نقش دوربین‌ها و تجهیزات بینایی ماشین در حمل‌ونقل، ترافیک و شهر هوشمند

مقدمه: چرا شهر هوشمند بدون بینایی ماشین ناقص است؟

وقتی درباره شهر هوشمند صحبت می‌کنیم، معمولا ذهن بسیاری از افراد به سمت اینترنت اشیا، سنسورها، داده‌های شهری، اپلیکیشن‌های حمل‌ونقل، چراغ‌های راهنمایی هوشمند و تابلوهای پیام متغیر می‌رود. اما در لایه عمیق‌تر، شهر هوشمند به یک توانایی بنیادین نیاز دارد: توانایی دیدن، تشخیص دادن، تحلیل کردن و واکنش نشان دادن.

شهر هوشمند فقط شهری نیست که تجهیزات دیجیتال بیشتری دارد؛ شهری است که بتواند وضعیت محیط فیزیکی را به داده قابل تصمیم‌گیری تبدیل کند. این دقیقا همان جایی است که دوربین‌ها و تجهیزات بینایی ماشین وارد می‌شوند.

دوربین در یک پروژه ترافیکی فقط وسیله‌ای برای ضبط تصویر نیست. در یک سیستم حمل‌ونقل هوشمند، دوربین نقش چشم سیستم را دارد. اما چشم به‌تنهایی کافی نیست. همان‌طور که چشم انسان بدون مغز، نور مناسب، تمرکز، زاویه دید و تفسیر معنایی نمی‌تواند تصمیم بگیرد، یک سیستم بینایی شهری نیز فقط با نصب چند دوربین کامل نمی‌شود. برای ساخت یک سامانه واقعی باید دوربین، لنز، نورپردازی، فیلتر، کابل، کارت اخذ تصویر، پردازنده، نرم‌افزار، الگوریتم و زیرساخت ارتباطی به‌درستی کنار هم قرار بگیرند.

در حوزه حمل‌ونقل و ترافیک، این موضوع حساس‌تر هم می‌شود؛ زیرا محیط شهری یک محیط کنترل‌شده مانند خط تولید کارخانه نیست. خودروها با سرعت‌های متفاوت حرکت می‌کنند، نور خورشید در طول روز تغییر می‌کند، شب و روز شرایط کاملا متفاوتی ایجاد می‌کنند، باران و مه و گردوغبار کیفیت تصویر را کاهش می‌دهند، چراغ خودروها باعث خیرگی می‌شوند، پلاک‌ها بازتاب نوری دارند، عابران رفتار غیرقابل پیش‌بینی دارند و سیستم باید در تمام این شرایط، ۲۴ ساعته و با کمترین خطا کار کند.

به همین دلیل است که برندهایی مانند Basler در پروژه‌های بینایی ماشین اهمیت پیدا می‌کنند. Basler فقط تولیدکننده دوربین نیست؛ بلکه یک اکوسیستم کامل از دوربین‌های صنعتی، لنزها، نورپردازی، کارت‌های اخذ تصویر، نرم‌افزار، ابزارهای توسعه و راهکارهای شبیه‌سازی ارائه می‌کند. فلسفه چنین اکوسیستمی این است که کیفیت تصویر و قابلیت اعتماد سیستم از هماهنگی همه اجزا به دست می‌آید، نه از انتخاب تصادفی یک دوربین گران‌قیمت.

در این مقاله به‌صورت جامع بررسی می‌کنیم که هرکدام از تجهیزات بینایی ماشین چه نقشی در حمل‌ونقل، ترافیک و شهر هوشمند دارند، چرا انتخاب درست آن‌ها مهم است و چگونه می‌توان با نگاهی مشابه اکوسیستم Basler، یک سیستم پایدار، دقیق و قابل توسعه طراحی کرد.

۱. بینایی ماشین در حمل‌ونقل هوشمند یعنی چه؟

بینایی ماشین یا Machine Vision به مجموعه‌ای از سخت‌افزار و نرم‌افزار گفته می‌شود که تصویر محیط را دریافت، پردازش و تحلیل می‌کند تا از آن اطلاعات قابل استفاده استخراج شود. در کاربردهای صنعتی، این اطلاعات ممکن است تشخیص نقص یک قطعه، اندازه‌گیری ابعاد یا کنترل کیفیت باشد. اما در حمل‌ونقل و شهر هوشمند، خروجی بینایی ماشین می‌تواند شامل موارد زیر باشد:

• تشخیص پلاک خودرو
• شمارش خودروها
• تشخیص نوع وسیله نقلیه
• تحلیل طول صف در تقاطع
• تشخیص عبور عابر پیاده
• تشخیص حرکت خلاف جهت
• تشخیص توقف غیرمجاز
• پایش وضعیت پارکینگ
• تشخیص تصادف یا حادثه
• پایش مسیرهای ریلی
• بررسی کیفیت آسفالت و خط‌کشی
• مدیریت عوارض الکترونیکی
• کمک به خودروهای خودران، AGV و AMR
• تحلیل جریان ترافیک در مرکز کنترل شهری

چرایی اهمیت این موضوع روشن است: شهر هوشمند بدون داده دقیق، فقط یک شعار است. اگر سیستم نداند در خیابان چه اتفاقی در حال رخ دادن است، نمی‌تواند چراغ راهنمایی را هوشمند تنظیم کند، نمی‌تواند ترافیک را مدیریت کند، نمی‌تواند تخلف را تشخیص دهد و نمی‌تواند برای ایمنی عابر یا راننده تصمیم بگیرد.

از نگاه مهندسی، دوربین‌ها در این سیستم‌ها نقش تبدیل‌کننده واقعیت فیزیکی به داده دیجیتال را دارند. هرچه این تبدیل دقیق‌تر باشد، الگوریتم‌های بعدی بهتر عمل می‌کنند. اگر تصویر اولیه تار، پرنویز، کم‌کنتراست یا دچار اعوجاج باشد، حتی قوی‌ترین مدل هوش مصنوعی هم با خطا مواجه می‌شود. به همین دلیل در پروژه‌های جدی، کیفیت داده تصویری از خود الگوریتم مهم‌تر است.

