Earticle

Background: We developed a machine vision technology program that tracks patients’ realtime breathing and automatically analyzes their breathing patterns. Materials and Methods: To evaluate its potential for clinical application, the image tracking performance and accuracy of the program were analyzed using a respiratory motion phantom. Changes in the stability and regularity of breathing were observed in healthy adult volunteers according to whether the breathing pattern mirrored the breathing guidance. Results and Discussion: Displacement within a few millimeters was observed in real-time with a clear resolution, and the image tracking ability was excellent. This result was consistent even in the sections where breathing patterns changed rapidly. In addition, the respiratory gating method that reflected the individual breathing patterns improved breathing stability and regularity in all volunteers. Conclusion: The findings of this study suggest that this technology can be used to set the appropriate window and the range of internal target volume by reflecting the patient’s breathing pattern during radiotherapy planning. However, further studies in clinical populations are required to validate this technology.

Injection-molded products frequently exhibit localized surface defects such as weld lines, flow marks, scratches, bubbles, and burn marks due to variations in material flow, mold temperature, and cooling conditions. Conventional visual inspection is highly dependent on operator experience, while rule-based machine vision methods are limited under variations in lighting and surface texture. This study proposes a deep learning–based defect detection model using YOLOv8 combined with a novel Defect-Aware Augmentation technique designed to enhance robustness for small, local defect regions. The proposed augmentation pipeline includes geometric transformations, optical perturbations, local defect patch synthesis, and diffusion-based synthetic defect generation. Experiments were conducted on a custom dataset of 5,000 images (3,000 normal and 2,000 defective). Results show that the proposed model achieves significant improvements over baseline models, obtaining 95% precision, 90% recall, and 0.96 mAP@0.5, outperforming the default YOLOv8 model by 7%p in mAP. Ablation studies verify that defect-aware augmentation is the dominant factor contributing to the performance gain. The proposed system demonstrates high applicability for automated quality inspection in injection- molding production lines.

연구목적: 본 연구는 작업자 안전을 고려하고 제조기업의 생산성 향상, 품질 향상을 위해 디지털 트윈 기반의 AI 비전, 제조 실행 시스템, 위치 측위 기술을 활용한 지능형 제조공정 통합 모니터링 시스템을 개발하는데 목적이 있다. 연구방법: 제조공정 특성상 사출성형기 기반의 생산 작업을 고려하여 생산라 인 구조에 맞는 설계 및 적용을 통해 불량품 검출에 특화되도록 실시간 영상 기반의 AI 감지 기술을 적 용하였다. 연구결과: 제안된 방법을 통해 시스템 개발 및 적용하였고, 시스템 도입 전/후 생산 PPM 비교 하여 불량률 감소에 따른 생산성 향상을 확인하였다. 또한, 시스템 응답 속도 측정을 통해 현장 사고 발생 시 신속한 초기대응 및 상황전파가 가능한 것을 확인하였다. 결론: 본 연구의 시스템은 다양한 제조기업 이 제조공정 시스템 도입 시 의사결정을 지원하는 기초자료로 활용될 수 있을 것으로 기대된다.

Purpose: This study aims to enhance productivity in manufacturing companies while prioritizing worker safety and developing a digital twin-based AI vision to improve quality, creating manufacturing execution systems, and implementing an integrated monitoring system for intelligent manufacturing processes that leverages location positioning technologies. Method: Considering the characteristics of the manufacturing process, particularly for tasks involving injection molding machines, real-time video-based AI detection technology was applied to tailor its design and application to the production line structure, enhancing the specialized detection of defective products. Result: Using the proposed method, the system was developed and implemented, and a comparison of production PPM before and after its adoption demonstrated increased productivity due to reduced defect rates. Additionally, measurements of system response speed confirmed its ability to provide a swift initial response and rapidly disseminate information in the event of an on-site accident. Conclusion: The system developed in this study is expected to serve as a foundation for supporting decision-making in the implementation of manufacturing process systems across various companies.

