63 INTELIGENCIA ARTIFICIAL ble sobre la resistencia a la tracción o la resistencia eléctrica de contacto de las uniones soldadas a partir de datos procedentes de sensores ópticos. La empresa sienta las bases para ello entrenando redes neuronales con datos de imágenes elaboradamente etiquetados y conclusiones de análisis destructivos de cordones de soldadura. Según Michael Ungers, Scansonic MI GmbH adopta un enfoque similar para las aplicaciones de IA en los procesos de soldadura y soldadura láser supervisados en línea. La detección fiable de las más pequeñas irregularidades en el baño de soldadura, como poros y salpicaduras, se basa en un amplio entrenamiento de las redes neuronales, así como en la validación y verificación en extensas series de pruebas. La empresa pretende garantizar que la IA también pueda detectar irregularidades en datos de imagen desconocidos durante el uso por parte del cliente. Suministrados por sensores ópticos integrados en los cabezales de procesamiento, los datos son analizados cerca de la línea por un ordenador de borde y visualizados para los usuarios humanos. También aquí la IA asume el papel de copiloto. Y también comienza con el laborioso etiquetado manual de miles de registros de datos. Pero el esfuerzo merece la pena. Y es que la combinación de la tecnología de sensores en línea y la IA da como resultado una detección de errores más sólida y precisa y, según Ungers, debería reducir significativamente los costes de inspección en la producción a medio plazo. POTENCIAL EN TODAS PARTES, INCLUSO SOBRE EL TERRENO La combinación de fotónica e IA despliega su potencial no sólo en el procesamiento industrial de materiales por láser. Peter Fuhrberg, director general de Futonics Laser GmbH, presentó en Aquisgrán una aplicación de IA destinada a reducir significativamente el uso de pesticidas en la agricultura. Su núcleo es un sistema de cámaras asistido por IA que puede distinguir en milisegundos entre cultivos jóvenes y malas hierbas. Esto le permite detectar plantas no deseadas a su paso por el campo, determinar su posición exacta y dirigir un láser de infrarrojo cercano (NIR) a los centros de crecimiento de cada planta mediante un escáner, compensando al mismo tiempo todas las vibraciones. Un pulso de láser basta para matar la mala hierba. Antes de que vuelva a brotar, las plantas de cultivo vecinas habrán ganado la carrera de crecimiento a la luz del sol. Futonics avanza sistemáticamente en este control de malas hierbas sin pesticidas. Como, según Fuhrberg, esto probablemente se llevará a cabo mediante vehículos autónomos alimentados por baterías, la eficiencia energética y espacial y la fiabilidad ocupan un lugar destacado en la agenda. También en este caso, la IA y las modernas herramientas de simulación pueden ser de gran ayuda. Éstas muestran que los láseres de tulio de conmutación rápida de 2μm alcanzan la mayor eficiencia de área por unidad de energía utilizada. Con un sistema de 800 vatios, un pulso láser de 2 milisegundos es suficiente porque la luz NIR es bien absorbida por las plantas. Según Fuhrberg, la calidad del haz, la fiabilidad del sistema y la vida útil también hablan a favor de la tecnología NIR. El ejemplo muestra cómo la IA puede inspirar a la fotónica y, al mismo tiempo, ayudar a fundamentar ideas innovadoras desde el principio. En la conferencia de Aquisgrán, Fuhrberg demostró que incluso la selección de láseres es muy compleja, dado el gran número de variantes de diseño con longitudes de onda que van del ultravioleta (UV) al infrarrojo medio (MIR), diferentes duraciones de pulso y enfoques de guiado del haz. La IA ayuda a preseleccionar de forma fiable los diseños de sistemas más eficientes y robustos y proporciona así una base sólida para el desarrollo. EN LA RECTA FINAL HACIA EL BUCLE CERRADO Sin embargo, como dijo en Aquisgrán Volker Rominger, experto de Trumpf, de momento sólo podemos ver la punta del iceberg. En Fraunhofer ILT, el profesor Carlo Holly ya está buceando más a fondo para hacerse una idea de las posibilidades futuras de la IA con su equipo. La fotónica está mejorando cada vez más en el uso de sensores “El aprendizaje automático ya no es una visión, sino una realidad. Podemos utilizarlo para aumentar significativamente la productividad, fiabilidad y calidad de los procesos láser y esto es solo la punta del iceberg”, explica Volker Rominger, responsable de Aprendizaje Automático y Simulación en Aplicaciones Láser de Trumpf. Foto: Fraunhofer ILT, Aquisgrán, Alemania.
RkJQdWJsaXNoZXIy Njg1MjYx