Naujosiose technologijose labai svarbią vietą užima vaizdo atpažinimo ir apdorojimo procesai. Didelę visos išorinės informacijos dalį žmogus gauna akimis, todėl akivaizdu, kad vaizdo atpažinimo technologijos elektronikoje bus integruojamos labai plačiai. Elektronikos srities moksliniai tyrimai, neuroninių tinklų programavimas, vaizdo atpažinimo algoritmai ir viso to panaudojimas įrenginiams automatizuoti – perspektyvios žinios, įgyjamos pasirinkus elektronikos ir telekomunikacijų technologijų studijas Vilniaus universiteto Fizikos fakultete.

Vaizdo atpažinimo ir apdorojimo technologijų taikymo sritis yra gana plati, pradedant saugumo įranga, baigiant autonominiais automobiliais. Vaizdo apdorojimas ir atpažinimas reikalauja gana didelės skaičiavimo spartos procesorių ir didelės darbinės atminties pralaidos, nes nesuspausta vaizdo informacija yra saugoma atskirų kadrų matricose.

Šiuolaikinėse inovacijų technologijose panaudojama vis daugiau dirbtinio intelekto elementų. Juo domisi daugelis medicininės įrangos gamintojų, saugumo ir žvalgybos tarnybos, komercinės gamyklos ir daugelis kitų. Dirbtinis intelektas – mašinos gebėjimas priimti sprendimus remiantis dideliu kiekiu iš anksto gautų duomenų ir juos panaudoti savarankiškai sprendžiant ateities problemas, o ne tik vykdyti iš anksto programuotojo parašytas komandas. Vis dėlto sprendimų ir mokymosi algoritmai yra jau apibrėžti žmogaus ir patys negali evoliucionuoti. Tarp mokslininkų gana seniai vyksta diskusijos, ar mašinos galės ateityje „galvoti pačios“.

Vaizdo atpažinimo algoritmams testuoti Taikomosios elektrodinamikos ir telekomunikacijų instituto M2M laboratorijoje, kurioje studentams suteikiama galimybė atlikti kursinius ir baigiamuosius darbus su aktyviai tyrimus vykdančiais mokslininkais, buvo sukonstruotas mechaninis važiuoklės maketas. Jis skirtas dirbtinio intelekto ir vaizdo atpažinimo programų, kurios yra kuriamos instituto studentų, tyrimams ir testavimams. Be to, esant didelei autonominių įrenginių paklausai, maketą galima panaudoti ir įrenginių automatizavimo algoritmams kurti.

Maketo pagrindą sudaro UDOO BOLT V3 minikompiuteris. Automatizuota platforma vaizdo atpažinimui ir dirbtinio intelekto skaičiavimams naudoja AMD Ryzen V1202b procesorių, kurio taktinis dažnis gali siekti iki 3,2 GHz, o darbinė atmintis – 8 GB. Sistema turi ir grafinę posistemę AMD Radeon Vega 3. Komunikacijai su išoriniais mechaniniais komponentais yra panaudotas į minikompiuterį integruotas Arduino Leonardo mikrovaldiklis ir išorinis Adafruit PCA9685 PWM išplėtimo modulis.

Duomenims, programoms ir operacinei sistemai (OS) saugoti skirti du NVME SSD diskai. Sistema palaiko Windows 10 ir Linux OS, mobilioji platforma yra aprūpinta ir Wifi bei Bluetooth moduliais. Važiuoklės maketas duomenims išvesti ir programuoti turi du ekranus: pagrindinis – 800×480 raiškos LCD ekranas, antrasis – OLED technologijos 128×32 raiškos ekranas. Esant poreikiui, per USB-C arba HDMI jungtis galima prijungti dar kelis papildomus stacionarius ekranus. Platforma turi 6 Ah talpos akumuliatorių, kurio užtenka platformai veikti bent 30 minučių.

Vaizdui atpažinti yra naudojami ultragarso jutikliai ir kamera, galinti sukiotis horizontaliai ir vertikaliai 180 laipsnių kampu. Platforma naudoja keturis įvairiakrypčius ratus „Omnidirectional Mecanum Wheels“, taigi gali judėti visomis kryptimis nekeisdama ratų padėties ir jų pasukimo kampo. Platformos korpusą ir pagrindą 3D spausdintuvu M2M laboratorijoje išspausdino doktorantas Albertas Cesiulis, kuris dar būdamas studentas susidomėjo šioje laboratorijoje atliekamais projektais, todėl, savo bakalauro ir magistrantūros studijų baigiamuosius darbus atlikęs M2M laboratorijoje, įstojo į doktorantūrą ir toliau kartu su studentais sėkmingai dirba dirbtinio intelekto srityje ir kuria vaizdo atpažinimo ir apdorojimo sistemas.