본 연구는 트랜스미션에 들어가는 부품인 차동기어에 대한 자동 검사 장비를 개발하고자 하는 것이다. 본 기술개발 은 Micro Vision 자동 검사 장비와 마이크로레이저 자동 검사 장비를 사용하여 만들 것이다. 이는 작업자가 부주의하게 가공 한 제품을 전수검사 단계에서 불량률 0를 만들고자 한다. 본 연구를 통해 개발된 장비를 여러 분야 사업에 적용할 것이다. 포장회사, 너트 볼트 가공업체, 정밀 반도체 상단에 인쇄를 위한 업체, SMT 업체 등 다양한 분야에 비전검사 장비를 판매하고자 한다. 본 기술개발을 통해 불량률 0를 실현하면 모기업 으로부터 안정적 물량 확보, 나아가 제품 신뢰도를 바탕으로 수출을 할 수 있는 기반마련의 기회도 가능하다. 자동검사시스 템을 국내 자동차 부품 가공업체에 적용할 경우 우리나라 자동차의 신뢰도 또한 크게 상승 할 것으로 생각된다.

The purpose of this study is to develop an automatic inspection system for a part of the differential drive gear into the transmission. This technology will make using the microvision automatic test equipment and automatic test equipment microlaser. This is that the operator intends to make the defect rate 0 in the inspection stage of the product which has been carelessly processed. The equipment developed in this research project will be applied to many areas. Packaging companies, nut bolt processing company, precisely supplier for printing on top of the semiconductor, SMT, etc. The company wants to sell the vision inspection equipment for various applications. If the defective rate of 0 is achieved through this research project, it is also possible to secure a stable supply from the parent company, and to lay the foundations for exporting based on product reliability. When the automatic inspection system is applied to domestic automobile parts processing companies, the reliability of automobiles in Korea will be greatly increased.

컴퓨터 비전 기술은 인공지능의 한 분야로 인간의 눈의 기능을 기계가 수행 할 수 있도록 카메라로부터 영상 이미지 를 취득하고, 알고리즘을 통하여 분석하고 판별한 후 생산부품의 양품과 불량을 판별하는 부품 검사에 많이 적용되고 있다. 볼트 생산 시스템에서 생산되는 볼트 탭의 유무를 컴퓨터 비전 기술을 적용하여 자동으로 불량품을 선별하는 장치를 개발하 였다. 형상검사 방법으로는 라인 스캔방식으로 검사영역의 시작점과 끝점의 위치를 파악하여 높이를 측정하는 방법을 사용 하였으며, 볼트 탭의 유무를 판별하기 위한 방식으로는 원형 스캔방식으로 검사영역의 평균 밝기 값의 차이를 측정하여 유 사도를 구하는 방식을 사용하였다. 두 종류의 볼트 탭의 검사 성능실험에서 총 검사에 소요되는 시간은 분당 300개 검사가 가능하며, 완벽한 검사 정확도를 나타내어 생산라인에서 검사의 정확성과 효율성을 입증하였다.

Computer vision technology is a component inspection to obtain a video image from the camera to the machine to perform the capabilities of the human eye with a field of artificial intelligence, and then analyzed by the algorithm to determine to determine the good and bad of production parts It is widely applied. Shape inspection method was used as how to identify the location of the start point and the end point of the search range, measure the height to the line scan method, in such a manner as to determine the presence or absence of the bolt tabs average brightness of the inspection area in a circular scan type value And the degree of similarity was calculated. The total time it takes to test in the test performance tests of two types of bolts tab enables test 300 min, and demonstrated the accuracy and efficiency of the inspection on the production line represented a complete inspection accuracy.

