10 conceptos clave en visión artificial

Compártelo:

La visión artificial es una tecnología muy aplicada en distintos ámbitos de nuestra actividad, especialmente en sectores industriales y difundida con frecuencia en medios técnicos. En muchas ocasiones se emplean conceptos poco claros, cuando no, directamente equivocados por todas las partes implicadas; proveedores, usuarios y técnicos en general. 

¡Repasemos algunos de estos conceptos!

  1. Visión artificial es (parte de la) inteligencia artificial. No tiene por qué. Una definición razonable de visión artificial es el conjunto de técnicas que permiten a un sistema la obtención de información por métodos visuales, tanto de manera automática como asistida por una persona.Este conjunto de técnicas abarcan desde la iluminación, la captación y digitalización de la imagen, el pre-procesamiento o acondicionamiento así como el procesamiento y la comunicación de los resultados. En algunos de ellos se emplean algoritmos asimilables a la inteligencia artificial (clasificadores, redes neuronales, sistemas basados en reglas, etc.) pero son aplicaciones minoritarias frente a procesamientos específicos que van desde la medida de distancia en píxeles a tratamientos complejos como filtrados especiales o búsqueda de patrones.
  2. No son aplicaciones de planta, son de laboratorio. Como cualquier técnica surgió en el “laboratorio” pero la aplicación de este tipo de sistemas en la industria o en la vida diaria ha experimentado un gran crecimiento con usos muy diversos en los que se exigen comportamientos robustos. En la actualidad se hayan implantados sistemas por V.A. incluso en entornos de fabricación peligrosos como en reactores.Las aplicaciones abarcan desde el campo industrial (control de calidad, medida, etc…), médico, automóviles, la seguridad y la defensa. Existen incluso sistemas compactos de V.A. a precio más que razonable.
  3. Si se ve a simple vista se puede resolver por visión. Una cosa es que sea susceptible de procesamiento por visión y otra que realmente se pueda realizar. Antes de decidir la viabilidad de un sistema de visión artificial es necesario realizar un gran número de pruebas como la tipología de elementos, verificar las condiciones de inspección, aspectos productivos y de entorno, etc.
  4. Lo que quiero inspeccionar es mas más o menos “esto”. Este es un problema importante. En el diseño de un sistema de visión industrial es imprescindible una tipología amplia de defectos y de piezas correctas. Un “más o menos” en el diseño se convierte en un “resuelve más o menos” en la inspección, lo que se traduce en un sistema poco robusto.
  5. Quiero eliminar toda la “inspección humana”. La capacidad de visión de un ser humano es (al menos en la actualidad) irreproducible. Es un prodigio de adaptación y flexibilidad. Las experiencias de sistemas automáticos que “ven” en entornos no controlados (sistemas de conducción automática de vehículos, guiado de robots) solo se aproximan a nuestra capacidad visual. Sin embargo con su pobre capacidad, hay una ventaja fundamental en los sistemas automáticos a la hora de hacer controles y es su repetitividad. Un ser humano, con los medios necesarios, siempre hará mejor un número pequeño de controles visuales que un sistema automático. En cambio, si debemos realizar un gran número controles a lo largo de un tiempo mayor, nuestra capacidad de repetición decae rápidamente y se ve afectada por distintos factores como el sueño, enfermedades, etc. Tenemos que conseguir sistemas robustos que reemplacen las inspecciones de bajo valor añadido, tediosas, o de condiciones adversas, pero sin eliminar totalmente una cierta supervisión humana de alto valor añadido. En condiciones “no habituales” las personas somos más flexibles e intuitivas. Ni qué decir tiene el dilema con el que nos toparíamos “si nadie trabaja, nadie comprará los productos”.
  6. Ponemos una luz cualquiera y ¡listo! Teniendo en cuenta que se trata de métodos visuales, la iluminación es fundamental. Una iluminación adecuada resuelve el 30% de la aplicación, pero una incorrecta puede hacer inviable una solución basada en V.A. El experto en visión artificial emplea técnicas de iluminación fotográfica para realzar contornos, eliminar brillos o amplificar defectos.
  7. La precisión de mi sistema es… Este asunto es especialmente importante ya que existe gran desconcierto y equivocación con los términos precisión, resolución y repetitividad. Proveedores y usuarios de sistemas de visión (y de otros tipos de sensores) confunden un valor de resolución con uno de precisión. En visión se denomina resolución máxima teórica a la resultante de dividir el campo de vista (FOV) entre el tamaño de la digitalización. Por ejemplo, si vemos una pieza de diámetro 10 mm y la digitalizamos a 512 x 512 pix, conseguiremos una resolución máxima teórica de 0,02 mm/pix. Es decir, el sistema podría ser capaz de detectar variaciones en la imagen de 0,02mm. Como uno puede imaginarse este valor no se alcanza prácticamente en ningún caso, ya que está influido por un gran número de variables (enfoque, aberraciones, jitter, calidad de la digitalización) que hacen que usualmente se emplee una aproximación, estableciendo la resolución unas cuatro veces peor que la resultante de la resolución máxima teórica. La interpolación subpixel es otra herramienta potente de medida. Permite mejorar la resolución en determinadas condiciones y aplicaciones, en especial en detección de bordes bien contrastados. Pero no puede afirmarse a priori cuánta resolución alcanzaremos si empleamos esta técnica.
  8. Garantiza “cero defectos”. Esta frase, que surgió como objetivo motivador en las primeras implantaciones de mejoras de calidad (cero defectos, cero desperdicios…) se toma hoy al pie de la letra en muchos casos, en especial los proveedores de automoción. Ningún sistema realizado por el hombre tiene esta capacidad. La variable en este caso es la Falsa Aceptación (elementos defectuosos tomados por correctos) de nuestro sistema que no será cero. Cero es cero y significa ningún fallo en un número infinito de muestras.
  9. Tiene que resolver todos mis problemas de calidad. El cliente tiende a ser ambicioso al contratar sistemas de visión solicitando que ésta resuelva toda la tipología de defectos que sufre. Sin embargo, la flexibilidad no es el punto fuerte de los sistemas automáticos. En ocasiones reducir ciertos requisitos dando prioridad a aquellos más necesarios (“detectando estos defectos resolvemos el 80%”) simplifica y abarata espectacularmente el sistema, además de hacerlo más robusto.
  10. Configuremos el sistema a la máxima sensibilidad. Este concepto está intrínsecamente relacionado con el anterior. Otra definición complementaria de la Falsa aceptación es el Falso Rechazo, que corresponde al porcentaje de elementos inspeccionados correctos tomados como defectuosos. Este valor es directamente proporcional a la sensibilidad del sistema, de forma que incrementos en la sensibilidad reducirán la falsa aceptación, pero aumentarán el falso rechazo. En un sistema bien diseñado este incremento será pequeño respecto al de uno mal diseñado, pero en cualquier caso es necesario un compromiso entre estos valores.

