Mashinani ko'rish

Vikipediya, ochiq ensiklopediya
Navigatsiya qismiga oʻtish Qidirish qismiga oʻtish

Mashinani ko'rish (MV) - bu odatda sanoatda avtomatik tekshirish, jarayonni boshqarish va robotni boshqarish kabi ilovalar uchun tasvirga asoslangan avtomatik tekshirish va tahlilni taʼminlash uchun ishlatiladigan texnologiya va usullar. Mashinani ko'rish ko'plab texnologiyalar, dasturiy taʼminot va apparat mahsulotlari, integratsiyalashgan tizimlar, harakatlar, usullar va tajribalarni anglatadi. Mashinani ko'rishni tizim muhandisligi intizomi sifatida kompyuter fanining bir turi bo'lgan kompyuter ko'rishdan farqli deb hisoblash mumkin. U mavjud texnologiyalarni yangi usullar bilan birlashtirishga va ularni haqiqiy dunyo muammolarini hal qilish uchun qo'llashga harakat qiladi. Bu atama sanoat avtomatizatsiyasi muhitida ushbu funktsiyalar uchun keng tarqalgan, ammo xavfsizlik va transport vositalarini boshqarish kabi boshqa muhitlarda ham ushbu funktsiyalar uchun ishlatiladi.

Mashinani ko'rishning umumiy jarayoni talablar va loyihaning tafsilotlarini rejalashtirishni va keyin yechimni yaratishni o'z ichiga oladi. Ishlash vaqtida jarayon tasvirni olishdan boshlanadi, so'ngra tasvirni avtomatlashtirilgan tahlil qilish va kerakli maʼlumotlarni olish bilan boshlanadi.

Ta'rif[tahrir | manbasini tahrirlash]

"Mashinani ko'rish" atamasining taʼriflari turlicha bo'ladi, lekin ularning barchasi tasvirni qayta ishlashdan farqli o'laroq, avtomatlashtirilgan asosda tasvirdan maʼlumot olish uchun ishlatiladigan texnologiya va usullarni o'z ichiga oladi, bu erda chiqish boshqa tasvirdir. Olingan maʼlumot oddiy yaxshi qism/yomon qism signali yoki tasvirdagi har bir obʼektning identifikatori, joylashuvi va yo'nalishi kabi murakkab maʼlumotlar to'plami bo'lishi mumkin. Maʼlumotlardan sanoatda avtomatik tekshirish, robot va jarayonni boshqarish, xavfsizlik monitoringi va transport vositalarini boshqarish kabi ilovalar uchun foydalanish mumkin.[1][2][3] Bu soha juda koʻp sonli texnologiyalar, dasturiy taʼminot va apparat mahsulotlari, integratsiyalashgan tizimlar, harakatlar, usullar va tajribalarni oʻz ichiga oladi.[3][4] Mashinani ko'rish - bu sanoat avtomatizatsiyasi ilovalarida ushbu funktsiyalar uchun ishlatiladigan deyarli yagona atama; Bu atama xavfsizlik va transport vositalarini boshqarish kabi boshqa muhitlarda bu funksiyalar uchun kamroq universaldir. Mashinani ko'rishni tizim muhandisligi intizomi sifatida asosiy kompyuter fanining shakli bo'lgan kompyuter ko'rishdan farqli deb hisoblash mumkin; Mashinani ko'rish mavjud texnologiyalarni yangi usullar bilan birlashtirishga va ularni sanoat avtomatlashtirish va shunga o'xshash qo'llash sohalari talablariga javob beradigan tarzda real dunyo muammolarini hal qilish uchun qo'llashga harakat qiladi.[3][5] Bu atama kengroq maʼnoda ham qo'llaniladi. Avtomatlashtirilgan tasvirlash assotsiatsiyasi va Yevropa mashina ko'rish assotsiatsiyasi kabi savdo ko'rgazmalari va savdo guruhlari tomonidan. Ushbu kengroq taʼrif, shuningdek, tasvirni qayta ishlash bilan bog'liq bo'lgan mahsulotlar va ilovalarni ham o'z ichiga oladi.[4] Mashinada koʻrish uchun asosiy maqsadlar avtomatik tekshirish va sanoat robot/jarayon yoʻriqnomasidir.[6][7][8]  Mashina koʻrish lugʻatiga qarang.