The growing demands of sustainable, efficient, and welfare-conscious pig husbandry have necessitated the adoption of advanced technologies. Among these, RGB imaging and machine vision technology may offer a promising solution for early disease detection and proactive disease management in advanced pig husbandry practices. This review explores innovative applications for monitoring disease symptoms by assessing features that directly or indirectly indicate disease risk, as well as for tracking body weight and overall health. Machine vision and image processing algorithms enable for the real-time detection of subtle changes in pig appearance and behavior that may signify potential health issues. Key indicators include skin lesions, inflammation, ocular and nasal discharge, and deviations in posture and gait, each of which can be detected non-invasively using RGB cameras. Moreover, when integrated with thermal imaging, RGB systems can detect fever, a reliable indicator of infection, while behavioral monitoring systems can track abnormal posture, reduced activity, and altered feeding and drinking habits, which are often precursors to illness. The technology also facilitates the analysis of respiratory symptoms, such as coughing or sneezing (enabling early identification of respiratory diseases, one of the most significant challenges in pig farming), and the assessment of fecal consistency and color (providing valuable insights into digestive health). Early detection of disease or poor health supports proactive interventions, reducing mortality and improving treatment outcomes. Beyond direct symptom monitoring, RGB imaging and machine vision can indirectly assess disease risk by monitoring body weight, feeding behavior, and environmental factors such as overcrowding and temperature. However, further research is needed to refine the accuracy and robustness of algorithms in diverse farming environments. Ultimately, integrating RGB-based machine vision into existing farm management systems could provide continuous, automated surveillance, generating real-time alerts and actionable insights; these can support data-driven disease prevention strategies, reducing the need for mass medication and the development of antimicrobial resistance.

Background/Objectives: The Philippine government through the Department of Science and Technology (DOST) helps the micro, small, and medium enterprises (MSMEs) to support and sustain growth and address their needs on availing cost-effective solutions. Methods/Statistical analysis: Most of the MSMEs which apply clear bottles for their products use manual inspection. These are prone to human error that leads to poor product qualities and rejects. Findings: To address these problems, this study presents a cost-effective solution by a rule-based machine vision system for clear empty glass base inspection. A method on proper setup for the inspection is presented and validated through an in-line loop on a wedge conveyor machine prototype. A minimal setup time was achieved by experimenting different lighting techniques. Improvements/Applications: The use of back light illumination is suggested for good image processing quality with minimal cost. The implementation of a rule-based inspection in this setup results to a high speed of 9000-18000 bottles per hour (bph) with consistent repeatability and superior accuracy.

본 연구는 2017년 도입된 발광박테리아를 이용한 급성독성 시험법을 Luminometer 를 이용한 기존 시험법 보다 편리 하게 독성 평가 및 예측할 수 있는 기법을 제한하고자 한다. 개발하고자 하는 장치는 15oC의 암실에서 30분 동안 발광박 테리아의 발광도 변화를 사진 촬영 후 발광도를 감지하여 데이터로 저장하고 머신비전을 이용하여 독성도를 판단하여 예 측한다. 이를 위하여 중금속 3종류 Cu, Pb, Hg와 과불화합물 PFOS(Heptadecafluo rooctanesulfonic acid solution, ~40% in H2O(T))를 사용하였다. 디지털이미지 처리를 통한 생태독성 평가 결과는 기존의 Luminometer를 이용한 결과와 매우 유사하게 측정되었다. 4가지 독성물질에 대한 실험으로 일반화하기에는 다소 부족하지만 앞으로 여러물질에 대한 실험 을 통하여 비교적 간단하게 발광박테리아를 이용하여 생태독성을 측정할 수 있는 실용적인 장치를 개발할 수 있는 방법 을 제안하였다.

In this study, we propose a methodd to determine ecotoxicity more conveniently than conventional testing methods using luminometer for vibrio fischeri bioassay introduced in 2017. The device to be developed is to detect the luminous intensity of the luminescence bacteria in a dark room of 15oC for 30 minutes, and store them as data, and use machine vision, one of the artificial intelligence techniques, to determine and predict toxicity. For this purpose, three types of heavy metals, Cu, Pb and Hg, and perfluorinated compounds PFOS (Heptadecafluorooctaneulphonic acid solution, ~40% in (T)) were used. The results of ecological toxicity assessment through digital image processing were measured very similarly to those using conventional Luminometer. Although it is somewhat insufficient to generalize as an experiment on four toxic substances, it has been proposed that practical devices that can measure ecological toxicity using luminous bacteria can be developed relatively simply through experiments on various substances in the future.

