Computer Vision • Correzione prospettica • Correzione automatica delle deformazioni
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 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.
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.
Fasi del progetto
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.
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.
Conclusione del progetto
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.
Risultati
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
⭐ Recensioni dei clienti
