CASE STUDY · COMPUTER VISION · T0 / T1
OVG: computer vision con AI per analizzare immagini e prendere decisioni verificabili
Un flusso che confronta due acquisizioni nel tempo, corregge il disallineamento e affida all’AI l’interpretazione di evidenze già calcolate.
Il problema
Confrontare due immagini non significa semplicemente sovrapporle. Cambi di prospettiva, posizione e illuminazione possono sembrare variazioni dell’oggetto. Prima di interpretare, serve separare la differenza osservata dall’errore di acquisizione.
La pipeline OVG
OVG, Optical Verification Grid, lavora su una coppia T0/T1. Il browser calcola marker, omografia e differenza RGB relativa; il riallineamento rende confrontabili le acquisizioni e la heatmap evidenzia le regioni più variate.
La demo mostra questo percorso in due contesti: Heritage, per la documentazione di opere e superfici, e Industrial, per il controllo qualità di componenti e materiali.
Cosa viene calcolato prima dell’AI
- La posizione dei marker presenti in T0 e T1.
- L’errore geometrico prima e dopo il riallineamento.
- La percentuale di pixel variati e la differenza media RGB.
- Le regioni più variate nella griglia di confronto.
Il ruolo dell’interpretazione multimodale
L’AI non decide al posto del confronto ottico e non riceve un’immagine senza contesto. Interpreta un report di evidenze già prodotto dal calcolo deterministico, con limiti espliciti: OVG lavora su differenze relative e non presenta un DeltaE certificato quando il target non è stato caratterizzato spettrofotometricamente.
Il mio contributo
Ho progettato il confronto T0/T1, il riallineamento prospettico, la visualizzazione delle differenze e i due contesti applicativi. Il valore del prototipo è rendere visibile il percorso che porta dall’immagine alla decisione, mantenendo distinguibili misura, interpretazione e limite.