Integración de visión artificial con redes neuronales para IIoT industrial avanzado

La corteza cerebral es la parte del cerebro que procesa imágenes. Los seres humanos tienen la corteza cerebral más grande en comparación con otros mamíferos. Esta visión superior es uno de los rasgos evolutivos que dio a los humanos una ventaja sobre otros animales. Los biólogos evolutivos intentan desentrañar el misterio detrás de este rasgo, e investigadores de tecnología intentan replicarlo.

 

Figura 1. Un sistema de visión artificial en una fábrica.

 

Los humanos aprenden a través de la experiencia y la práctica. El aprendizaje automático es el campo de la inteligencia artificial (IA) que intenta hacer que las computadoras imiten cómo aprenden los cerebros humanos. El reconocimiento y procesamiento de imágenes es una subsección importante del campo. Usando reconocimiento de imágenes, los ingenieros pueden clasificar objetos sin interacción humana directa.

 

Redes neuronales y visión artificial

En términos simples, la visión artificial en conjunto con algoritmos o redes neuronales es la capacidad de las computadoras para ver y actuar sobre datos. Las imágenes se alimentan a la unidad de procesamiento de la computadora en formato digital para analizar, interpretar y actuar basándose en ellas. Antes de esta configuración, primero debemos entrenar el sistema para aprender los datos.

 

Entrenamiento de redes neuronales en visión artificial

Las redes neuronales son un área avanzada del aprendizaje automático. Se utilizan ampliamente para reconocimiento de imágenes y otras tareas que requieren cognición compleja. El primer paso para construir una red neuronal artificial es entrenar los algoritmos de la computadora con imágenes.

 

Figura 2. Un ejemplo de entrenamiento de algoritmos con imágenes. Imagen cortesía de Teledyne DALSA

 

Los humanos tienen la tarea de etiquetar las imágenes de entrada basándose en las cuales los algoritmos aprenden. El algoritmo aprenderá por sí mismo a identificar los objetos después de ser entrenado en un gran conjunto de datos etiquetados. Los científicos de datos pueden inclinar los modelos para mejorar la velocidad de aprendizaje y otros parámetros. Un modelo completo con precisión consistente puede implementarse para aplicaciones comerciales.

Pero, ¿dónde obtenemos los datos para entrenar el modelo?

 

Fuentes de datos para visión artificial

La visión artificial acoplada con redes neuronales es más compleja que simplemente identificar imágenes. También es cognición espacial para reconocer objetos 3D (tridimensionales). La fuente para programas de visión artificial pueden ser fotografías, video o incluso alimentación de cámara en vivo. En tales instancias, una cámara recopila las imágenes o video alimentados al algoritmo.

Hay algoritmos de visión artificial que toman otras formas de entrada. Radar y LiDAR pueden rastrear objetos alrededor del sensor. La salida de dicho equipo no son imágenes, sino coordenadas de los diversos objetos alrededor de él. Los algoritmos de visión artificial también pueden procesar esta información para obtener comprensión espacial. Una combinación de datos LiDAR e imágenes de una cámara también puede usarse como entrada para un algoritmo de visión artificial.

La visión artificial tiene una amplia gama de aplicaciones industriales y no industriales. Las aplicaciones van desde identificación y navegación hasta dar visión a los ciegos.

 

Visión artificial en la industria

La visión artificial o visión por computadora tiene muchas aplicaciones en la industria. Dado que aún está en una etapa incipiente, más aplicaciones industriales se identifican cada día.

 

Figura 3. Un sistema de visión artificial inspeccionando objetos en una fábrica.

 

Algunas de las aplicaciones conocidas incluyen:

• Clasificación de productos
• Recogida de productos
• Inspección automatizada
• Reconocimiento óptico de caracteres
• Identificación de defectos
• Identificación de colores
• Detección de movimiento
• Identificación de patrones
• Aseguramiento de calidad
• Movimiento guiado (vehículos guiados automáticamente, o AGV)
• Automóviles autónomos
• Lectura de códigos de barras y QR
• Fábricas oscuras

 

A medida que el uso de visión artificial aumenta, el coste de implementar tales soluciones baja, y se identifican nuevas aplicaciones. Por ejemplo, la visión artificial puede usarse en conjunto con IIoT.

 

Seguridad

La seguridad humana se usa para patrullar los terrenos de varias instituciones. Sin embargo, un problema común es la fatiga experimentada por dicho personal mientras realiza tareas en horarios impares. La visión artificial con IIoT puede ayudar.

La alimentación de televisión de circuito cerrado (CCTV) de las instalaciones aseguradas puede conectarse con algoritmos de visión artificial. El algoritmo monitorizará constantemente la alimentación en busca de actividades anómalas. Una vez detectados intrusos u otras actividades anómalas, el sistema puede activar una alarma para que los guardias humanos verifiquen.

También puede ejecutar automáticamente protocolos de seguridad como electrificar la valla, desplegar púas en puntos de salida, alertar a la policía, etc. Toda la comunicación ocurrirá a través de la red entre dispositivos habilitados para internet para ejecutar cualquier protocolo.

 

Planta química

Las plantas químicas son peligrosas para que los empleados humanos trabajen en ellas. Sería beneficioso si los procesos pueden automatizarse. Tome, por ejemplo, un proceso en una planta química que requiere que el material llegue a ebullición antes de apagar el calor. Sin visión artificial, un técnico humano tiene que esperar y observar el proceso.

 

Figura 4. Una pila de ventilación y caldera de planta química.

 

Con visión artificial, una cámara puede enfocar la solución, y una red neuronal entrenada para detectar ebullición puede detectar si la mezcla ha comenzado a hervir. Una vez que el algoritmo detecta ebullición en la solución, puede activar una bandera. Esto se envía al sistema de computación central a través de la red. El sistema está diseñado de modo que la recepción de esta señal activará el mecanismo para apagar el calor.

En tal escenario, un humano no tiene que estar en la planta inhalando humos químicos para monitorizar el proceso. La visión artificial e IIoT pueden automatizar el proceso completo. En este ejemplo particular, sensores infrarrojos u otros detectores de temperatura también pueden usarse para detectar una mezcla hirviendo.

 

Fábricas oscuras

Las fábricas oscuras, como concepto, son la extensión de utilizar visión artificial, automatización y capacidades IIoT al máximo. Una fábrica oscura es una instalación de fabricación donde no se requiere operador humano para ejecutar o monitorizar las operaciones de la fábrica. En esencia, la fábrica no necesita luces y, por tanto, puede operar en la oscuridad.

Desde la entrega de materia prima hasta el empaquetado del producto final, todo estará completamente automatizado. Las materias primas serán recogidas y clasificadas con montacargas y brazos robóticos ayudados con visión artificial. Manos robóticas ensamblando varias partes usarán visión artificial para identificar dónde va cada parte. AGV, que usan visión artificial para navegar, manejan el transporte de materiales dentro de la fábrica.

Los productos terminados son inspeccionados y probados con robots acoplados con capacidad de visión artificial. La clasificación de productos defectuosos y el empaquetado de productos terminados también usan visión artificial.

Aplicaciones como fábricas oscuras y procesos químicos, por nombrar algunas, pueden beneficiarse de la visión artificial. Sus algoritmos pueden mantener al personal seguro, los procesos seguros y mejorar la eficiencia. ¿Qué tipos de aplicaciones usa visión artificial en su planta?