Tasvirga asoslangan avtomatik tekshirish va saralash[tahrir | manbasini tahrirlash]

Mashinada ko'rish uchun asosiy maqsadlar tasvirga asoslangan avtomatik tekshirish va saralash va robotni boshqarishdir.;[6][7]  bu bo'limda birinchisi "avtomatik tekshirish" deb qisqartirilgan. Umumiy jarayon talablar va loyihaning tafsilotlarini rejalashtirishni va keyin yechimni yaratishni o'z ichiga oladi.[9][10] Ushbu bo'limda eritmaning ishlashi paytida yuzaga keladigan texnik jarayon tasvirlangan.

Ishlash usullari va ketma-ketligi[tahrir | manbasini tahrirlash]

Avtomatik tekshirish ketma-ketligidagi birinchi qadam, odatda, keyingi ishlov berish uchun zarur bo'lgan farqlashni taʼminlash uchun mo'ljallangan kameralar, linzalar va yorug'likdan foydalangan holda tasvirni olishdir.[11][12] MV dasturiy paketlari va ularda ishlab chiqilgan dasturlar kerakli maʼlumotlarni olish uchun turli xil raqamli tasvirni qayta ishlash usullarini qo'llaydi va ko'pincha olingan maʼlumotlarga asoslanib qarorlar qabul qiladi (masalan, o'tish / muvaffaqiyatsiz).[13]

Uskunalar[tahrir | manbasini tahrirlash]

Avtomatik tekshirish tizimining komponentlari odatda yoritish, kamera yoki boshqa tasvir qurilmasi, protsessor, dasturiy taʼminot va chiqish qurilmalarini oʻz ichiga oladi.[7]

Tasvirlash[tahrir | manbasini tahrirlash]

Tasvirga olish qurilmasi (masalan, kamera) asosiy tasvirni qayta ishlash blokidan alohida boʻlishi yoki u bilan birlashtirilishi mumkin, bu holda bu kombinatsiya odatda aqlli kamera yoki aqlli sensor deb ataladi.[14][15] Toʻliq ishlov berish funksiyasini kamera bilan bir xil korpusga kiritish odatda oʻrnatilgan ishlov berish deb ataladi.[16] Ajratilganda, ulanish analog yoki standartlashtirilgan raqamli interfeys (Camera Link, CoaXPress) yordamida ixtisoslashtirilgan oraliq apparat, moslashtirilgan ishlov berish moslamasi yoki kompyuter ichidagi ramka tutqichiga o'rnatilishi mumkin. MV ilovalari, shuningdek, FireWire, USB yoki Gigabit Ethernetinterfeyslari orqali kompyuterga to'g'ridan-to'g'ri ulanishga qodir (framegrabbersiz) raqamli kameralardan foydalanadi.[17]

Anʼanaviy (2D ko'rinadigan yorug'lik) tasvirlash MVda eng ko'p qo'llanilsa-da, muqobil variantlarga multispektral tasvirlash, giperspektral tasvirlash, turli infraqizil diapazonlarni tasvirlash,[18] chiziqli skanerlash, yuzalarni 3D tasvirlash va rentgen nurlari tasvirlash kiradi.[6] MV 2D koʻrinadigan yorugʻlik tasviridagi asosiy farqlar monoxromatik va rang, kadr tezligi, piksellar soni va tasvirlash jarayoni butun tasvir boʻylab bir vaqtning oʻzida boʻladimi yoki yoʻqmi, bu uni harakatlanuvchi jarayonlar uchun mos qiladi.