۲. تفاوت دوربین صنعتی با دوربین نظارتی معمولی در ترافیک

یکی از خطاهای رایج در پروژه‌های شهری این است که تصور می‌شود هر دوربینی که تصویر تولید کند، برای سیستم هوشمند مناسب است. اما دوربین‌های نظارتی معمولی برای مشاهده انسانی طراحی شده‌اند، نه برای تحلیل دقیق ماشینی.

دوربین نظارتی یا CCTV معمولا برای این ساخته شده که اپراتور بتواند تصویر کلی محیط را ببیند. در چنین کاربردی، اگر تصویر کمی فشرده، کمی تار یا دارای نویز باشد، انسان همچنان می‌تواند مفهوم صحنه را بفهمد. اما ماشین این‌گونه کار نمی‌کند. الگوریتم پلاک‌خوانی، تشخیص خودرو یا اندازه‌گیری سرعت به جزئیات دقیق وابسته است.

دوربین صنعتی، مانند بسیاری از خانواده‌های دوربین Basler، برای تولید داده تصویری دقیق، پایدار و قابل پردازش طراحی می‌شود. تفاوت‌ها در چند بخش مهم دیده می‌شوند.

نخست، کنترل پارامترهای تصویر در دوربین صنعتی بسیار دقیق‌تر است. در چنین دوربینی می‌توان exposure، gain، trigger، white balance، frame rate و سایر پارامترها را با دقت تنظیم کرد. این موضوع در ترافیک اهمیت زیادی دارد، چون شرایط نوری دائما تغییر می‌کند.

دوم، بسیاری از دوربین‌های صنعتی از استانداردهای شناخته‌شده‌ای مثل GigE Vision یا USB3 Vision پشتیبانی می‌کنند. این استانداردها برای انتقال پایدار داده تصویری خام یا کم‌فشرده مناسب هستند. در مقابل، بسیاری از دوربین‌های نظارتی تصویر را فشرده می‌کنند و همین فشرده‌سازی می‌تواند جزئیات مهم پلاک یا لبه اشیا را از بین ببرد.

سوم، دوربین صنعتی معمولا امکان استفاده از لنزهای دقیق‌تر و قابل انتخاب را فراهم می‌کند. در پروژه ترافیکی، فاصله کانونی، زاویه دید، عمق میدان و اعوجاج لنز اهمیت حیاتی دارند.

چهارم، دوربین صنعتی برای کار مداوم، طولانی‌مدت و محیط‌های سخت‌تر طراحی می‌شود. یک سیستم کنترل ترافیک باید روزها، ماه‌ها و سال‌ها بدون توقف کار کند. خرابی مکرر تجهیزات در چنین پروژه‌هایی فقط هزینه تعمیر ندارد؛ می‌تواند باعث اختلال شهری، از دست رفتن داده و کاهش اعتماد کارفرما شود.

۳. انواع دوربین‌های مورد استفاده در حمل‌ونقل و ترافیک

در سیستم‌های حمل‌ونقل و شهر هوشمند، بسته به هدف پروژه، انواع مختلف دوربین استفاده می‌شود. انتخاب نوع دوربین باید بر اساس کاربرد انجام شود، نه صرفا بر اساس رزولوشن یا قیمت.

دوربین‌های Area Scan

دوربین‌های Area Scan رایج‌ترین نوع دوربین در کاربردهای ترافیکی هستند. این دوربین‌ها مانند یک دوربین معمولی، از کل صحنه یک فریم دوبعدی ثبت می‌کنند. برای کاربردهایی مثل نظارت تقاطع، پلاک‌خوانی، تشخیص خودرو، شمارش ترافیک و کنترل ورودی پارکینگ، این نوع دوربین بسیار کاربردی است.

چرایی استفاده از Area Scan این است که بسیاری از مسائل شهری نیاز به فهم صحنه دارند. مثلا در یک تقاطع، سیستم باید همزمان خودروها، عابران، خطوط عبور، چراغ‌ها و مسیرهای حرکت را تحلیل کند. برای این کار یک تصویر کامل از صحنه لازم است.

در محصولات Basler، خانواده‌هایی مانند ace، ace 2، dart و سایر دوربین‌های صنعتی، در کاربردهای متنوع بینایی ماشین استفاده می‌شوند. در پروژه‌های ترافیکی، دوربین‌های Area Scan با سنسورهای CMOS مدرن و کیفیت تصویر بالا می‌توانند پایه اصلی سامانه باشند.

دوربین‌های Line Scan

دوربین Line Scan به‌جای ثبت یک تصویر کامل، یک خط تصویری ثبت می‌کند و با حرکت سوژه یا حرکت دوربین، تصویر کامل به‌صورت پیوسته ساخته می‌شود. این فناوری در صنایع تولیدی برای بازرسی سطحی بسیار رایج است، اما در حمل‌ونقل هم کاربردهای مهمی دارد.

برای مثال، در بازرسی ریل، سطح جاده، تونل، پل یا خط‌کشی جاده، دوربین Line Scan می‌تواند تصویری پیوسته و با رزولوشن بالا تولید کند. اگر هدف فقط دیدن یک صحنه ثابت نباشد، بلکه بررسی دقیق سطح در طول مسیر باشد، Line Scan گزینه‌ای منطقی‌تر از Area Scan است.

دلیل بنیادی استفاده از Line Scan این است که در برخی کاربردها، سوژه ذاتا در حال حرکت خطی است. قطار، خودرو بازرسی جاده یا سیستم اسکن نصب‌شده روی وسیله نقلیه می‌تواند در حال حرکت باشد و دوربین خط به خط اطلاعات سطح را ثبت کند. نتیجه، تصویری دقیق و ممتد است که برای تشخیص ترک، خوردگی، شکستگی، سایش یا آلودگی مناسب است.

دوربین‌های Stereo و Depth

در برخی کاربردها، فقط تصویر دوبعدی کافی نیست. سیستم باید فاصله اجسام را هم بداند. اینجاست که دوربین‌های Stereo و Depth اهمیت پیدا می‌کنند.

