Inspección por visión artificial:herramientas del oficio

La inspección automatizada en proceso de piezas y productos se ha ejecutado con éxito utilizando tecnologías de visión artificial durante décadas en una multitud de aplicaciones diversas para casi todos los procesos industriales y de fabricación. Si bien no existen cifras concretas, es plausible afirmar que las tareas de inspección probablemente dominen el panorama de las aplicaciones de visión artificial. Aún así, continúan surgiendo nuevas tecnologías y software de visión artificial que mejoran aún más la propuesta de valor y la facilidad de implementación de la inspección automatizada. La clave del éxito para los usuarios finales es comprender las herramientas del oficio tanto maduras como nuevas. y cómo se pueden implementar mejor estas herramientas.

Descripción general de la inspección

La variedad de tareas relacionadas con la inspección en los procesos de automatización hace que sea difícil etiquetar cada posible caso de uso. En general, algunas de las categorías importantes incluyen verificación de ensamblaje, presencia / ausencia de características, detección de defectos (en muchas formas) e identificación y diferenciación de productos. En todos los casos es importante recordar que la visión artificial puede ser un componente crítico de los conceptos de Big Data e Industria 4.0.

Cuando se implementa la inspección por visión artificial para la automatización industrial, quizás la propuesta de valor más importante radica en cómo se pueden utilizar los resultados de la inspección. Más que solo inspeccionar la calidad, la información obtenida mediante la inspección por visión artificial puede ser vital para mejorar la eficiencia del proceso en general y, por lo tanto, ayudar a reducir los costos generales de producción y automatización.

Imágenes:la base de toda aplicación exitosa

Siempre vale la pena repetir que no importa cuál sea el caso de uso o el método de análisis, una imagen de calidad es la base fundamental de cualquier proyecto de visión artificial. Una imagen de calidad se define como aquella que tiene la resolución y el contraste correctos para resaltar características (objetos, partes, defectos) de interés en el campo de visión deseado. La especificación de diseño adecuada involucra el componente de imagen en sí, así como los componentes relacionados y requeridos, incluida la iluminación y la óptica.

Para muchas aplicaciones de inspección que emplean un diseño de imagen adecuado, la escala de grises 2D sigue siendo la tecnología más utilizada. Los avances en velocidad y resolución en sensores y cámaras están permitiendo más casos de uso que anteriormente podrían haber sido inalcanzables o demasiado complejos para ser prácticos. Con la disponibilidad de cámaras con resoluciones de sensor de 12 MPixels a 50 MPixels y más, detectar características más pequeñas en campos de visión más grandes se vuelve más fácil y menos costoso. Pronto, la adquisición de imágenes a 5-10 MPixels puede considerarse estándar en lugar de alta resolución.

Las cámaras inteligentes, una tecnología central de visión artificial, continúan disfrutando del crecimiento en las tareas de inspección y presentan regularmente resoluciones más altas y un procesamiento más rápido. Además, ha habido desarrollos significativos en arquitecturas de cámaras estándar, que incorporan procesamiento embebido usando FPGA y otras plataformas informáticas. Estos componentes son adecuados para aplicaciones de inspección que se pueden escalar para múltiples instalaciones duplicadas para aprovechar los costos reducidos relacionados para algunos de estos tipos de componentes.

Más allá de las imágenes en 2D y en escala de grises

Los componentes de visión artificial que capturan información 3D de una escena están disponibles con una variedad de metodologías de imágenes y técnicas de implementación. Las imágenes en 3D proporcionan una representación topográfica de la geometría de la superficie de un objeto, mientras que las imágenes en 2D capturan una imagen del contraste (escala de grises o color) que se encuentra en la superficie plana de un objeto. Los datos 3D permiten o mejoran las tareas de inspección que involucran características o defectos con más estructura geométrica que contraste. El uso de sistemas 3D se ha vuelto mucho más fácil y, al igual que con sus contrapartes 2D, la resolución, la velocidad y la precisión continúan expandiéndose.

