Tecnologías y tendencias en visión artificial

El procesamiento de imagen basado en reglas sigue siendo la base de muchas aplicaciones de producción, pero la inteligencia artificial está ampliando lo que los sistemas de visión pueden inspeccionar y cómo se entrenan. El deep learning asume hoy tareas en las que las características visuales son complejas, variables o difíciles de definir con algoritmos clásicos. 

La detección de defectos en superficies texturizadas o reflectantes, la clasificación de anomalías sin tipos de defecto predefinidos y el reconocimiento flexible de objetos en entornos no estructurados son áreas donde los enfoques basados en IA producen resultados que los conjuntos de reglas tradicionales no pueden alcanzar de forma fiable. Los modelos de IA aprenden de datos de imagen etiquetados en lugar de lógica codificada manualmente, lo que reduce el esfuerzo de ingeniería necesario para implementar y adaptar los sistemas de inspección. 

STEMMER IMAGING da soporte a las aplicaciones de visión basadas en IA a través de su plataforma de software propia Common Vision Blox (CVB) y mediante experiencia en aplicaciones con frameworks de deep learning y despliegue en el edge. 

Visión 3D: ver en profundidad

Las imágenes 3D aportan conciencia espacial a la automatización. Permiten la medición de volúmenes, la guía robótica y el control de capas.

Las tecnologías incluyen:

• Triangulación láser para perfiles de alta precisión
• Visión estereoscópica para la recogida flexible de contenedores
• Sensores de tiempo de vuelo para datos 3D en tiempo real

Nuestros expertos le ayudan a seleccionar el método 3D adecuado y a integrarlo en su entorno, con la óptica, la iluminación y la calibración adecuadas.

El procesamiento de datos visuales en el periférico reduce la latencia, las necesidades de ancho de banda y la carga del sistema central. La visión integrada es ideal para máquinas móviles, robótica y controles de calidad descentralizados.

Ventajas:

• Diseño compacto y sin ventilador
• Procesamiento en tiempo real cerca del sensor
• Menor coste total del sistema

STEMMER IMAGING ofrece plataformas integradas llave en mano, probadas, optimizadas y preparadas para el futuro.

Imágenes espectrales e información no visible

Las cámaras hiperespectrales y SWIR capturan lo que el ojo no puede ver, como la composición de los materiales, el grosor de los recubrimientos o los niveles de humedad.

Se utiliza en:

• Clasificación de alimentos
• Verificación farmacéutica
• Inspección de componentes electrónicos y células solares

Ofrecemos soluciones completas: desde la integración de cámaras espectrales hasta la iluminación específica para cada longitud de onda y el software de análisis.

Los sistemas de visión ya no son herramientas independientes. Son parte integral de las fábricas inteligentes, ya que alimentan con datos los sistemas MES, ERP o en la nube.

Tendencias actuales:

• Estándares de comunicación OPC UA y MQTT
• Diagnóstico remoto y mantenimiento predictivo
• Gestión centralizada de datos y visualización en paneles de control

STEMMER IMAGING conecta su sistema de visión con la TI de su fábrica de forma segura y eficiente.

• Evaluación de tecnología, desarrollo de PoC, consultoría de arquitectura

• Implementación de sistemas, despliegue de modelos de IA, formación y soporte durante el ciclo de vida

• Plataformas Edge, integración en la nube, sistemas híbridos de IA + basados en reglas

La inteligencia artificial - en particular el deep learning - ha ampliado considerablemente lo que la visión artificial puede inspeccionar de forma fiable. Donde los sistemas basados en reglas tienen dificultades con superficies muy variables, formas orgánicas o defectos sutiles, los modelos de deep learning aprenden de ejemplos y se adaptan a la variación natural. Las aplicaciones habituales de IA incluyen la detección de anomalías en superficies, el OCR flexible en fuentes distorsionadas y la clasificación de objetos en entornos no estructurados. La IA no sustituye a la visión artificial clásica: la amplía, añadiendo capacidad donde las reglas rígidas son insuficientes, mientras los algoritmos clásicos siguen siendo más rápidos y deterministas para tareas bien definidas. 

La visión embebida procesa los datos de imagen en hardware compacto y específico para la aplicación, en lugar de en un PC industrial independiente. Los sistemas de visión embebida típicos utilizan un ordenador de placa única, una FPGA o un sistema en chip que combina la adquisición y el procesamiento de imágenes en un paquete pequeño y de bajo consumo. Esto resulta especialmente valioso en máquinas móviles, robots colaborativos y entornos de fabricación distribuidos donde el espacio, la alimentación y la conectividad son limitados. Los sistemas basados en PC ofrecen mayor capacidad de procesamiento y son más fáciles de actualizar, lo que los hace más adecuados para inspecciones complejas o que cambian con frecuencia. 

La visión artificial 3D captura la geometría espacial de un objeto, no solo su apariencia en 2D. Esto permite realizar mediciones de volumen, perfilado de superficies, inspección de alturas y tareas de guiado de robots donde una imagen plana sería insuficiente. Las tecnologías 3D más habituales son la triangulación láser para perfilado de superficies de alta precisión, los sensores de tiempo de vuelo para captura rápida de escenas y la visión estéreo para el guiado flexible de robots. La visión 3D se utiliza cada vez más en bin picking, montaje robótico, control de calidad de envases e inspección de soldaduras. 

La imagen espectral captura información más allá del espectro visible. Las cámaras hiperespectrales registran datos en muchas longitudes de onda simultáneamente, revelando la composición del material, el contenido de humedad o los recubrimientos superficiales invisibles para las cámaras estándar. Las cámaras SWIR (infrarrojo de onda corta) se utilizan para detectar contaminación en alimentos, inspeccionar comprimidos farmacéuticos o identificar tipos de materiales en reciclaje. La imagen espectral añade coste y complejidad, pero en aplicaciones donde la imagen estándar no puede distinguir lo que importa - el material, no la apariencia - proporciona información decisiva.  

Los sistemas de visión artificial modernos ya no son herramientas de inspección aisladas. A través de estándares como OPC UA y MQTT, pueden comunicar resultados de inspección, datos estadísticos de proceso y estado del sistema a plataformas MES, ERP y en la nube en tiempo real. La especificación acompañante OPC UA para visión artificial (OPC Machine Vision), desarrollada por VDMA, aborda específicamente esto, permitiendo el intercambio de datos estandarizado entre los sistemas de visión y la infraestructura informática de fábrica. Esta conectividad favorece la calidad predictiva, la trazabilidad y la optimización de procesos a lo largo de la línea de producción. 

No: el deep learning complementa a la visión artificial clásica en lugar de sustituirla. Los algoritmos clásicos siguen siendo la opción preferida para tareas deterministas de alta velocidad: medir una dimensión, leer un código de datos, verificar una característica binaria. Son rápidos, transparentes y no requieren datos de entrenamiento. El deep learning aporta valor donde la variabilidad es alta, los defectos son complejos o las reglas son difíciles de definir explícitamente. La mayoría de los sistemas de producción combinan ambos enfoques: procesamiento clásico para tareas estructuradas, IA para los elementos que no se prestan a una definición basada en reglas.