Mashina ko'rish ilovalarining aksariyati ikki o'lchovli tasvir yordamida hal qilingan bo'lsa-da, 3D tasvirlashdan foydalangan holda mashinani ko'rish ilovalari sanoatda o'sib borayotgan joy hisoblanadi.[19][20] 3D tasvirlash uchun eng ko'p qo'llaniladigan usul skanerlash asosidagi triangulyatsiya bo'lib, u tasvirlash jarayonida mahsulot yoki tasvirning harakatini ishlatadi. Lazer obʼektning sirtiga proyeksiyalanadi. Mashinada ko'rishda bu ish qismini harakatlantirish yoki kamera va lazerli tasvir tizimini harakatlantirish orqali skanerlash harakati bilan amalga oshiriladi. Chiziq kamera tomonidan boshqa burchakdan ko'riladi; chiziqning og'ishi shakldagi o'zgarishlarni ifodalaydi. Bir nechta skanerdan olingan chiziqlar chuqurlik xaritasi yoki nuqta bulutida yig'iladi.[21] Stereoskopik ko'rish bir juft kameraning ikkala ko'rinishida mavjud bo'lgan noyob xususiyatlarni o'z ichiga olgan maxsus holatlarda qo'llaniladi.[21] Mashinada ko'rish uchun ishlatiladigan boshqa 3D usullari parvoz vaqti va tarmoqqa asoslangan.[19][21] Usullardan biri 2012-yilda Microsoft Kinect tizimi tomonidan qoʻllanilgan psevdor tasodifiy tuzilgan yorugʻlik tizimidan foydalanadigan tarmoq massivlariga asoslangan tizimlardir.[22]

Tasvirga ishlov berish[tahrir | manbasini tahrirlash]

Tasvir olingandan keyin unga ishlov beriladi. Markaziy protsessor funksiyalari odatda protsessor, GPU, FPGA yoki ularning kombinatsiyasi tomonidan amalga oshiriladi.[16] Chuqur o'rganish va xulosalar qayta ishlashga yuqori talablarni qo'yadi.[23] Qayta ishlashning bir necha bosqichlari odatda kerakli natija bilan tugaydigan ketma-ketlikda qo'llaniladi. Oddiy ketma-ketlik tasvirni o'zgartiruvchi filtrlar, so'ngra obʼektlarni ajratib olish, so'ngra ushbu obʼektlardan maʼlumotlarni ajratib olish (masalan, o'lchovlar, kodlarni o'qish), so'ngra ushbu maʼlumotlarni uzatish yoki ularni maqsadli qiymatlar bilan taqqoslash kabi vositalardan boshlanishi mumkin. "o'tish / muvaffaqiyatsiz" natijalarini yaratish va muloqot qilish. Mashina ko'rish tasvirini qayta ishlash usullari quyidagilarni o'z ichiga oladi;

  • Tikish/Roʻyxatga olish: qoʻshni 2D yoki 3D tasvirlarni birlashtirish.
  • Filtrlash (masalan, morfologik filtrlash)[24]
  • Eshik chegarasi: chegaralash quyidagi bosqichlar uchun foydali bo'lgan kulrang qiymatni belgilash yoki aniqlashdan boshlanadi. Qiymat keyinchalik tasvirning qismlarini ajratish uchun, baʼzan esa tasvirning har bir qismini kulrang rangdagi qiymatdan past yoki yuqori boʻlishiga qarab oddiygina oq-qora rangga aylantirish uchun ishlatiladi.[24]
  • Pikselni hisoblash: ochiq yoki quyuq piksellar sonini hisoblaydi
  • Segmentatsiya: Raqamli tasvirni soddalashtirish va/yoki tasvirni yanada mazmunli va tahlil qilish osonroq boʻlgan narsaga oʻzgartirish uchun bir nechta segmentlarga boʻlish.[25]
  • Chetni aniqlash: obʼekt qirralarini topish[24]
  • Rang tahlili: Rang yordamida qismlar, mahsulotlar va narsalarni aniqlang, rangdan sifatni baholang va rang yordamida xususiyatlarni ajratib oling.[6]
  • Blobni aniqlash va chiqarish: tasvirni tasvir belgilari sifatida ulangan piksellarning diskret bloblari (masalan, kulrang obʼektdagi qora tuynuk) mavjudligini tekshirish.[24]
  • Neyron tarmoq / chuqur o'rganish / mashinani o'rganishni qayta ishlash: og'irlashtirilgan va o'z-o'zini o'rgatadigan ko'p o'zgaruvchan qarorlar qabul qilish[26] 2019-yilga kelib buning kengayishi kuzatilmoqda, chuqur o'rganish va mashinani o'rganishdan foydalanib, mashinani ko'rish imkoniyatlarini sezilarli darajada kengaytirish.
  • Shabloni aniqlash, shu jumladan shablonni moslashtirish. Muayyan naqshlarni topish, moslashtirish va/yoki hisoblash. Bunga aylantirilishi, boshqa obʼekt tomonidan qisman yashirilishi yoki o'lchamlari o'zgarishi mumkin bo'lgan obʼektning joylashuvi kiradi.[24]
  • Shtrix-kod, maʼlumotlar matritsasi va "2D shtrix-kod" o'qishi[24]
  • Optik belgilarni aniqlash: seriya raqamlari kabi matnni avtomatik o'qish[24]
  • Oʻlchash/metrologiya: obʼyekt oʻlchamlarini oʻlchash (masalan, piksel, dyuym yoki millimetrda)[24]
  • "O'tish yoki muvaffaqiyatsiz" yoki "o'tish / yo'q" natijasini aniqlash uchun maqsadli qiymatlar bilan taqqoslash. Misol uchun, kod yoki shtrix kodni tekshirish bilan o'qish qiymati saqlangan maqsadli qiymat bilan taqqoslanadi. O'lchash uchun o'lchov mos qiymat va toleranslar bilan taqqoslanadi. Alfa-raqamli kodlarni tekshirish uchun OCR qiymati tegishli yoki maqsadli qiymat bilan taqqoslanadi. Dog'larni tekshirish uchun dog'larning o'lchangan o'lchamini sifat standartlarida ruxsat etilgan maksimal qiymatlar bilan solishtirish mumkin.[24]

