Visión Artificial en entornos industriales

La visión artificial en entornos industriales ha tenido, y tiene, especial importancia por el enorme rendimiento que aporta en la automatización de tareas repetitivas y de alta precisión. Los entornos abiertos siempre constituyen retos para la visión artificial por las variaciones lumínicas incontroladas, por lo que las condiciones cerradas de un entorno industrial favorecen en mayor medida la consecución de los objetivos de la visión artificial en dicho entorno. La adecuación y el control de las condiciones de adquisición en interiores se vuelven especialmente relevantes en la visión industrial y simplifican en gran medida los algoritmos de procesamiento de imágenes a utilizar, que distan mucho de aquéllos planteados para condiciones más abiertas o usos en exteriores.

La configuración básica de funcionamiento de un sistema de visión artificial en un entorno industrial sigue los pasos de adquisición, análisis y procesamiento y actuación. Los componentes, por tanto, son: cámara, lentes e iluminadores, sistema de control (PLC o equivalente), sistema de monitorización del operador (opcional), trigger y actuador, además de la cinta transportadora. Centrándonos en los primeros, la gama de los dispositivos de captura y procesamiento es muy amplia y es importante contar con el apoyo de una empresa o personal especialmente cualificado para tomar la decisión correcta o, al menos, destacar los aspectos más relevantes para dicha toma de decisión. Las cámaras disponibles utilizan sensores de diferentes rangos espectrales y modalidades, como cámaras térmicas (infrarrojo lejano), cámaras NIR (Near-Infra-Red, infrarrojo cercano), cámaras de rango visible, cámaras lineales 2D, o 3D, por haces de luz estructurada, cámaras time-of-flight, cámaras 360 con espejo parabólico, cámaras multiespectrales, etc. Estos dispositivos tienen un rango de precio muy diverso desde unos cientos de euros a varios miles en función de las tecnologías, especificaciones y ópticas determinadas.

Los interfaces de conexión también varían, aunque menos. Entre los más usuales se encuentran Gigabit Ethernet, USB1.0-USB3.0, CameraLink, Firewire/IEEE1394 y algunos más antiguos. La protección industrial también es especialmente destacable puesto que hay muchos entornos industriales con características propias especialmente agresivas, con necesidades de protección antivibraciones, antihumedad, antivandalismo, para condiciones de temperatura extrema, suciedad y polvo, de uso interior o exterior, con ventilación líquida o por aire y otros requisitos. También las formas de procesamiento y SDKs disponibles son muy variadas, desde el uso de SDKs propietarias de los fabricantes de las cámaras, Texas Instruments, Vision Components, FLIR, Bassler, JAI, etc., librerías Halcon [1], Matrox MIL [2], a estándares de facto de más bajo nivel como OpenCV [3] o Mathworks MATLAB [4] y su Image Processing Toolbox.

Rolling shuter y global shutter en una escena en movimiento [5].

Las ópticas y la iluminación requerirían un extenso artículo y por lo general debe tenerse en cuenta que lo que se busca es facilitar la tarea de procesamiento lo máximo posible, por lo que todo lo que afecte a la captura debe valorarse de manera minuciosa. Con ello hay que tomar decisiones sobre el escenario y distancia de trabajo (dimensiones), apertura y profundidad de campo que permite la óptica, el área y tecnología de fabricación del sensor, el tiempo de exposición (rolling shutter vs global shutter, para reducir o eliminar el motion blur), la resolución espacial de la imagen (640x480, 752x480, Megapíxel, HD, etc.), la tasa de refresco o framerate de adquisición (desde 10 a varios cientos de fotogramas por segundo), el tipo de iluminación en función de la modalidad de captura, etc.

Por último, es importante destacar el papel que desempeñan los dispositivos de cómputo finales. Las propias cámaras pueden incluir pequeños procesadores en los que ejecutar las rutinas de procesamiento de imágenes en las llamadas cámaras inteligentes, aunque también es común contar con equipos de procesamiento basados en estaciones de trabajo tipo PC, con mayor o menor grado de rugerización para su adaptación al entorno industrial. Se pueden encontrar soluciones de bajo consumo basados en FPGAs y DSPs especializados, procesadores ARM más generales aunque de peor rendimiento, evolucionados PLCs con mejoradas capacidades de cómputo, comunicación y almacenamiento, equipos de más altas prestaciones y bajo consumo basados en procesadores Intel Atom hasta incluso grandes estaciones de trabajo y servidores. Asimismo, en los últimos años ha habido un creciente interés por el procesamiento paralelo, por la evolución natural de los procesadores a incorporar varios núcleos de procesamiento (arquitecturas multicores) o varios miles (arquitecturas manycore) en sistemas basados en procesadores gráficos (GPU computing) con interfaces de programación paralela Intel TBB (Threading Building Blocks), OpenMP, OpenCL o NVIDIA CUDA [6], entre otros.

Un ejemplo de computador diseñado especialmente teniendo en cuenta requisitos industriales y las típicas interfaces de las cámaras es el Matrox 4Sight GPm [2] sin ventilación mecánica y múltiples puertos de conectividad USB3 Vision y GigE Vision con soporte PoE (Power-over-Ethernet) para reducir las conexiones físicas de alimentación de cámaras y con procesadores de bajo consumo Intel Core de tercera generación.

