¿Qué es la visión artificial y cómo puede ayudar?
Comprender cómo funciona la visión artificial puede ayudarlo a determinar si la visión artificial resuelve problemas de aplicación específicos en la fabricación o el procesamiento.
La gente a menudo no entiende lo que la visión artificial (computadora, artificial) puede y no puede hacer por una línea de producción o un proceso. Comprender cómo funciona puede ayudar a las personas a decidir si resolverá problemas en una aplicación. Entonces, ¿qué es exactamente la visión artificial y cómo funciona realmente?
La visión artificial es una tecnología moderna que incluye herramientas para adquirir, procesar y analizar imágenes del mundo físico con el fin de crear información que pueda ser interpretada y utilizada por una máquina mediante procesos digitales.
El uso de la visión artificial en la industria
La visión por computadora se refiere al uso de una o más cámaras para inspeccionar y analizar objetos automáticamente, con mayor frecuencia en un entorno industrial o de fabricación. Los datos resultantes se pueden utilizar para controlar procesos o actividades de producción.
Esta tecnología automatiza una amplia gama de tareas al brindar a las máquinas la información que necesitan para tomar las decisiones correctas para cada tarea.
El uso de la visión artificial en la industria permite la automatización de los procesos productivos, lo que lleva a mejores resultados de producción mediante el uso del control de calidad y una mayor flexibilidad en cada etapa.
Actualmente, el uso de la visión artificial industrial ha mejorado significativamente los procesos productivos. Esto ha permitido obtener productos de mayor calidad a menores costes y en casi todas las áreas de la industria, desde la automoción y la alimentación, hasta la electrónica y la logística.
Un uso típico sería una línea de ensamblaje donde la cámara se activa después de que se realiza una operación en una pieza que toma y procesa una imagen. La cámara se puede programar para verificar la posición de un objeto en particular, su color, tamaño o forma, y la presencia del objeto.
La visión artificial también puede buscar y decodificar códigos de barras de matriz 2D estándar o incluso leer caracteres impresos. Después de verificar el producto, generalmente se genera una señal que determina qué hacer con el producto a continuación. La pieza se puede colocar en un contenedor, enrutar a un transportador secundario o pasar a otras operaciones de ensamblaje, y los resultados de la inspección se rastrean en el sistema.
En cualquier caso, los sistemas de visión artificial pueden proporcionar mucha más información sobre un objeto que sensores de posición simples.
La visión por computadora se usa comúnmente, por ejemplo, para:
- control de calidad,
- control de un robot (máquina),
- prueba y calibración,
- control de procesos en tiempo real,
- recopilación de datos,
- monitoreo de máquinas,
- clasificar y contar.
Muchos fabricantes utilizan la visión por computadora automatizada en lugar del personal de inspección porque es más adecuado para las inspecciones repetitivas. Es más rápido, más objetivo y funciona las 24 horas.
Los sistemas de visión por computadora pueden inspeccionar cientos o miles de piezas por minuto y proporcionar resultados de inspección más consistentes y confiables que los humanos. Al reducir los defectos, aumentar los ingresos, facilitar el cumplimiento y el seguimiento de las piezas con la visión por computadora, los fabricantes pueden ahorrar dinero y aumentar su rentabilidad.
Cómo funciona la visión artificial
Una fotocélula discreta es uno de los sensores más simples en el campo de la automatización industrial. La razón por la que lo llamamos "discreto" o digital es porque solo tiene dos estados: encendido o apagado.
El principio de funcionamiento de una fotocélula discreta (sensor óptico) es transmitir un haz de luz y determinar si la luz es reflejada por un objeto. Si no hay ningún objeto, la luz no se refleja en el receptor de la fotocélula. Una señal eléctrica, normalmente de 24 V, se conecta al receptor.
Si el objeto está presente, la señal se enciende y se puede utilizar en el sistema de control para realizar una acción. Cuando se elimina el objeto, la señal se apaga nuevamente.
Dicho sensor también puede ser analógico. En lugar de dos estados, es decir, de vez en cuando, puede devolver un valor que indica cuánta luz está regresando a su receptor. Puede devolver 256 valores, desde 0 (sin luz) hasta 255 (con mucha luz).
Imagine miles de diminutas fotocélulas analógicas dispuestas en una matriz cuadrada o rectangular dirigidas a un objeto.Esto creará una imagen en blanco y negro del objeto basada en la reflectividad de la ubicación a la que apunta el sensor. Los puntos de escaneo individuales en estas imágenes se denominan "píxeles".
Por supuesto, no se utilizan miles de diminutos sensores fotoeléctricos para crear la imagen. En cambio, la lente enfoca la imagen en una serie de semiconductores de detectores de luz.
Esta matriz utiliza conjuntos de dispositivos semiconductores sensibles a la luz, como CCD (Dispositivo acoplado de carga) o CMOS (Semiconductor de óxido de metal complementario). Los sensores individuales en esta matriz son píxeles.
Los cuatro componentes principales de un sistema de visión artificial
Los cuatro componentes principales de un sistema de visión artificial son:
- lentes e iluminación;
- sensor de imagen o cámara;
- procesador;
- una forma de transferir resultados, ya sea a través de una conexión física de entrada/salida (E/S) u otro método de comunicación.
La visión por computadora puede usar el escaneo de píxeles en color y, a menudo, usa una matriz de píxeles mucho más grande. Las herramientas de software se aplican a las imágenes capturadas para determinar el tamaño, la posición de los bordes, el movimiento y la posición relativa de los elementos entre sí.
Las lentes captan la imagen y la transmiten al sensor en forma de luz. Para optimizar el sistema de visión por computadora, la cámara debe estar emparejada con lentes apropiados.