다가오는 새로운 밀레니움의 세계는 양적으로든 질적으로든 지난 천년과는 완연히 다른 모습을 띠게 될 것이다. 우리의 조상들이 지금 우리에게 일어나고 있는 일들을 상상조차 할 수 없었듯이, 우리의 향후 세대에서는 우리로서 상상할 수도 없는 일들이 벌어지게 된다는 것이다. 사람들의 일상적인 삶 뿐만 아니라 우리와 같은 언어 서비스 제공자들의 직업 양태도 놀라운 변화를 겪게 될 것이다. 1907년에 살았던 사람들 중 누구도, 불과 백년 후에 전세계 체스게임에서 기계가 승자가 되고, 기계가 시를 쓰고, 그림을 그리며, 음악을 작곡하고 연주하며, 맹인들을 위해 큰소리로 글을 읽어주고, 청각장애자를 위해 말을 글로 바꾸어주며, 외국어 교육에 참여하고(computer- aided language learning: CALL), 번역을 지원하며 (computer-aided translation: CAT), 인간만이 할 수 있는 마지막 보루로 여겨져 왔던 통역분야에까지 (computer-aided interpretation: CAI) 진출하게 될 것이라고는 상상도 하지 못했을 것이다. 본 논문의 주 목적은 언어서비스 제공자(특히 통역사와 번역사)들에게 앞으로 그들의 업무 수행에 있어 컴퓨터 통신 기기들이 얼마나 중요한 역할을 담당하게 될 것인지에 대한 인식을 제고시키는데 있다. 이 시점에서 짚고 넘어갈 중요한 문제는 현재 사용되고 있는 기계 번역 도구들이 얼마나 정확하고 효율적으로 작동하는가, 그리고 그 한계점들은 어떻게 극복할 수 있는가 하는 것이다.

본 연구에서는 색도인식이 가능한 머신 비젼시스템을 설계 제작하고, 제작한 시스템을 이용하여 철스크랩에 혼합되어 있는 Cu 스크랩을 자동으로 분리하는 시험연구를 행하였다. 머신비젼시스템은 크게 측정부, 이송부 그리고 ejector로 구분되며, CCD카메라, 광원 및 frame grabber로 구성된 측정부에서 이메지 프로쎄싱 알고리즘에 의해 이송되어 오는 스크랩 표면의 색도를 인식하게 된다. 또한 그 인식결과에 따라 I/O interface가 구성된 콘트롤러에 의해 에어노즐을 작동하도록 하여 임의로 지정한 특정 표면색상의 스크랩만을 분리하도록 되어 있다. 본 시스템을 이용하여 철스크랩에 포함된 Cu스크랩의 선별실험을 수행한 결과, 스크랩 이송속도가 15 m/min.에서 90%이상의 선별효율을 나타내어, 향후 선별기능의 고속화가 실현될 경우 산업적으로 적용 가능성이 매우 높은 것으로 판단되었다.

In this study, a machine vision system using a color recognition method has been designed and developed to automatically sort out specified materials from a mixture, especially Cu and other non-ferrous metal scraps from a mixture of iron scraps. The system consists of a CCD camera, light sources, a frame grabber, conveying devices and an air-nozzle ejector, and is program-controlled by a image processing algorithms. The ejectors designed to be operated by an I/O interface communication with a hardware controller. In the functional tests of the system, its efficiency in the separation of Cu scraps from its mixture with Fe ones reaches to 90 % or more at a conveying speed of 15m/min, and thus the system is proven to be excellent in terms of the separating efficiency. Therefore, it is expected that the system can be commercialized in the industry of shredder makers if an automated sorting system of high speed is realized.