La visión artificial es una herramienta poderosa en inspección y control de calidad y es una tecnología estratégica en sectores como seguridad, servicios e incluso defensa.

A día de hoy la visión artificial en ningún momento iguala a la visión humana. No obstante, permite una mejora en la calidad de los productos y de los procesos productivos e industriales complementando y sustituyendo, en muchos casos, a la inspección humana. 

Sobre Jose Ángel Gutiérrez Olabarria

Licenciado en Informática por la Universidad de Deusto 1991 con un Máster en Robótica y Automatización por la ETSII/IT 1992 y un Doctorando por la ETSII/IT de Bilbao. Trabaja desde 1.992 en TECNALIA. Es Ingeniero Principal especialista en Visión artificial y sensores en el Área de Negocio de Maquinas Especiales.

Desarrolla labores de dirección de proyectos en aplicaciones de control industrial por visión (nacionales e internacionales), análisis y diseño de Software y programación en “C” de aplicaciones de control de calidad e informática industrial, así como Gestión comercial con clientes y proveedores, cursos, ponencias, etc. Cuenta con 5 patentes y un gran número de publicaciones en este campo.

Ha sido profesor asociado de la asignatura de 5º curso, Percepción industrial en la especialidad de Automática y Electrónica de la Escuela de Ingeniería de la Universidad de Deusto (ESIDE) desde el curso 2000 al 2006.

3 Comentarios

    • Gracias Rubén. En efecto, es clave una buena especificación de requisitos que describa lo que va hacer y lo que no y las condiciones del control. El instituto Fraunhoffer esta sacando un estándar al respecto. Gracias

      Reply

Dejar un comentario

* Campos obligatorios