دوربین استریو با استفاده از دو سنسور و اختلاف دید بین آن‌ها، عمق صحنه را محاسبه می‌کند. این فناوری برای ربات‌های متحرک، AGV، AMR، شاتل‌های خودران، سیستم‌های کمک‌راننده و حتی برخی کاربردهای شهری بسیار مفید است.

Basler در سبد محصولات خود دوربین‌های استریو صنعتی مانند Stereo Camera را برای کاربردهای رباتیک و موبایل ارائه کرده است. اهمیت چنین تجهیزاتی در حمل‌ونقل هوشمند این است که سیستم فقط نمی‌پرسد «چه چیزی در تصویر است؟» بلکه می‌پرسد «آن چیز کجاست و چقدر از من فاصله دارد؟»

در سیستم‌های ایمنی، این تفاوت حیاتی است. تشخیص عابر پیاده زمانی ارزشمندتر می‌شود که فاصله او از خودرو، سرعت نسبی و احتمال برخورد هم محاسبه شود.

دوربین‌های NIR و حساس به نور نزدیک مادون قرمز

در کاربردهای شبانه و پلاک‌خوانی، طیف NIR یا Near Infrared اهمیت زیادی دارد. نور NIR برای چشم انسان نامرئی یا کم‌آزار است، اما بسیاری از سنسورهای صنعتی می‌توانند آن را ثبت کنند. به همین دلیل می‌توان پلاک خودرو را در شب با نور مادون قرمز روشن کرد، بدون اینکه مزاحم راننده شود.

Basler در برخی دوربین‌های خود از سنسورهای مدرن Sony، مانند خانواده Pregius و Pregius S، استفاده می‌کند و برخی سنسورها حساسیت خوبی در ناحیه NIR دارند. این ویژگی برای ANPR، کنترل ترافیک شبانه، عوارض الکترونیکی، ثبت تخلف و نظارت در محیط‌های کم‌نور ارزشمند است.

چرایی اهمیت NIR ساده اما عمیق است: در شب، وابسته بودن به نور محیط یعنی وابسته بودن به شرایط غیرقابل کنترل. اما وقتی نور مادون قرمز کنترل‌شده داشته باشیم، صحنه را برای دوربین قابل پیش‌بینی‌تر می‌کنیم. هرچه ورودی سیستم قابل پیش‌بینی‌تر باشد، دقت الگوریتم بالاتر می‌رود.

۴. سنسور تصویر؛ قلب دوربین ترافیکی

سنسور تصویر جایی است که نور به سیگنال الکتریکی تبدیل می‌شود. کیفیت سنسور تاثیر مستقیم بر وضوح، نویز، محدوده دینامیکی، حساسیت نوری و توانایی ثبت سوژه‌های سریع دارد.

در ترافیک، یکی از مهم‌ترین ویژگی‌ها Global Shutter است. در سنسور Rolling Shutter، خطوط تصویر به‌صورت متوالی خوانده می‌شوند. اگر سوژه سریع حرکت کند، تصویر دچار اعوجاج می‌شود. مثلا خودرو کشیده یا کج دیده می‌شود. این اعوجاج برای اپراتور انسانی شاید قابل تحمل باشد، اما برای اندازه‌گیری یا پلاک‌خوانی مشکل‌ساز است.

در مقابل، Global Shutter کل فریم را در یک لحظه ثبت می‌کند. این ویژگی برای خودروهای سریع، عوارض آزادراهی، ثبت تخلف سرعت، سامانه‌های کنترل خط ویژه و کاربردهای صنعتی بسیار مهم است. به همین دلیل دوربین‌های صنعتی مجهز به Global Shutter در بسیاری از پروژه‌های ITS ترجیح داده می‌شوند.

ویژگی مهم دیگر Dynamic Range است. در خیابان، ممکن است بخشی از تصویر زیر نور مستقیم خورشید باشد و بخشی دیگر در سایه. یا در شب، چراغ خودروها بسیار روشن و پلاک نسبتا تاریک باشد. دوربینی با محدوده دینامیکی ضعیف یا بخش‌های روشن را سفید و بی‌جزئیات می‌کند یا بخش‌های تاریک را سیاه می‌کند. اما دوربینی با Dynamic Range بالاتر می‌تواند جزئیات هر دو بخش را بهتر نگه دارد.

همچنین اندازه پیکسل، حساسیت نوری، نویز خوانش و نرخ فریم، همگی در کاربرد ترافیکی اهمیت دارند. مثلا برای تشخیص پلاک در سرعت بالا، هم exposure کوتاه لازم است تا Motion Blur کم شود، هم نور کافی لازم است تا تصویر تاریک نشود، هم سنسور باید نویز کمی داشته باشد.

۵. لنز؛ بخش فراموش‌شده اما تعیین‌کننده

در بسیاری از پروژه‌ها، بودجه و توجه زیادی برای انتخاب دوربین صرف می‌شود، اما لنز با کمترین دقت انتخاب می‌شود. این یک خطای جدی است. لنز، تصویری را که سنسور می‌بیند شکل می‌دهد. اگر لنز نامناسب باشد، بهترین سنسور هم تصویر مناسبی دریافت نمی‌کند.

در پروژه‌های ترافیکی، انتخاب لنز باید بر اساس فاصله دوربین تا سوژه، عرض مسیر، ارتفاع نصب، اندازه پلاک یا هدف، رزولوشن سنسور و نیاز الگوریتم انجام شود.

مثلا برای پلاک‌خوانی، هدف این نیست که کل خیابان زیبا دیده شود؛ هدف این است که پلاک خودرو با تعداد پیکسل کافی، کنتراست مناسب و حداقل اعوجاج ثبت شود. اگر زاویه دید بیش از حد باز باشد، پلاک کوچک می‌شود و OCR خطا می‌کند. اگر زاویه دید بیش از حد بسته باشد، ممکن است خودرو از کادر خارج شود یا سیستم فقط یک خط را پوشش دهد.