본 연구에서는 자율주행 로봇이 지하광산에서 도로 표지판을 인지하기 위해 사용될 수 있는 4종의 머신비전 알고리즘(컬러 패턴 매칭, 기하 매칭, 패턴 매칭, 형상 매칭)을 비교하였다. 실내실험을 통해 자율주행 로봇과 도로 표지판 사이의 거리와 각도 조건을 달리하면서 각각의 알고리즘의 표지판 인지 정확도를 평가하였다. 기하 매칭 알고리즘이 가장 높은 표지판 인지 정확도를 나타냈다. 추가적으로 조명의 여부와 상징(symbol) 변화에 따라 기하 매칭 알고리즘 도로 표지판 인지 정확도를 평가하였다. 기하 매칭 알고리즘은 조명 조건과 도로 표지판의 상징이 달라질 때도 안정적으로 작동하였다.

This study compared four types of machine vision algorithms (color pattern matching, geometric matching, pattern matching, shape matching) used by autonomous driving robots to recognize road signs in underground mines. Through an indoor experiment, the accuracy of sign recognition using each algorithm was evaluated while varying the distance and angle between the autonomous driving robot and the road sign. Consequently, the geometric matching algorithm showed the highest accuracy of sign recognition. Additionally, the accuracy of sign recognition obtained using this algorithm was evaluated according to the presence or absence of lighting and symbol changes. This algorithm could reliably recognize road signs even under different lighting conditions and symbols.

의료기기에 레이저로 각인된 DataMatrix 코드를 머신비전 기반 인공지능 모델로 자동 인식하고, 이를 의료 통합정보시스템에 연계하는 절차를 구현하였다. YOLOv11 모델과 COCO 및 커스텀 데이터셋을 활용해 인 식률을 99.5%까지 향상했으며, 광학계를 통해 100~200개의 기기를 동시에 인식할 수 있도록 설계하였다. 제안된 시스템은 의료기기 관리의 효율성과 데이터 자동화를 실현하였으며, 향후에는 다양한 환경에서의 인식 성능 향상 과 실시간 추적 기능 고도화를 목표로 한다.

We implemented a procedure to automatically recognize Data Matrix codes laser-engraved on medical devices with a machine vision-based artificial intelligence model and register them in a medical integrated information system. By utilizing YOLOv11, COCO, and custom datasets, the recognition rate was improved to 99.5%, and the system was designed to recognize 100 to 200 medical devices simultaneously through an optical system. This system has realized efficiency and data automation in medical device management, and in the future, we aim to improve performance and strengthen real-time tracking for stable recognition in various environments.

본 논문은 딥러닝을 기반으로하여 SMT 공정 중 스크린 프린터를 통과한 PCB를 확인하여 솔더크림이 지정 된 위치에 일정한 높이로 도포되지 않은 경우 불량 PCB로 간주하고 해당 PCB의 불량 위치를 경계상자로 설정하 도록 하는 딥러닝 적용 불량검출 AI엔진 시스템 설계 및 개발에 관한 연구이다. 솔더크림 도포 불량 유형은 자주 발생되는 7가지로 구성하였으며 실증 업체로부터 불량 PCB를 수집하여 촬영하고 데이터셋을 준비하였다. 학습에 사용된 데이터셋은 Train, Validation, Test의 그룹으로 나누어 RT-DETR 모델을 기반으로 훈련시켰다. 연구 결 과 목표로 삼은 7개 유형의 결함이 성공적으로 탐지됨을 확인할 수 있었다. 이후 추가적인 현장 실증 및 고도화를 통하여 SMT공정 중 스크린 프린팅 결과물을 대상으로 실시간 불량을 식별해 내는 AI머신비전 시스템으로써 역할 을 크게 할 것으로 기대된다.

This paper is about the design and development of a defect detection AI engine system based on deep learning that checks a PCB that passed through a screen printer during the SMT process, and if the solder cream is not applied to a specified location and at a certain height, it is considered a defective PCB and sets the defective location of the PCB as a bounding box. The types of solder cream application defects consisted of seven frequently occurring types, and defective PCBs were collected from a verification company, photographed, and a dataset was prepared. The dataset used for learning was divided into groups of Train, Validation, and Test and trained based on the RT-DETR model. As a result of the study, it was confirmed that the seven types of defects targeted were successfully detected. In the future, through field verification and advancement, it is expected to play a significant role as an AI machine vision system that identifies defects in real time for screen printing results during the SMT process.