Las aplicaciones más comunes de la visión artificial en entornos industriales son la inspección y el control de calidad automatizado. La automatización de estas tareas se ha demostrado como una inversión rentable a muy corto plazo, consiguiendo unas cotas de repetitividad, duración, objetividad y precisión inalcanzables en una cadena de inspección manual. Ello repercute directamente en los aumentos de producción, mejora de la calidad y reducción de tareas monótonas en personal humano propensas a accidentes.

Dependiendo de la naturaleza del problema se llegan a utilizar cámaras e iluminaciones de maneras muy sofisticadas, buscando una reducción de la complejidad del problema abierto, minimizando la variabilidad de las condiciones ambientales y asegurando una correcta adquisición de imágenes a procesar automáticamente. Un ejemplo de ello es el sistema Trevista de inspección de superficies [7]. El sistema se basa en la toma simultánea de 4 imágenes con diferentes iluminaciones produciendo imágenes topográficas y de textura, de manera que es capaz de procesar la información visual de una superficie ya sea, de naturaleza brillante o superficies mates que dispersan la luz, como podrían ser torneados, fresados, pulidos, lapidados, galvanizados o plástico negro.

Sistema Trevista de inspección de superficies [7].

Los sistemas ‘can-inspector’, ya sea de latas de conservas o de bebidas [8][9], utilizan una serie de cámaras para inspeccionar desde diferentes puntos de vista diferentes defectos que pueden producirse en fabricación, especialmente rebabas, golpes en la lata o pérdidas de la pestaña de apertura. Sistemas de etiquetado en botellas también se sirven de cámaras para conseguir el perfecto alineamiento y la detección de problemas en dicho etiquetado.

Desde cámaras en brazos robotizados para la colocación de palés, identificación de ganado vacuno en mataderos industriales mediante lectura de crotales, inspección de huevos de gallina para descarte de unidades con defectos en la cáscara, etc., existen aplicaciones de la visión artificial de gran éxito en entornos industriales.

Es importante destacar la dificultad, pero buen porcentaje de éxito y ayuda, de otras aplicaciones no industriales en entornos abiertos. El problema en estos entornos suele concentrarse en la alta tasa de variabilidad de las condiciones de iluminación así como la falta de control del objeto de observación. Estas características hacen dificultan la generalización de las soluciones y penalizan sus tasas de éxito.

En los sistemas de seguridad y vigilancia para entornos abiertos se suele contar con cámaras infrarrojas y térmicas para adaptarse a cualquier condición de iluminación diurna, nocturna o artificial [11]. Los populares sistemas ALPR (Automatic License Plate Recognition) para tráfico y carreteras suelen contar con una o dos cámaras de rango visible e infrarroja para minimizar las dificultades del reconocedor de caracteres. Con tasas mayores del 95% de éxito en entornos relativamente controlados (como aparcamientos donde los vehículos paran en determinados puntos, como barreras) los niveles descienden peligrosamente en casos totalmente abiertos e incontrolados. Las cámaras infrarrojas se utilizan en unión a iluminadores infrarrojos que hacen brillar las matrículas de los vehículos y mejorar la detección y el reconocimiento de éstas. Sistemas como el BusVigía que determina automáticamente la invasión de vehículos particulares los carriles de uso exclusivo de autobuses [12] o los fotorrojos [13] para la detección de vehículos infractores en cruces con control semafórico, son casos de éxito de la visión artificial en entornos urbanos.

La visión artificial está viviendo un apasionante momento con su integración con éxito en entornos industriales. Cada vez hay mayores apuestas por soluciones basadas en visión artificial, tanto en aplicaciones industriales como no industriales. Las competencias de esta rama se adquieren progresivamente, ya sea desde la inmersión profesional (fundamentalmente ingenieros industriales e informáticos en proyectos de visión) hasta la creación de seminarios y talleres especializados e impartidos por profesionales del sector (empresas de soluciones, distribuidores comerciales, etc.). También, empiezan a surgir iniciativas en la academia para introducir estos temas de gran interés profesional a recién egresados de títulos universitarios, como el Máster Oficial en Visión Artificial de la Universidad Rey Juan Carlos [14], el único especializado 100% de la zona centro del país, y en el que tienen también cabida profesionales en busca de reciclaje o cursos concretos más resumidos.

Referencias

[1] MVTec Software GmbH, http://www.halcon.com

[2] MATROX Imaging, http://www.matrox.com

[3] Khronos OpenCV http://www.opencv.org

[4] Mathworks MATLAB http://www.mathworks.es/products/matlab

[5] Point Grey, http://www.ptgrey.com/support/kb/index.asp?a=4&q=115

[6] NVIDIA Corp. http://www.nvidia.com/cuda

[7] Vision Online http://www.visiononline.es/es/productos-vision-artificial/trevista

[8] KHS http://www.khs.com/en/products/single-machines/inspection/foreign-substance-detection/in-empty-cans/innocheck-eci-empty-can-inspector.html

[9] JasVisio http://www.jasvisio.com/productos/inspeccion-de-defectos-en-el-cierre-de-latas.html

[10] INFAIMON, http://www.infaimon.com

[11] Bosch http://www.boschsecurity.com

[12] BusVigia http://www.busvigia.com

[13] Vaxtor Systems, http://www.vaxtor.es/vaxalpr-alprfotorojo-sp.html

[14] Máster Oficial en Visión Artificial de la Universidad Rey Juan Carlos (Móstoles, Madrid), www.gavab.etsii.urjc.es/master