Como se señaló, muchas aplicaciones de inspección por visión artificial usan cámaras que brindan una imagen en escala de grises de un objeto (también llamada monocromática, ya que es una imagen sin color, o esencialmente de un solo color ). Sin embargo, algunas aplicaciones pueden beneficiarse de las imágenes en color o deben depender de ellas para proporcionar la información necesaria para el análisis. Hay cámaras estándar disponibles para visión artificial que capturan una imagen RGB (rojo, verde, azul). Cuando se integran adecuadamente, estos componentes pueden mejorar la confiabilidad del análisis de características donde el color es parte de las características definitorias del objeto o defecto. Si bien la mayoría de las cámaras a color del mercado utilizan un sistema de filtrado en el sensor (filtro Bayer), también hay disponibles componentes avanzados de la cámara que dividen ópticamente la imagen entrante en tres canales de fotograma completo (normalmente RGB) para una mejor resolución y diferenciación de color.

Imágenes más allá de lo visible

Si bien no es nueva, pero está más disponible en los últimos años, una técnica de imágenes en color aún más poderosa llamada imágenes hiperespectrales, y sus imágenes multiespectrales relativamente cercanas, pueden producir colores más discretos y granulares análisis. Estas cámaras recopilan múltiples, a veces cientos, de imágenes de una sola escena, cada una con un ancho de banda estrecho diferente de información espectral de la escena. Este tipo de componente, con un software de clasificación especializado, puede ejecutar la inspección espectral de materiales o incluso detectar la composición química. Muchas industrias como la alimentaria, farmacéutica y de reciclaje se benefician de este tipo de capacidad de inspección.

Ampliando aún más las imágenes en color, encontramos componentes que pueden crear imágenes utilizando iluminación no visible e incluso energía térmica. Genéricamente, esto puede describirse como imágenes infrarrojas (IR). Las aplicaciones que obtienen imágenes de infrarrojo cercano (NIR), infrarrojo de onda corta (SWIR) e IR de onda larga (imágenes térmicas) proporcionan vistas de objetos que no se ven en longitudes de onda visibles. Esta capacidad se puede utilizar con gran ventaja en muchas aplicaciones de inspección que van desde la detección de desperdicios en los alimentos hasta ver a través de recipientes de plástico opacos y confirmar los niveles de llenado.

Implementación de inspección más sencilla

Los algoritmos y las herramientas de software que se utilizan con las tareas de inspección por visión artificial son bastante maduros y fiables. En general, cuando se trabaja con una imagen confiable, muchas tareas de inspección son fáciles de implementar. Han surgido nuevas tecnologías que tienen potencial para agregarse a las herramientas de visión artificial existentes para proporcionar más capacidad y diferentes enfoques de procesamiento.

La más publicitada de estas tecnologías es el aprendizaje profundo. El aprendizaje profundo para visión artificial está específicamente dirigido y es muy adecuado para aplicaciones de inspección y se está aplicando con éxito a un número creciente de aplicaciones de inspección en visión artificial industrial. Pero el diseño, la configuración y la integración de aplicaciones que utilizan el aprendizaje profundo requieren un enfoque de implementación completamente diferente al utilizado para los proyectos tradicionales de visión artificial.

Las llamadas técnicas tradicionales de implementación de visión artificial implican la creación de un conjunto de reglas sobre un objeto objetivo que se ejecutan utilizando algoritmos que devuelven información específica sobre el objeto o la escena. El aprendizaje profundo se entrena con muchas imágenes representativas que contienen ejemplos de piezas u objetos buenos y defectuosos. Sin embargo, no es una fórmula mágica para todas las aplicaciones de inspección. La necesidad de recopilar muchas imágenes antes de poder predecir el nivel de éxito que podría lograrse puede resultar engorroso para algunas aplicaciones, y el mantenimiento continuo del sistema y sus clasificaciones podría no ser adecuado para un caso de uso específico.

El futuro de la inspección por visión artificial

Con la creciente demanda de calidad, fabricación inteligente y recopilación de datos, la implementación de tecnología de visión artificial para aplicaciones de inspección continúa creciendo. Las capacidades de los componentes avanzados y el software para la inspección indudablemente impulsarán casos de uso adicionales y proporcionarán valor adicional en el futuro.