Aunque hay muchos tipos de lentes, las lentes de distancia focal fija se usan comúnmente en aplicaciones de visión por computadora. Tres factores son importantes a la hora de elegir: campo de visión, distancia de trabajo, tamaño del sensor de la cámara.
La iluminación se puede aplicar a una imagen de varias maneras. La dirección de la que proviene la luz, su brillo y su color o longitud de onda en comparación con el color del objetivo son factores muy importantes a considerar al diseñar un entorno de visión artificial.
Si bien la iluminación es una parte importante para obtener una buena imagen, hay otros dos factores que afectan la cantidad de luz que recibe una imagen. La lente incluye una configuración llamada apertura, que se abre o se cierra para permitir que entre más o menos luz en la lente.
Combinado con el tiempo de exposición, esto determina la cantidad de luz que llega a la matriz de píxeles antes de que se aplique alguna iluminación. La velocidad de obturación o el tiempo de exposición determina cuánto tiempo se proyecta la imagen en la matriz de píxeles.
En la visión por computadora, el obturador se controla electrónicamente, generalmente con una precisión de milisegundos. Después de capturar la imagen, se aplican las herramientas de software. Algunos se utilizan antes del análisis (preprocesamiento), otros se utilizan para determinar las propiedades del objeto que se estudia.
Durante el preprocesamiento, puede aplicar efectos a una imagen para perfilar los bordes, aumentar el contraste o rellenar espacios. El propósito de estas tareas es mejorar las capacidades de otras herramientas de software.
La visión artificial es una tecnología que imita la visión humana y permite recibir, procesar e interpretar imágenes obtenidas durante los procesos de producción.Las máquinas de visión artificial analizan y decodifican la información recibida durante los procesos productivos para tomar decisiones y actuar de la forma más conveniente a través de un proceso automatizado. El procesamiento de estas imágenes se realiza mediante el software asociado a la máquina, y en base a los datos obtenidos, es posible continuar los procesos e identificar posibles errores en las líneas de montaje.
El objetivo de la visión artificial
Aquí hay algunas herramientas comunes que puede usar para obtener información sobre su objetivo:
- Recuento de píxeles: muestra el número de píxeles claros u oscuros en el objeto.
- Detección de bordes: busque el borde de un objeto.
- Medición (metrología): medición de las dimensiones de un objeto (por ejemplo, en milímetros).
- Reconocimiento de patrones o coincidencia de patrones: busca, combina o cuenta patrones específicos. Esto puede incluir la detección de un objeto que se puede girar, ocultar parcialmente por otro objeto o tener otros objetos.
- Reconocimiento Óptico de Caracteres (OCR): Lectura automática de textos como números de serie.
- Lectura de códigos de barras, matrices de datos y códigos de barras 2D: Recopile datos contenidos en varios estándares de códigos de barras.
- Detección de puntos: busca en la imagen parches de píxeles interconectados (como un agujero negro en un objeto gris) como punto de referencia para la imagen.
- Análisis de color: identifique partes, productos y objetos por color, evalúe la calidad y resalte elementos por color.
El propósito de obtener datos de inspección a menudo es usarlos para compararlos con los valores objetivo para determinar si pasa/falla o si procede/no procede.
Por ejemplo, al escanear un código o un código de barras, el valor resultante se compara con el valor objetivo almacenado. En caso de medición, el valor medido se compara con los valores y tolerancias correctos.
Al comprobar un código alfanumérico, el valor del texto OCR se compara con el valor correcto o de destino. Para verificar los defectos de la superficie, el tamaño del defecto se puede comparar con el tamaño máximo permitido por los estándares de calidad.
Control de calidad
La visión artificial tiene un gran potencial en la industria. Estos sistemas de visión artificial se han utilizado en robótica, nos permiten ofrecer una solución automática para diferentes etapas de la producción, como el control de calidad o la detección de productos defectuosos.
El control de calidad es un conjunto de métodos y herramientas que nos permitirán identificar errores en el proceso de producción, así como tomar las medidas adecuadas para eliminarlos. Esto proporciona un control mucho más completo sobre el producto final, asegurando que cuando llegue al consumidor cumplirá con los estándares de calidad específicos y establecidos.
De esta forma, los productos que no cumplen con los requisitos mínimos de calidad son excluidos del proceso, eliminando así posibles interrupciones en el proceso productivo, esto se logra mediante la realización continua de inspecciones y pruebas aleatorias.
El uso del control de calidad en la producción tiene una serie de ventajas:
- Aumentar la productividad;
- Pérdidas materiales reducidas;
- Caída de los precios;
- La mejor calidad del producto final.
Comunicación en visión artificial
Una vez recibida por el procesador y el software, esta información se puede transmitir al sistema de control a través de una variedad de protocolos de comunicación estándar de la industria.
Los principales sistemas de visión artificial suelen admitir EtherNet/IP, Profinet y Modbus TCP. Los protocolos seriales RS232 y RS485 también son comunes.
La E/S digital a menudo se integra en los sistemas de actuación y simplifica el informe de resultados. Los estándares de comunicación de visión artificial también están disponibles.
Conclusión
Los sistemas de visión artificial tienen una gran variedad de aplicaciones y pueden adaptarse a diferentes industrias y a las diferentes necesidades de cada línea de producción. Hoy en día, cualquier empresa que fabrique productos con un determinado estándar puede aprovechar la visión artificial como parte de su proceso de fabricación.
Comprender los principios físicos y las capacidades de los sistemas de visión artificial puede ser útil para determinar si dicha tecnología es adecuada para un proceso de fabricación en un caso particular. En general, cualquier cosa que el ojo humano pueda ver, la cámara puede ver (a veces más, a veces menos), pero decodificar y transmitir esta información puede ser bastante complejo.