برای تقاطع هوشمند، زاویه دید وسیع‌تر لازم است، چون باید چند مسیر، عابر، خط توقف و چراغ‌ها در تصویر باشند. اما همین زاویه وسیع می‌تواند باعث اعوجاج در گوشه‌های تصویر شود. بنابراین باید بین پوشش صحنه و کیفیت تحلیل تعادل برقرار کرد.

لنزهای صنعتی معمولا از نظر اعوجاج، شارپنس، سازگاری با سایز سنسور و پایداری مکانیکی بهتر از لنزهای عمومی هستند. Basler در کنار دوربین‌های خود لنزهای سازگار نیز ارائه می‌کند و این موضوع از نظر سیستم‌سازی اهمیت دارد؛ زیرا هماهنگی بین سنسور و لنز، ریسک افت کیفیت تصویر را کاهش می‌دهد.

در کاربردهای شهری، گاهی لنزهای Motorized یا قابل کنترل از راه دور نیز اهمیت دارند. دوربینی که روی دکل، پل، گنتری یا پایه بلند نصب شده، به‌راحتی قابل دسترسی نیست. اگر فوکوس، زوم یا آیریس از راه دور قابل تنظیم باشد، هزینه نگهداری کاهش پیدا می‌کند و اصلاح تنظیمات در شرایط واقعی ساده‌تر می‌شود.

۶. نورپردازی؛ چرا بهترین دوربین بدون نور مناسب شکست می‌خورد؟

در بینایی ماشین، نورپردازی فقط وسیله روشن کردن محیط نیست؛ ابزار کنترل صحنه است. در ترافیک، نور محیط به‌شدت متغیر است. صبح، ظهر، غروب، شب، باران، مه، چراغ جلو خودرو، بازتاب روی پلاک، سایه ساختمان‌ها و نور تابلوها همگی روی تصویر اثر می‌گذارند.

اگر نورپردازی کنترل نشود، الگوریتم باید با شرایط بسیار متغیری روبه‌رو شود. این یعنی احتمال خطا افزایش می‌یابد. اما وقتی نور مناسب طراحی شود، تصویر ورودی پایدارتر، واضح‌تر و قابل تحلیل‌تر می‌شود.

در پلاک‌خوانی، نور IR یکی از مهم‌ترین ابزارهاست. با استفاده از نور مادون قرمز و فیلتر مناسب، می‌توان پلاک را در شب با کنتراست بالا ثبت کرد. در بسیاری از سیستم‌ها، نور IR به‌صورت استروب با شاتر دوربین هماهنگ می‌شود. این کار چند مزیت دارد: مصرف انرژی کمتر می‌شود، گرمای تولیدی کاهش می‌یابد، عمر منبع نور افزایش پیدا می‌کند و مهم‌تر از همه، حرکت خودرو فریز می‌شود.

برای کاربردهایی مثل تحلیل رنگ چراغ راهنمایی، تشخیص رنگ خودرو یا پایش وضعیت تابلوها، نور سفید ممکن است لازم باشد. اما نور سفید باید با احتیاط استفاده شود، زیرا می‌تواند باعث آزار راننده یا ایجاد بازتاب ناخواسته شود.

در بازرسی سطح جاده یا ریل، زاویه تابش نور مهم است. نور مایل می‌تواند ترک‌ها، برجستگی‌ها و فرورفتگی‌ها را بهتر آشکار کند. در برخی روش‌ها مانند Photometric Stereo، از چند منبع نور در جهت‌های مختلف استفاده می‌شود تا ویژگی‌های سه‌بعدی سطح از روی سایه‌ها و بازتاب‌ها استخراج شود. این منطق در حوزه نگهداری هوشمند زیرساخت بسیار ارزشمند است.

Basler در اکوسیستم بینایی ماشین خود، بخش Illumination را نیز جدی می‌گیرد. دلیلش روشن است: تصویر خوب فقط محصول دوربین نیست؛ محصول تعامل سنسور، لنز و نور است.

۷. فیلترها و تجهیزات اپتیکی جانبی

فیلترها در بسیاری از پروژه‌های ترافیکی نقش مهم اما پنهان دارند. فیلتر اپتیکی می‌تواند بخشی از طیف نور را حذف یا عبور دهد و به این ترتیب تصویر را برای هدف خاص بهینه کند.

برای مثال، در پلاک‌خوانی شبانه، فیلتر IR-pass می‌تواند نور مرئی مزاحم را کاهش دهد و فقط نور مادون قرمز بازتاب‌شده از پلاک را به سنسور برساند. نتیجه، تصویری با کنتراست بالاتر و نویز کمتر است.

در شرایطی که نور خورشید یا بازتاب شیشه خودرو مشکل ایجاد می‌کند، فیلترهای Polarizing می‌توانند بخشی از بازتاب‌های آزاردهنده را حذف کنند. این موضوع در تشخیص داخل کابین، خواندن شیشه جلو، یا کاهش glare مفید است.

چرایی استفاده از فیلتر این است که گاهی نمی‌خواهیم دوربین همه چیز را ببیند؛ می‌خواهیم فقط اطلاعات مفید را ببیند. فیلتر کمک می‌کند داده‌های غیرضروری قبل از ورود به الگوریتم حذف شوند. این کار از نظر مهندسی بهتر از آن است که تصویر آلوده را بگیریم و بعد تلاش کنیم همه مشکلات را با نرم‌افزار حل کنیم.

۸. کارت‌های اخذ تصویر و نقش آن‌ها در سیستم‌های بزرگ

وقتی یک یا دو دوربین ساده داریم، شاید بتوان تصویر را مستقیما از طریق USB یا شبکه به کامپیوتر منتقل کرد. اما در پروژه‌های بزرگ ترافیکی، موضوع پیچیده‌تر است. ده‌ها دوربین، نرخ فریم بالا، رزولوشن زیاد، نیاز به همزمان‌سازی و پردازش real-time باعث می‌شود زیرساخت اخذ تصویر اهمیت زیادی پیدا کند.

