8 settembre 2025 10:14

Abbinare Fotografia e Python per un test di metrologia

Nei giorni di calma di ferragosto, con la ditta chiusa, io e il mio socio ci siamo divertiti con un test per verificare “alla buona” (che nel nostro caso è <1/10 mm) che non ci fossero errori marchiani nell’incollaggio (la fase di "gluing" infatti è molto critica) dei magneti montati sulla shell, ovvero lo specchio sottile cuore dei sistemi di ottica adattiva.

Le sfide erano fotografiche (scelta focale e diaframmi per minimizzazione distorsioni e diffrazione, setup set per evitare riflessi, ecc.), di post-produzione (purtroppo la mia M/L ha solo 24mpx quindi serviva un upscaling) e ovviamente informatiche per scrivere un codice che con l’aiuto di una libreria di image-recognition riconoscesse il cerchio del magnete, il suo centro e ne misurasse le distanze.

Con il mio socio che ha fatto il grosso del lavoro di coding abbiamo ottenuto risultati oltre le aspettative; trimmando il numero di foto da assemblare (tre foto per ogni spicchio di 1/6 di specchio), giocando con le thresold di riconoscimento (il numero che vedete è un ranking di bontà di riconoscimento che la libreria assegna) e scrivendo un mezzo migliaio di righe di codice phyton, siamo arrivati vicino al centesimo di mm e soprattutto risparmiati 5352 misurazioni col calibro :-)

PS per gli appassionati di foto: 174mm, ISO 50, f11, 1.6s, nessuna post-produzione tranne il WB a 3800K e upscaling con Adobe Lightroom (Raw Detail + Super Resolution) che si è rivelato molto più efficace di Photoshop e di software dedicati come Gigapixel AI di Topaz che introducevano troppe informazioni “inventate”