본 논문은 의료영상시스템, 공장자동화 시스템에서 핵심기술인 정확한 검사와 계측을 위하여 보다 선명하고 안정정인 환경을 제공하기 위한 조명으로 고휘도 LED를 이용한 조명광원의 제어기를 개발하였다. 고휘도 LED 전용 드라이버를 장착하여 정전류 방식으로 안정된 전원을 공급하도록 설계하고, 32비트 ARM 프로세서 코어를 사용하여 화상처리 시 필수적인 요소인 광량을 256단계로 나누어 리모트 컨트롤 및 외부 인터페이스가 가능하도록 하여 볼륨 의 저항 값 오차로 인하여 발생되는 밝기 값의 부정확을 방지하고 디지털화함으로써 빛의 재현성을 개선하였다. 아나 로그 전원에 비하여 조광 범위가 넓고 낮은 레벨에서도 조광이 가능하도록 설계 하였으며 또한 RS-485 통신기능을 추가하여 외부장치로부터 데이터를 받아 사용자가 광량조절 및 ON/OFF 제어가 가능하도록 개발 하였다.

This paper is to introduce a lighting source controller using high brightness LED to create a clear and reliable condition for an accurate measurement and testing, which is a core technology in clinical image system and mechanical automation system. This controller is designed to supply a stable power in a constant-current system by installing a high brightness LED driver, and to improve the reproducibility of brightness by using 32-bit ARM processor core, dividing brightness quantity into 256 levels, making the remote control and the external interface possible, and preventing and digitizing the brightness inaccuracy caused by errors of resistance values. This controller enables the lighting range to be wide and possible in a low lighting level compared to analog, adds the RS-485 communication function, and makes it for the users to control the on-off function and the dimming level by receiving date from an external device.

본 논문은 머신비전시스템에서 정확한 이미지 획득을 위한 방법을 제안한다. 각종 렌즈에서 요구되는 가장 중요한 기능으로는 실물과 동일한 고품질의 결상을 구현하는 광학적 역할이다. 그러나 머신비전시스템의 입력부에서는 렌즈의 수차로 인하여 왜곡현상이 발생한다. 이러한 문제를 해결하기 위해 실세계 좌표계와 영상 좌표계 간의 변환 관계를 정의해주는 매핑 기능으로, 행렬연산을 통하여 두 좌표간의 거리를 계산하여 정확한 위치를 지정하게 된다. 레이저 정밀 가공작업에서도 Galvanometer를 사용하면 비구면 초점 렌즈에 의하여 발생되고 있는 렌즈 수차를 보정하여야 가공 오차를 개선 할 수 있다. 비구면 렌즈의 수차는 2차원 곡선의 형태를 가지고 있으나, 기존의 렌즈 보정 방법인 선형방법은 매우 많은 점들을 검사하여 보정시간이 많이 소요되는 문제점이 있었다. 가공장비에서 렌즈의 수차로 인하여 발생하는 가공오차를 감소시키기 위하여 Bilinear interpolation 기법을 적용하는 방법을 제안하였다. 제안한 방법은 기존 선형방법과 비교하여 위치 오차의 평균값과 표준편차가 향상되었음 실험을 통하여 입증하였으며 실제 레이저 응용업무에 적용하고 있다.

We propose a method for accurate image acquisition in a machine vision system in the present study. The most important feature is required by the various lenses to implement real and of the same high quality image-forming optical role. The input of the machine vision system, however, is generated due to the aberration of the lens distortion. Transformation defines the relationship between the real-world coordinate system and the image coordinate system to solve these problems, a mapping function that matrix operations by calculating the distance between two coordinates to specify the exact location. Tolerance Focus Lens caused by the lens aberration correction processing to Galvanometer laser precision machining operations can be improved. Aberration of the aspheric lens has a two-dimensional shape of the curve, but the existing lens correction to linear time-consuming calibration methods by examining a large number of points the problem. How to apply the Bilinear interpolation is proposed in order to reduce the machining error that occurs due to the aberration of the lens processing equipment.