کارت‌های اخذ تصویر یا Acquisition Cards وظیفه دارند داده تصویری را از دوربین دریافت و به شکل پایدار به سیستم پردازش منتقل کنند. در برخی استانداردها مثل Camera Link یا CoaXPress، استفاده از کارت‌های Frame Grabber ضروری است. این کارت‌ها می‌توانند بار انتقال داده را از CPU کم کنند، بافرینگ بهتر انجام دهند و از افت فریم جلوگیری کنند.

در سامانه‌هایی مانند عوارض آزادراهی، ثبت تخلف سرعت یا بازرسی زیرساخت، از دست رفتن حتی چند فریم ممکن است به معنی از دست رفتن یک رویداد مهم باشد. بنابراین پایداری انتقال داده یک مسئله حیاتی است.

Basler علاوه بر دوربین، کارت‌ها و تجهیزات اخذ تصویر نیز ارائه می‌کند. اهمیت این رویکرد در این است که اجزای زنجیره تصویر با هم سازگارتر می‌شوند. در پروژه‌های شهری، مشکلات Integration می‌توانند هزینه زیادی ایجاد کنند. وقتی دوربین، کارت، نرم‌افزار و درایور از یک اکوسیستم هماهنگ باشند، ریسک ناسازگاری کاهش می‌یابد.

۹. رابط‌های ارتباطی؛ GigE، USB3، GMSL و CoaXPress

انتخاب رابط ارتباطی در پروژه‌های ترافیکی فقط یک انتخاب فنی کوچک نیست؛ روی طراحی کل سیستم اثر می‌گذارد.

GigE Vision یکی از رایج‌ترین استانداردها در بینایی ماشین است. مزیت مهم آن استفاده از کابل و زیرساخت شبکه است. در بسیاری از کاربردهای شهری که دوربین باید با فاصله از سیستم پردازش نصب شود، GigE گزینه‌ای مناسب است. امکان کابل‌کشی طولانی‌تر، استفاده از سوئیچ‌های شبکه و مقیاس‌پذیری، GigE را برای ITS جذاب می‌کند.

USB3 Vision برای فواصل کوتاه‌تر و سیستم‌های فشرده مناسب است. پهنای باند خوبی دارد و پیاده‌سازی آن ساده‌تر است، اما در محیط‌های بزرگ شهری که فاصله زیاد است، محدودیت کابل می‌تواند مشکل‌ساز شود.

GMSL در کاربردهای موبایل، خودرویی، رباتیک و سیستم‌هایی که دوربین روی وسیله نقلیه نصب می‌شود اهمیت دارد. Basler در برخی محصولات خود روی دوربین‌های GMSL تمرکز کرده است. دلیل اهمیت GMSL این است که می‌تواند انتقال تصویر با تأخیر کم، کابل‌کشی مناسب و مقاومت بهتر در محیط‌های دارای نویز الکترومغناطیسی را فراهم کند. برای شاتل خودران، خودروهای خدمات شهری، ربات‌های لجستیکی و سیستم‌های دید اطراف خودرو، این رابط بسیار کاربردی است.

CoaXPress و Camera Link معمولا برای کاربردهای سرعت بالا، رزولوشن بالا یا نیازمند پایداری بسیار زیاد استفاده می‌شوند. مثلا در بازرسی سریع زیرساخت یا سیستم‌هایی که چندین خط تصویر با نرخ بالا دریافت می‌شود، این رابط‌ها می‌توانند منطقی باشند.

چرایی انتخاب درست رابط این است که دوربین فقط باید تصویر خوب تولید نکند؛ باید آن تصویر را بدون افت، تأخیر و ناپایداری به پردازنده برساند.

۱۰. نرم‌افزار دوربین؛ جایی که سخت‌افزار قابل کنترل می‌شود

در سیستم‌های بینایی ماشین، نرم‌افزار فقط برنامه تحلیل تصویر نیست. نرم‌افزار دوربین و SDK نقش مهمی در تنظیم، کنترل، تست، یکپارچه‌سازی و نگهداری سیستم دارد.

Basler نرم‌افزار معروف pylon Camera Software Suite را برای کار با دوربین‌های خود ارائه می‌کند. چنین نرم‌افزاری به توسعه‌دهنده اجازه می‌دهد پارامترهای دوربین را کنترل کند، تصویر را مشاهده و ذخیره کند، دوربین را در نرم‌افزارهای مختلف یکپارچه کند و تنظیمات پیشرفته را مدیریت کند.

در پروژه ترافیکی، نرم‌افزار دوربین برای مواردی مانند تنظیم exposure در شب و روز، کنترل gain، تنظیم trigger، مدیریت frame rate، همزمان‌سازی چند دوربین و عیب‌یابی اهمیت دارد.

فرض کن یک دوربین پلاک‌خوان در روز تصویر خوبی دارد اما شب پلاک‌ها بیش از حد سفید می‌شوند. مشکل ممکن است از نور IR، exposure، gain، aperture یا فیلتر باشد. نرم‌افزار مناسب کمک می‌کند این متغیرها به‌صورت دقیق بررسی و اصلاح شوند.

از نظر فلسفه مهندسی، SDK و نرم‌افزار خوب باعث می‌شود دوربین از یک قطعه بسته و محدود، به یک جزء قابل کنترل در سیستم تبدیل شود. این موضوع برای پروژه‌های B2B و صنعتی بسیار مهم است، زیرا هر پروژه شرایط خاص خود را دارد و تنظیمات عمومی معمولا کافی نیستند.

۱۱. شبیه‌سازی و طراحی قبل از نصب

یکی از پرهزینه‌ترین خطاها در پروژه‌های ترافیکی این است که دوربین‌ها نصب شوند و بعد مشخص شود زاویه دید، فاصله کانونی، رزولوشن یا محل نصب مناسب نیست. اصلاح چنین خطاهایی در خیابان، پل، آزادراه یا تونل بسیار سخت‌تر و گران‌تر از محیط آزمایشگاهی است.