Chiqishlar[tahrir | manbasini tahrirlash]

Avtomatik tekshirish tizimlarining umumiy natijasi o'tish / muvaffaqiyatsiz qarorlardir.[13] Bu qarorlar, o'z navbatida, muvaffaqiyatsiz narsalarni rad etadigan yoki signal beruvchi mexanizmlarni ishga tushirishi mumkin. Boshqa keng tarqalgan natijalar robotni boshqarish tizimlari uchun obʼektning joylashuvi va orientatsiya maʼlumotlarini o'z ichiga oladi.[6] Bundan tashqari, chiqish turlariga raqamli oʻlchov maʼlumotlari, kodlar va belgilardan oʻqilgan maʼlumotlar, obʼyektlarni hisoblash va tasniflash, jarayon yoki natijalarni koʻrsatish, saqlangan tasvirlar, avtomatlashtirilgan fazo monitoringi MV tizimlaridan signallar va jarayonni boshqarish signallari kiradi.[9][12] Bu, shuningdek, foydalanuvchi interfeyslari, ko'p komponentli tizimlar integratsiyasi uchun interfeyslar va avtomatlashtirilgan maʼlumotlar almashinuvini o'z ichiga oladi.[27]

Tasvirga asoslangan robot ko'rsatmalari[tahrir | manbasini tahrirlash]

Mashinani ko'rish odatda robotga mahsulotni to'g'ri ushlashiga imkon berish uchun robotga joylashuv va yo'nalish haqida maʼlumot beradi. Bu qobiliyat, shuningdek, 1 yoki 2 eksa harakat boshqaruvchisi kabi robotlarga qaraganda oddiyroq harakatni boshqarish uchun ham ishlatiladi.[6] Umumiy jarayon talablar va loyihaning tafsilotlarini rejalashtirishni va keyin yechimni yaratishni o'z ichiga oladi. Ushbu bo'limda eritmaning ishlashi paytida yuzaga keladigan texnik jarayon tasvirlangan. Jarayonning ko'p bosqichlari avtomatik tekshirish bilan bir xil bo'ladi, bundan mustasno, natijada pozitsiya va orientatsiya maʼlumotlarini taqdim etishga qaratilgan.[6]

Bozor[tahrir | manbasini tahrirlash]

2006-yilda bir soha maslahatchisi MV Shimoliy Amerikadagi 1,5 milliard dollarlik bozorni ifodalagani haqida xabar berdi.[28] Biroq, MV savdo jurnalining bosh muharriri taʼkidlashicha, "mashinani ko'rish o'z-o'zidan sanoat emas", balki "avtomobilsozlik yoki iste'mol tovarlari ishlab chiqarish kabi haqiqiy sohalarga foyda keltiradigan xizmatlar yoki ilovalarni taqdim etadigan texnologiyalar va mahsulotlarning integratsiyasi", qishloq xoʻjaligi va mudofaa”.