본 논문은 AI와 시각, 컴퓨터비전과 이미지의 관계를 비평적 관점에서 논하고 있다. 초대형 IT기업들은 빠짐없이 AI의 기계학습을 위한 컴퓨터비전의 개발에 앞장서면서 이미지의 입력을 통해 세상의 정보를 데이터베이스의 형태로 집적하고 있다. 컴퓨터비전의 분야는 ‘비전’이라는 단어가 가리키듯 인간의 시각과 컴퓨터의 시각데이터집적과정을 비유하지만, 실제로는 기계적이고 알고리즘화된 인간의 시각과는 전혀 별개의 성질을 갖는다. 기계에 정보를 제공하는 기계학습을 위한 이미지의 모음인 이미지 데이터셋은 AI의 성능개발에 핵심적인데, 온라인상의 이미지가 무작위로 사용되거나 학습과정에서 사회적 차별이나 편견이 그대로 반영될 가능성이 높은 것으로 경계가 필요하다. AI와 예술의 접목에서는 주로 생성적 적대 신경망을 사용하여 기존의 미술품을 학습한 후 이와 유사하지만 다른 이미지를 만들어내는 방식이 다용되고 있다. 컴퓨터비전이 시각과 차이가 있듯, AI 미술이 기존 예술의 일부로 흡수되기 위해서는 새로운 기준들이 필요할 것이다.

This paper is a critical examination of the relationship between artificial intelligence, computer vision, and images. The IT industry has been building up massive repositories of image data to be used for machine learning and computer vision. Although the term computer “vision” suggests it assimilates human vision, they differ fundamentally because computer vision is an algorithmic process. While the collection of image datasets is crucial for enhancement of AI’s creative capability, the risk of uncontrolled mass collection of image data and their prejudicial or discriminatory use for machine learning has become highly problematic. Often in AI art, images are artificially generated by Generative Adversarial Networks (GAN) that are trained with images of historic artworks. As computer vision differs from human vision, AI-generated artistic images cannot be evaluated using conventional criteria. The formulation of new criteria would be essential if the new AI art were to be accepted into the creative art at large.

The information extraction process of medical image, for example heart image from specific camera, is full of complexities and noises. As a result, cost spent on such processing like time and resources is high, especially for large and complex amount of information. This paper uses machine vision-based approach to address the challenges. This approach primarily includes four stages with different algorithms to deal with the medical heart images. Firstly, smoothing algorithm is used to reduce the noise. Secondly, filtering algorithm is used for image analysis so as to identify the target area. Thirdly, further enhancement algorithm is used to figure out the image features within the target area, finding out the basic outline of the image. Eventually, reduction algorithm is utilized to convert the original images into more smooth and precise pictures. Experimental results show that machine vision-based medical image processing algorithm can accurately extract the relevant data and achieve better results, comparing with the traditional image processing method.

Discovery of investment focuses for ensuing handling is one of the fundamental parts of machine vision. Object order of pictures vigorously depends on investment point identification from which nearby picture descriptors are registered for picture matching. Since investment focuses are focused around luminance, past methodologies generally overlooked the color viewpoint. Later an approach that uses saliency-based peculiarity determination improved by a primary part dissection based scale choice strategy is created. It is utilized to lessen the affectability to changing imaging conditions, and hence it is a light-invariant investment point's location framework. Utilization of color expands the uniqueness of investment focuses. In the setting of item distinguishment, the human observation framework is regularly pulled in by contrasts between parts of pictures and by movement or moving articles. In this manner, in the feature indexing system, investment focuses give more helpful data when contrasted with static pictures. So we propose to amplify the above methodology for element feature streams utilizing Space-Time Interest Points (Stips) that uses a calculation for scale adaption of spatio-worldly investment focuses. STIP distinguishes moving questions in features and describes some particular changes in the development of these articles. A handy execution of the proposed framework accepts our case to help element streams and further it could be utilized as a part of uses, for example, Motion Tracking, Entity Detection and Naming applications.