به همین دلیل ابزارهای شبیه‌سازی و طراحی اهمیت زیادی دارند. Basler در حوزه Vision System Design و ابزارهای مرتبط با انتخاب دوربین، لنز و شبیه‌سازی تصویر، رویکردی سیستم‌محور دارد. هدف این است که قبل از خرید و نصب، بتوان تخمین زد دوربین در یک موقعیت خاص چه چیزی را با چه کیفیتی خواهد دید.

در پروژه پلاک‌خوانی، باید بدانیم پلاک در تصویر چند پیکسل عرض خواهد داشت. در پروژه شمارش خودرو، باید بدانیم آیا دوربین کل مسیر را پوشش می‌دهد یا نقاط کور دارد. در پروژه تشخیص عابر، باید مشخص شود عابر در فاصله‌های مختلف چه اندازه‌ای در تصویر دارد. در پروژه بازرسی ریل، باید رزولوشن سطحی و سرعت حرکت با نرخ خط دوربین هماهنگ شود.

شبیه‌سازی به این دلیل مهم است که بینایی ماشین تابع فیزیک است. نمی‌توان با شعار یا امید، محدودیت اپتیک و سنسور را دور زد. اگر پلاک در تصویر فقط ۲۰ پیکسل عرض داشته باشد، الگوریتم OCR نمی‌تواند معجزه کند. اگر لنز اعوجاج شدید داشته باشد، اندازه‌گیری دقیق دشوار می‌شود. اگر نور کافی نباشد، نویز بالا می‌رود. بنابراین طراحی قبل از اجرا، هزینه شکست را کاهش می‌دهد.

۱۲. کاربرد اول: پلاک‌خوانی هوشمند ANPR / LPR

پلاک‌خوانی یکی از شناخته‌شده‌ترین کاربردهای دوربین در ترافیک است. اما پشت ظاهر ساده آن، یک مسئله پیچیده اپتیکی، نوری و الگوریتمی وجود دارد.

یک سامانه پلاک‌خوان موفق معمولا شامل دوربین صنعتی Area Scan، لنز مناسب، نور IR، فیلتر اپتیکی، trigger یا تنظیم exposure دقیق، نرم‌افزار تشخیص پلاک و موتور OCR است.

دوربین باید بتواند خودرو را در سرعت مورد نظر بدون تاری ثبت کند. برای این کار exposure باید کوتاه باشد. اما exposure کوتاه یعنی نور کمتری به سنسور می‌رسد. بنابراین نورپردازی قوی و کنترل‌شده لازم است. اگر نور زیاد باشد، پلاک ممکن است overexpose شود. اگر نور کم باشد، کاراکترها خوانا نیستند. اینجاست که هماهنگی نور، لنز، سنسور و نرم‌افزار اهمیت پیدا می‌کند.

در سامانه‌های ANPR، استفاده از Global Shutter بسیار مهم است. همچنین حساسیت NIR می‌تواند عملکرد شبانه را بهتر کند. در آزادراه‌ها و ورودی شهرها، دوربین باید در شرایط مختلف آب‌وهوایی کار کند و خطاهای ناشی از سرعت، نور، زاویه و آلودگی پلاک را کاهش دهد.

کاربردهای پلاک‌خوانی شامل عوارض الکترونیکی، کنترل طرح ترافیک، پارکینگ هوشمند، کنترل تردد سازمانی، پلیس راهور، مدیریت ناوگان و امنیت شهری است.

۱۳. کاربرد دوم: تقاطع هوشمند و مدیریت چراغ راهنمایی

تقاطع‌ها یکی از پیچیده‌ترین نقاط شبکه حمل‌ونقل شهری هستند. در یک تقاطع، خودروها، موتورسیکلت‌ها، اتوبوس‌ها، عابران، دوچرخه‌ها و گاهی وسایل نقلیه امدادی همزمان حضور دارند. مدیریت سنتی چراغ راهنمایی معمولا بر اساس زمان‌بندی ثابت است، اما در شهر هوشمند، چراغ باید بر اساس وضعیت واقعی ترافیک تنظیم شود.

دوربین‌های Area Scan با زاویه دید مناسب می‌توانند تعداد خودروها، طول صف، اشغال خطوط، حضور عابر و جهت حرکت را تشخیص دهند. سپس این داده‌ها به کنترلر چراغ راهنمایی ارسال می‌شود تا زمان سبز و قرمز بهینه شود.

چرایی استفاده از دوربین به‌جای سنسورهای ساده این است که دوربین اطلاعات غنی‌تری فراهم می‌کند. یک حلقه القایی ممکن است فقط حضور خودرو را تشخیص دهد، اما دوربین می‌تواند نوع خودرو، مسیر حرکت، رفتار عابر و وضعیت چند خط را همزمان تحلیل کند.

در چنین کاربردی، موقعیت نصب، زاویه دید و کیفیت تصویر بسیار مهم است. اگر دوربین بیش از حد پایین نصب شود، خودروهای جلو ممکن است خودروهای عقب را بپوشانند. اگر بیش از حد بالا نصب شود، تشخیص جزئیات دشوارتر می‌شود. اگر لنز بسیار واید باشد، اعوجاج زیاد می‌شود. بنابراین طراحی اپتیکی و هندسی سیستم باید دقیق انجام شود.

۱۴. کاربرد سوم: تشخیص حادثه و رفتار غیرعادی

یکی از اهداف مهم سیستم‌های حمل‌ونقل هوشمند، کاهش زمان واکنش به حادثه است. اگر تصادف، توقف ناگهانی، حرکت خلاف جهت، افتادن بار از خودرو یا حضور عابر در بزرگراه سریع تشخیص داده شود، مرکز کنترل می‌تواند سریع‌تر واکنش نشان دهد.

دوربین‌ها در اینجا نقش سنسور رفتاری دارند. الگوریتم‌های پردازش تصویر و هوش مصنوعی می‌توانند حرکت اجسام را ردیابی کنند و الگوهای غیرعادی را تشخیص دهند.