Mashinani ko'rishning afzalliklari[tahrir | manbasini tahrirlash]

Murakkab, tuzilmagan sahnani sifatli talqin qilish uchun insonning ko'rish qobiliyati eng yaxshi bo'lsa, mashina ko'rish tezligi, aniqligi va takrorlanuvchanligi tufayli tuzilgan sahnani miqdoriy o'lchashda ustundir. Sinov tizimi va sinovdan o'tkazilayotgan qismlar o'rtasidagi jismoniy aloqani olib tashlashda, mashinani ko'rish qismning shikastlanishini oldini oladi va mexanik qismlarning aşınması va yirtilishiga bog'liq texnik xizmat ko'rsatish vaqtini va xarajatlarini yo'q qiladi. Mashinani ko'rish ishlab chiqarish jarayonida inson ishtirokini kamaytirish orqali qo'shimcha xavfsizlik va operatsion foyda keltiradi.[29] Bundan tashqari, u toza xonalarni odamlarning ifloslanishini oldini oladi va odamlarni xavfli muhitdan himoya qiladi. Mashinani ko'rish aniq maqsadlarga erishishga yordam beradi.

Strategik maqsad Machine Vision ilovalari
Yuqori sifat Tekshirish, o'lchash, o'lchash va montajni tekshirish
Hosildorlikning oshishi Ilgari qo'lda bajarilgan takrorlanuvchi vazifalar endi Machine Vision System[30] tomonidan amalga oshiriladi
Ishlab chiqarish moslashuvchanligi O'lchash va o'lchash / Robotga ko'rsatma / Oldindan ishlashni tekshirish
Mashinaning ishlamay qolishi va sozlash vaqtining qisqarishi O'zgartirishlar oldindan dasturlashtirilgan
To'liqroq maʼlumot va qattiqroq jarayon nazorati Qo'lda bajariladigan vazifalar endi kompyuter maʼlumotlari haqida fikr-mulohazalarni taqdim etishi mumkin
Uskunaning kapital xarajatlarini kamaytirish Mashinaga ko'rishni qo'shish uning ish faoliyatini yaxshilaydi, eskirishdan saqlaydi
Ishlab chiqarish xarajatlarini kamaytirish Bir ko'rish tizimi ko'p odamlarga qarshi / Jarayonning boshida kamchiliklarni aniqlash
Chiqib ketish tezligini kamaytirish Tekshirish, o'lchash va o'lchash
Inventarizatsiya nazorati Optik belgilarni aniqlash va identifikatsiya qilish
Kichraytirilgan qavat maydoni Vizyon tizimi operatorga qarshi

Ma'lumotnomalar[tahrir | manbasini tahrirlash]

