

Distorção

Resolução de borda

Iluminação relativa

Aberração cromática

Geometria da imagem

Uma lente muito grande pode capturar mais do ambiente, mas produzir uma qualidade de imagem mais fraca perto das bordas.

Para visualização humana, isso pode ser aceitável.

Para a IA, isso pode se tornar mais complicado.

Se os objetos próximos à borda da imagem estiverem fortemente distorcidos ou desfocados, o algoritmo será solicitado a interpretar informações visuais que já estão degradadas.

Isso cria uma compensação fundamental de design:

Mais campo de visão versus mais detalhes utilizáveis.

A resposta correta depende da aplicação.

Robótica: as lentes estão se tornando parte do sistema de percepção

A ascensão da IA ​​incorporada está a levar esta questão ainda mais longe.

Um robô não pode se dar ao luxo de perguntar:

“Alguém pode acender as luzes?”

Tem que operar no ambiente que lhe é dado.

Esse ambiente pode conter:

Sombras

Iluminação irregular

Superfícies reflexivas

Espaços estreitos

Movimentar pessoas

Objetos em distâncias diferentes

A câmera faz, portanto, parte do sistema de percepção do robô.

Para a visão robótica, o design da lente precisa considerar:

Campo de visão

Distorção

Desempenho com pouca luz

Resolução

Requisitos de percepção de profundidade

Tamanho e peso

Uma lente que produz uma bela imagem de laboratório pode não ser necessariamente a lente certa para um robô em movimento.

A confiabilidade no mundo real é mais importante do que uma demonstração perfeita.

UAVs e Drones precisam de um equilíbrio óptico diferente

Os drones criam outro desafio interessante.

Uma câmera drone pode precisar de:

Amplo campo de visão + baixo peso + boa resolução + capacidade para pouca luz.

Essa é uma combinação difícil.

Um amplo campo de visão ajuda o drone a compreender seu ambiente.

O baixo peso ajuda na eficiência do voo.

Uma boa resolução ajuda a identificar objetos.

O desempenho com pouca luz torna-se importante ao amanhecer, anoitecer, voos internos ou condições climáticas difíceis.

Os sistemas FPV adicionam outro requisito:

A imagem precisa parecer imediata.

Desfoque de movimento, exposição deficiente ou distorção excessiva da imagem podem afetar negativamente a percepção visual do piloto.

É por isso que o design das lentes dos drones está se tornando cada vez mais um problema de otimização, em vez de simplesmente uma seleção da distância focal.

A vigilância de IA está passando da detecção para a compreensão

As câmeras de segurança são um dos exemplos mais claros dessa transição.

A vigilância tradicional perguntou:

“Alguma coisa se moveu?”

A vigilância moderna da IA ​​pergunta:

Quem se mudou?

Que veículo é esse?

Em que direção ele está viajando?

Qual objeto está sendo carregado?

O comportamento é incomum?

O que aconteceu antes e depois do evento?

Quanto mais avançada a análise se torna, mais valiosa se torna a imagem original.

É por isso que as imagens coloridas com pouca luz estão atraindo a atenção.

A cor pode fornecer informações úteis para:

Classificação de veículos

Identificação da roupa

Reconhecimento de objetos

Compreensão da cena

O infravermelho continua extremamente útil em ambientes muito escuros, mas quando a luz ambiente visível está disponível, um sistema óptico de grande abertura pode ajudar a preservar informações que de outra forma desapareceriam quando uma câmera mudasse para visão noturna monocromática.

A lente está se tornando um componente de qualidade de dados

Esta é talvez a maior mudança que a IA está trazendo para a engenharia óptica.

Historicamente, as lentes eram frequentemente tratadas como componentes de imagem.

Agora devem ser cada vez mais considerados componentes de qualidade de dados.

A câmera captura dados.

A lente determina quanta informação óptica útil chega ao sensor.

O sensor converte essas informações em sinais elétricos.

O ISP processa isso.

O modelo de IA interpreta isso.

Se o primeiro estágio for fraco, todos os estágios seguintes terão que trabalhar mais.

Essa nem sempre é uma boa estratégia.

Geralmente é melhor capturar informações melhores no início do que gastar enormes recursos computacionais tentando repará-las depois.

O que isso significa para o design de lentes?

As futuras lentes de câmeras com IA provavelmente serão projetadas cada vez mais de acordo com os requisitos da aplicação, em vez de especificações isoladas.

Os engenheiros podem precisar considerar:

Design óptico específico do sensor

Em vez de simplesmente suportar um formato de sensor, as lentes precisam corresponder às características reais do sensor.

Melhor desempenho com pouca luz

Os sistemas de IA precisam de informações visuais utilizáveis, mesmo quando a iluminação é limitada.

Desempenho de borda mais consistente

Os sistemas de grande angular necessitam de informações utilizáveis ​​em toda a imagem, não apenas no centro.

Controladodistorção

Algumas aplicações podem tolerar distorção. Outros não podem.

Estabilidade térmica

Robôs, veículos, drones e câmeras externas podem operar em grandes faixas de temperatura.

Otimização específica do aplicativo

A lente de segurança ideal não é necessariamente a lente robótica ideal.

O futuro pertence aos sistemas ópticos projetados em torno do trabalho que precisam realizar.

O que estamos aprendendo na Óptica Boshi

NoÓptica Boshi, trabalhamos com vigilância de segurança, imagens automotivas, imagens médicas, dispositivos inteligentes e outras aplicações ópticas. Esta gama de aplicações torna algo particularmente óbvio:

Não existe uma definição universal de “boas lentes”.

Uma lente grande angular pode ser excelente para uma câmera e completamente inadequada para outra.

Uma lente de alta resolução pode ser desnecessária para um sistema de monitoramento de baixo custo, mas essencial para a visão mecânica.

Uma lente de grande abertura pode ser crítica para aplicações de vigilância noturna, mas menos importante em um ambiente industrial controlado.

Esta abordagem que prioriza a aplicação é cada vez mais importante à medida que as câmeras se tornam parte dos sistemas de IA.

A lente deve ser projetada em torno das informações que a IA precisa receber – e não apenas em torno das especificações que parecem impressionantes em uma ficha de produto.

O futuro: de “ver com clareza” a “ver com utilidade”

A IA está mudando o propósito das câmeras.

Uma câmera não existe mais simplesmente para produzir uma imagem atraente.

Existe para fornecer informações.

Isso muda as prioridades ópticas.

A questão não é mais apenas:

“Quão nítida é esta lente?”

Torna-se:

“Essa lente fornece informações visuais confiáveis ​​para a tarefa real do sistema?”

Por segurança, isso pode significar preservar a aparência de uma pessoa à noite.

Para a robótica, pode significar manter o reconhecimento de objetos em um amplo campo de visão.

Para drones, isso pode significar equilibrar a percepção de grande angular com desempenho em pouca luz.

Para a visão industrial, isso pode significar a resolução consistente de pequenos defeitos.

A revolução da IA ​​pode ser impulsionada por algoritmos, mas os algoritmos ainda precisam de algo para observar.

E é por isso que o futuro da visão da IA ​​também será moldado pela óptica.