برای این کاربرد، نرخ فریم مناسب و پایداری تصویر اهمیت دارد. اگر فریم‌ها از دست بروند یا تصویر دچار تأخیر زیاد باشد، ردیابی دقیق سخت می‌شود. همچنین در بزرگراه‌ها، محدوده دید وسیع و شرایط نوری متغیر باعث می‌شود دوربین و لنز باید با دقت انتخاب شوند.

چرایی اهمیت این سیستم این است که در مدیریت ترافیک، زمان واکنش بسیار حیاتی است. چند دقیقه تأخیر در تشخیص حادثه می‌تواند باعث افزایش ترافیک، تصادفات ثانویه و اختلال گسترده شود.

۱۵. کاربرد چهارم: پارکینگ هوشمند

در پارکینگ‌های هوشمند، دوربین‌ها می‌توانند نقش‌های مختلفی داشته باشند: تشخیص پلاک در ورودی و خروجی، تشخیص جای پارک خالی، هدایت راننده به فضای آزاد، نظارت امنیتی و تحلیل اشغال.

برای تشخیص پلاک در ورودی پارکینگ، معمولا فاصله کوتاه‌تر و سرعت کمتر از آزادراه است، اما شرایط نوری ممکن است سخت باشد؛ مثلا ورودی پارکینگ از فضای روشن بیرون به فضای تاریک داخل می‌رسد. در این حالت Dynamic Range و تنظیم exposure اهمیت دارد.

برای تشخیص فضای خالی، می‌توان از دوربین‌های واید یا چند دوربین نصب‌شده در سقف استفاده کرد. الگوریتم باید تشخیص دهد هر جای پارک خالی یا اشغال است. در اینجا رزولوشن بسیار بالا همیشه لازم نیست؛ پوشش مناسب، ثبات نور و الگوریتم خوب مهم‌تر است.

چرایی جذابیت دوربین در پارکینگ هوشمند این است که یک دوربین می‌تواند چند جای پارک را همزمان پوشش دهد و علاوه بر تشخیص اشغال، اطلاعات دیگری مثل پلاک، نوع خودرو یا رخدادهای امنیتی نیز فراهم کند.

۱۶. کاربرد پنجم: عوارض الکترونیکی و کنترل آزادراه

در عوارض الکترونیکی، خودرو نباید توقف کند. سیستم باید در سرعت بالا خودرو را تشخیص دهد، پلاک را بخواند، کلاس خودرو را مشخص کند و تراکنش را ثبت کند. این کاربرد نیازمند دقت و پایداری بسیار بالاست.

دوربین باید با نورپردازی استروبی و شاتر سریع، تصویر واضحی از پلاک بگیرد. اگر چند خط عبور وجود داشته باشد، سیستم باید هر خودرو را به خط درست و داده درست مرتبط کند. گاهی از چند دوربین برای ثبت جلو، عقب و نمای کلی خودرو استفاده می‌شود.

در اینجا همزمان‌سازی اهمیت زیادی دارد. دوربین، سنسور حضور، نور استروب و سیستم پردازش باید در لحظه مناسب فعال شوند. کارت‌های اخذ تصویر و رابط‌های صنعتی می‌توانند در حفظ پایداری این زنجیره نقش مهمی داشته باشند.

۱۷. کاربرد ششم: پایش راه‌آهن، جاده، پل و تونل

حمل‌ونقل فقط خودرو و ترافیک شهری نیست. زیرساخت‌هایی مثل ریل، پل، تونل، آسفالت، تابلوها و خط‌کشی‌ها نیز نیاز به پایش مستمر دارند.

دوربین‌های Line Scan و Area Scan با رزولوشن بالا می‌توانند برای تشخیص ترک، سایش، خوردگی، شکستگی، تغییر شکل یا آلودگی استفاده شوند. اگر این سیستم‌ها روی خودروهای بازرسی نصب شوند، می‌توانند مسیرهای طولانی را با سرعت بالا اسکن کنند.

چرایی استفاده از بینایی ماشین در نگهداری زیرساخت این است که بازرسی دستی کند، پرهزینه و وابسته به انسان است. در مقابل، سیستم تصویری می‌تواند داده مستند، قابل آرشیو و قابل مقایسه تولید کند. اگر یک ترک کوچک در ریل یا پل زود تشخیص داده شود، هزینه تعمیر بسیار کمتر از زمانی است که به خرابی جدی تبدیل شود.

۱۸. کاربرد هفتم: خودروهای خودران، شاتل شهری، AGV و AMR

در حمل‌ونقل آینده، خودروها و ربات‌های متحرک باید محیط اطراف را درک کنند. دوربین‌های مونو، استریو، Depth و GMSL در این حوزه اهمیت زیادی دارند.

برای یک شاتل خودران شهری، سیستم باید عابر، خودرو، دوچرخه، مانع، خط‌کشی، تابلو و چراغ را تشخیص دهد. دوربین‌های استریو کمک می‌کنند فاصله اشیا محاسبه شود. دوربین‌های GMSL به دلیل مناسب بودن برای کاربردهای موبایل و خودرویی، گزینه‌ای مهم در طراحی چنین سیستم‌هایی هستند.

Basler با ارائه دوربین‌های صنعتی مناسب رباتیک و موبایل، به این حوزه نیز نزدیک است. چرایی اهمیت این موضوع آن است که مرز بین بینایی ماشین صنعتی و حمل‌ونقل هوشمند در حال کم‌رنگ شدن است. همان فناوری‌هایی که در کارخانه برای ربات‌ها استفاده می‌شوند، امروز در شهر برای وسایل نقلیه هوشمند به کار می‌روند.

۱۹. هوش مصنوعی؛ اما فقط بعد از تصویر خوب

امروزه بسیاری از پروژه‌ها با عنوان AI فروخته می‌شوند، اما در عمل اگر تصویر خوب نباشد، AI هم موفق نمی‌شود. هوش مصنوعی برای تشخیص پلاک، خودرو، عابر، دوچرخه، حادثه و رفتار غیرعادی به داده تصویری باکیفیت نیاز دارد.