  1. Carsten Steger, Markus Ulrich, Christian Wiedemann Machine Vision Algorithms and Applications. — John Wiley & Sons, 2018-03-12. — 518 с. — ISBN 978-3-527-41365-2
  2. Jürgen Beyerer, Fernando Puente León, Christian Frese (2016) (en-gb). Machine Vision. doi:10.1007/978-3-662-47794-6. https://link.springer.com/book/10.1007/978-3-662-47794-6. 
  3. 3,0 3,1 3,2 Mark Graves, Bruce Batchelor Machine Vision for the Inspection of Natural Products. — Springer Science & Business Media, 2003-11-20. — 500 с. — ISBN 978-1-85233-525-0
  4. 4,0 4,1 Vision systems design.. — Tulsa, Okla.: Penn Well Pub. Co., 2003.
  5. Owen-Hill, Alex ((21-iyul 2016-yil)). "Robot Vision vs Computer Vision: What's the Difference?" (Robotics Tomorrow nashri). http://www.roboticstomorrow.com/article/2016/07/robot-vision-vs-computer-vision-whats-the-difference/8484/. 
  6. 6,0 6,1 6,2 6,3 6,4 6,5 Turek, Fred D. (June 2011). "Machine Vision Fundamentals, How to Make Robots See". 35 (NASA Tech Briefs nashri). pp. 60–62. http://www.techbriefs.com/privacy-footer-69/10531. 
  7. 7,0 7,1 7,2 Cognex (2016). "Introduction to Machine Vision" (Assembly Magazine nashri). http://www.assemblymag.com/ext/resources/White_Papers/Sep16/Introduction-to-Machine-Vision.pdf. 
  8. Lückenhaus, Maximilian (May 2016). "Machine Vision in IIoT" (Quality Magazine nashri). http://www.qualitymag.com/articles/93296-machine-vision-in-iiot. "1" 
  9. 9,0 9,1 West, Perry. A Roadmap For Building A Machine Vision System. pp. 1-35. 
  10. Dechow, David (January 2009). "Integration: Making it Work" (Vision & Sensors nashri). https://web.archive.org/web/20200314042314/http://www.visionsensorsmag.com/Articles/Feature_Article/BNP_GUID_9-5-2006_A_10000000000000496708. 
  11. Alexander Hornberg Handbook of Machine Vision. — John Wiley & Sons, 2007-02-27. — 824 с. — ISBN 978-3-527-61014-3
  12. 12,0 12,1 Christian Demant Industrial image processing : visual quality control in manufacturing. — Berlin: Springer, 1999. — 353 pages с. — ISBN 3-540-66410-6, 978-3-540-66410-9
  13. 13,0 13,1 Alexander Hornberg Handbook of Machine Vision. — John Wiley & Sons, 2007-02-27. — 824 с. — ISBN 978-3-527-61014-3
  14. Smart cameras. — New York: Springer, 2010. — 1 online resource (xx, 404 pages) с. — ISBN 978-1-4419-0953-4, 1-4419-0953-2
  15. Dechow, David (February 2013). "Explore the Fundamentals of Machine Vision: Part 1" (Vision Systems Design nashri). http://www.vision-systems.com/articles/print/volume-18/issue-2/departments/leading-edge-views/explore-the-fundamentals-of-machine-vision-part-i.html. 
  16. 16,0 16,1 Dave Rice, Amber Thousand Photonics Spectra magazine (July 2019). Critical Considerations for Embedded Vision Design (Laurin Publishing Co. nashri). pp. 60-64. 
  17. Wilson, Andrew (December 2011). "Product Focus - Looking to the Future of Vision" (Vision Systems Design nashri). http://www.vision-systems.com/articles/print/volume-16/issue-12/features/looking-to-the-future-of-vision.html. 
  18. Wilson, Andrew (April 2011). "The Infrared Choice". Vision Systems Design. 16 (4): 20–23. Retrieved 2013-03-05.
  19. 19,0 19,1 Murray, Charles J (February 2012). "3D Machine Vison Comes into Focus". Design News. Archived from the original on 2012-06-05. Retrieved 2012-05-12
  20. Davies, E.R. (2012). Computer and Machine Vision: Theory, Algorithms, Practicalities (4th ed.). Academic Press. pp. 410–411. ISBN 9780123869081. Retrieved 2012-05-13.
  21. 21,0 21,1 21,2 3-D Imaging: A practical Overview for Machine Vision By Fred Turek & Kim Jackson Quality Magazine, March 2014 issue, Volume 53/Number 3, Pages 6-8
  22. R.Morano, C.Ozturk, R.Conn, S.Dubin, S.Zietz, J.Nissano, "Structured light using pseudorandom codes", IEEE Transactions on Pattern Analysis and Machine Intelligence 20 (3)(1998)322–327
  23. Mike Fussell, "Finding the optimal hardware for deep learining inference in machine vision:, Vision Systems Design, September 2019
  24. 24,0 24,1 24,2 24,3 24,4 24,5 24,6 24,7 24,8 Demant C.; Streicher-Abel B. & Waszkewitz P. (1999). Industrial Image Processing: Visual Quality Control in Manufacturing. Springer-Verlag. p. 39. ISBN 3-540-66410-6.
  25. ^ Linda G. Shapiro and George C. Stockman (2001): “Computer Vision”, pp 279-325, New Jersey, Prentice-Hall, ISBN 0-13-030796-3
  26. Turek, Fred D. (March 2007). "Introduction to Neural Net Machine Vision". Vision Systems Design. 12 (3). Retrieved 2013-03-05.
  27. Hornberg, Alexander (2006). Handbook of Machine Vision. Wiley-VCH. p. 709. ISBN 978-3-527-40584-8. Retrieved 2010-11-05.
  28. Hapgood, Fred (15-dekabr 2006-yil – 1-yanvar 2007-yil). "Factories of the Future". CIO. 20 (6): 46. ISSN 0894-9301. Retrieved 2010-10-28.
  29. “Robotic Automation Is the Future of Manufacturing”. (15-noyabr 2021-yil)
  30. "Machine Vision Design & Development"