Fotografie originali
Lotti di cartoline con inclinazioni, bordi curvi, ombre e riflessi, provenienti da molte fonti diverse.
Computer Vision
Immagine illustrativaIL PROGETTO IN DETTAGLIO
Contesto e obiettivo.
Il progetto realizza un sistema AI completo che rileva automaticamente le cartoline nelle fotografie originali, corregge le distorsioni geometriche e applica reti neurali per raddrizzare curve e bordi irregolari, senza utilizzare Photoshop e senza ritagliare o rimuovere parti dell’immagine. Il sistema finale supera il 97% di precisione: 97 immagini su 100 non richiedono alcun intervento manuale. Per grandi lotti, il tempo di elaborazione si riduce da settimane a ore. Lo strumento è entrato nel flusso produttivo interno del cliente e, grazie alle prestazioni e all’affidabilità, ha portato a diversi progetti successivi.
Il problema da risolvere.
Il cliente doveva elaborare lotti molto grandi di fotografie di cartoline, spesso oltre diecimila alla volta. Ogni immagine richiedeva correzione prospettica manuale, raddrizzamento dei bordi mediante deformazioni e pulizia visiva in Photoshop. Le foto provenivano da molte fonti diverse e presentavano spesso sfocatura, inclinazione, ombre, riflessi e illuminazione irregolare, rendendo la correzione manuale lenta e faticosa.
Un tentativo precedente basato solo su OpenCV aveva fallito nella maggior parte dei casi, con un tasso di errore del 77%. Il cliente richiedeva una soluzione completamente automatizzata e affidabile, capace di gestire le distorsioni reali con precisione professionale.
Come ho affrontato il progetto.
Ho sviluppato un sistema AI completamente automatizzato che individua la cartolina in ogni foto, corregge le distorsioni prospettiche e applica una correzione con reti neurali per raddrizzare bordi curvi o irregolari senza ritagliare alcun contenuto. Il modello è stato addestrato su oltre diecimila immagini annotate manualmente e perfezionato in più cicli di addestramento su GPU A100 e H100 per ottenere robustezza adatta alla produzione.
Lo strumento finale funziona come applicazione desktop autonoma, con un’interfaccia semplice che elabora intere cartelle in una sola operazione e supera il 97% di precisione su nuove immagini del cliente mai viste durante l’addestramento.
IL FUNZIONAMENTO
Dai dati al risultato.
Rilevamento e correzione
Il modello individua la cartolina; il motore geometrico e neurale corregge prospettiva e deformazioni preservando il contenuto.
Cartelle pronte all’uso
L’applicazione desktop elabora i lotti e separa gli input ambigui o con più cartoline per una revisione dedicata.
Schema descrittivo del flusso di lavoro del progetto.
03 / SVILUPPO
Le fasi del progetto.
2 fasi, dalla preparazione iniziale agli strumenti da consegnare.
01FASE
Creazione del dataset e addestramento del modello
La prima fase si è concentrata sulla creazione di un dataset di alta qualità, annotando manualmente oltre diecimila immagini di cartoline. Dopo il bilanciamento e la pulizia del dataset, ho addestrato diverse versioni di YOLOv11 su GPU H100. Questa fase ha incluso anche la generazione di maschere e forme di delimitazione precise, utilizzate poi dal modulo di correzione delle deformazioni.
02FASE
Motore di correzione delle deformazioni e applicazione autonoma
Nella seconda fase ho sviluppato il motore di correzione con reti neurali, capace di raddrizzare bordi curvi o irregolari preservando il 100% del contenuto della cartolina. La correzione prospettica è stata completamente automatizzata e le logiche di deformazione sono state perfezionate per gestire illuminazione difficile e variazioni geometriche. Ho quindi integrato l’intera pipeline in un’applicazione desktop autonoma. Un meccanismo di scarto isola gli input ambigui o contenenti più cartoline. La consegna finale è uno strumento pronto per la produzione, utilizzato direttamente nel flusso di lavoro del cliente.
04 / RISULTATI E CONSEGNA
Il risultato del lavoro.
Il sistema ha prodotto risultati puliti e rettangolari in oltre il 97% dei casi, senza necessità di correzioni manuali per quasi tutte le immagini. Il tasso di scarto è rimasto sotto il 3%, rispettando il riferimento del cliente, e il tempo complessivo di elaborazione dei grandi lotti è sceso da diverse settimane a pochi minuti. Poiché l’intero flusso è automatizzato e non richiede Photoshop in alcuna fase, il cliente ha potuto adottare subito lo strumento in produzione e ha successivamente commissionato altri progetti AI sulla base delle sue prestazioni.
- Eliminazione del lavoro manuale in Photoshop
- Riduzione dei tempi operativi del 99%
- Soluzione AI scalabile utilizzata su più lotti
- Possibilità di elaborare archivi di cartoline su scala industriale
Le prestazioni riportate descrivono i risultati indicati nella scheda originale e i dati di quel progetto. Accuratezza e tempi di elaborazione dipendono da dataset, hardware e condizioni di test.
ALTRI CASI STUDIO
Progetti nello stesso ambito.
Computer Vision
Immagine illustrativaPochi mslatenza di risposta nei test
Un robot che insegue un fascio di luce in pochi millisecondi
Visione robotica: fasci di luce e controllo del movimento
Computer Vision
Immagine illustrativaOperativosistema in uso presso il cliente
Videosorveglianza che segnala i movimenti sospetti in tempo reale
Videosorveglianza AI per supermercati
LA COLLABORAZIONE
Recensioni e feedback.
IL PROSSIMO PROGETTOParliamo del tuo
Parliamo del tuo progettoParliamo del tuo
progetto.
Descrivimi cosa vuoi ottenere e quali dati hai a disposizione. La prima call di 30 minuti è gratuita.