مدل‌های Deep Learning می‌توانند قدرتمند باشند، اما محدودیت فیزیک را حذف نمی‌کنند. اگر تصویر تار باشد، اگر پلاک بیش از حد کوچک باشد، اگر نور باعث اشباع شود، اگر فریم‌ها از دست بروند، مدل هم خطا می‌کند.

بنابراین منطق درست در طراحی سیستم این است: اول تصویر را مهندسی کن، بعد الگوریتم را انتخاب کن. این همان جایی است که اکوسیستم‌هایی مثل Basler ارزش پیدا می‌کنند؛ چون تمرکز فقط روی دوربین نیست، بلکه روی کل زنجیره تولید تصویر قابل اعتماد است.

۲۰. چرا اکوسیستم Basler برای پروژه‌های حمل‌ونقل مهم است؟

Basler در بازار بینایی ماشین به‌عنوان برندی شناخته می‌شود که دوربین، لنز، نورپردازی، کارت اخذ تصویر و نرم‌افزار را به‌صورت یکپارچه ارائه می‌کند. این یکپارچگی در پروژه‌های حمل‌ونقل چند مزیت مهم دارد.

نخست، ریسک ناسازگاری کاهش می‌یابد. وقتی دوربین، لنز، درایور و نرم‌افزار از اکوسیستم هماهنگ باشند، زمان توسعه و عیب‌یابی کمتر می‌شود.

دوم، کیفیت تصویر بهتر قابل پیش‌بینی است. چون تجهیزات برای کار با یکدیگر طراحی و تست شده‌اند.

سوم، پشتیبانی فنی و مستندات اهمیت زیادی دارد. در پروژه‌های B2B و زیرساختی، فقط خرید قطعه مهم نیست؛ توانایی توسعه، نگهداری، عیب‌یابی و مقیاس‌دهی سیستم هم اهمیت دارد.

چهارم، ابزارهای نرم‌افزاری مانند pylon به تیم فنی کمک می‌کنند سیستم را سریع‌تر راه‌اندازی و دقیق‌تر تنظیم کند.

پنجم، تنوع دوربین‌ها و رابط‌ها باعث می‌شود برای سناریوهای مختلف، از پلاک‌خوانی ساده تا رباتیک و بازرسی صنعتی، انتخاب مناسب وجود داشته باشد.

۲۱. راهنمای عملی انتخاب تجهیزات برای پروژه ترافیکی

برای انتخاب تجهیزات، باید از سؤال کاربرد شروع کرد، نه از مدل دوربین.

اگر هدف پلاک‌خوانی است، باید سرعت خودرو، فاصله، عرض مسیر، شرایط نوری، شب و روز، نوع پلاک، زاویه نصب و دقت OCR مشخص شود. سپس دوربین، لنز، نور و فیلتر انتخاب می‌شود.

اگر هدف شمارش خودرو و تحلیل تقاطع است، باید محدوده پوشش، ارتفاع نصب، تعداد خطوط، نقاط کور، رفتار عابران و نیاز real-time مشخص شود.

اگر هدف بازرسی ریل یا جاده است، باید رزولوشن سطحی، سرعت حرکت، نوع عیب، نورپردازی و حجم داده بررسی شود.

اگر هدف سیستم خودران یا رباتیک است، باید فاصله تشخیص، میدان دید، تأخیر، مقاومت در برابر لرزش، رابط ارتباطی و پردازنده مشخص شود.

در همه این موارد، منطق اصلی این است: مشخصات فنی باید از نیاز عملیاتی استخراج شود. رزولوشن بالا به‌تنهایی نشانه انتخاب درست نیست. گاهی دوربین کم‌رزولوشن‌تر با لنز و نور مناسب، عملکرد بهتری از دوربین گران‌تر با طراحی ضعیف دارد.

جمع‌بندی: دوربین، چشم شهر است؛ اما سیستم بینایی، عقل عملیاتی شهر

در حمل‌ونقل، ترافیک و شهر هوشمند، دوربین‌ها فقط ابزار تصویربرداری نیستند. آن‌ها نقطه شروع زنجیره‌ای هستند که واقعیت فیزیکی شهر را به داده، تحلیل و تصمیم تبدیل می‌کند.

دوربین وظیفه دریافت تصویر را دارد. سنسور کیفیت پایه را تعیین می‌کند. لنز مشخص می‌کند چه چیزی و با چه دقتی روی سنسور تشکیل شود. نورپردازی شرایط صحنه را کنترل می‌کند. فیلترها داده‌های مزاحم را حذف می‌کنند. کابل و رابط ارتباطی تصویر را منتقل می‌کنند. کارت اخذ تصویر پایداری و سرعت انتقال را تضمین می‌کند. نرم‌افزار دوربین کنترل و تنظیم را ممکن می‌سازد. الگوریتم و هوش مصنوعی از تصویر معنا استخراج می‌کنند.

در این میان، برندهایی مانند Basler به این دلیل اهمیت دارند که مسئله را فقط در سطح فروش دوربین نمی‌بینند، بلکه آن را به‌عنوان یک اکوسیستم بینایی ماشین نگاه می‌کنند: دوربین، لنز، نور، acquisition، نرم‌افزار و ابزار توسعه.

برای شهر هوشمند، این نگاه حیاتی است. شهری که فقط دوربین نصب می‌کند، لزوما هوشمند نیست. شهر زمانی هوشمند می‌شود که تصویر قابل اعتماد، تحلیل دقیق و تصمیم عملیاتی داشته باشد. و این تصمیم از طراحی درست زنجیره بینایی شروع می‌شود.

در نهایت، آینده حمل‌ونقل هوشمند متعلق به سیستم‌هایی است که بتوانند سریع‌تر ببینند، دقیق‌تر بفهمند و پایدارتر عمل کنند. دوربین‌ها و تجهیزات بینایی ماشین، زیرساخت اصلی این آینده هستند؛ زیرساختی که اگر درست طراحی شود، می‌تواند ترافیک را روان‌تر، جاده‌ها را ایمن‌تر، شهرها را کارآمدتر و مدیریت شهری را داده‌محورتر کند.