¿Cómo procesan los sistemas de visión artificial las imágenes que capturan?
Una vez que adquiere una imagen, el sistema necesita procesar y analizar el resultado para tomar una decisión: leer un código de barras, detectar un defecto, confirmar que un kit contiene todos sus elementos o medir una pieza.
Históricamente, la única manera de obtener suficiente potencia de procesamiento para realizar el análisis de imágenes era enviar la imagen a una PC externa. Dependiendo del tamaño y la complejidad de la imagen, podría llevar tiempo y potencialmente disminuir la velocidad de la línea, requiriendo una PC separada dedicada a la tarea.
Actualmente, los sistemas de visión altamente capaces tienen un procesamiento integrado que acelera el cálculo y reduce los posibles puntos de falla.
Una vez que adquiere una imagen, el sistema necesita procesar y analizar el resultado para tomar una decisión: leer un código de barras, detectar un defecto, confirmar que un kit contiene todos sus elementos o medir una pieza.
Tipos de herramientas de análisis de imágenes
Dependiendo de la tarea, un sistema de visión puede aprovechar una o varias herramientas específicas de análisis de imágenes.
- Detección/extracción de bordes: en una imagen, un borde marca un cambio distintivo en la intensidad. Dichos cambios marcan discontinuidades en profundidad, orientación, material y permiten encontrar los límites de los objetos.
- Conteo de pixeles: un algoritmo directo puede contar el número de pixeles en cada nivel de escala de grises en una región de interés o en la imagen general, proporcionando información utilizada por otras funciones.
- Detección de blob: se pueden identificar diferentes regiones proporcionando información que utilizan otras funciones.
- Emparejamiento de plantillas/patrones: las funciones de orientación y posicionamiento utilizan emparejamiento de patrones o emparejamiento de plantillas en piezas y productos para determinar la ubicación y orientación de los objetos.
- Análisis de color: cuando el color del objeto es una característica importante, hay varias herramientas de color incluyendo la extracción de color y segmentación, así como el igualado de colores.
Herramienta de cordón
Herramienta de mancha
Herramienta de emparejamiento de patrones
Análisis de color
Utilizar la información de la imagen
La información derivada de ese análisis de imagen no es muy buena si permanece en la cámara. Necesita compartirse con otros sistemas que puedan utilizarla.
Para ello, los sistemas de visión artificial utilizan formatos o protocolos industriales estándares para compartir datos con otros dispositivos, generalmente a través de conexiones con cable. Esos datos pueden utilizarse de muchas maneras:
- Puede indicar a un controlador lógico programable (PLC) cercano que dispare un pistón para sacar de la línea piezas defectuosas.
- Puede aparecer en una pantalla de interfaz hombre-máquina (HMI) para que un operador pueda verificar un proceso de producción y realizar ajustes.
- Se puede utilizar con el sistema de control de procesos de la fábrica o con un sistema de ejecución de fabricación (MES) para que el sistema pueda realizar ajustes y optimizar el proceso de fabricación.
- Puede activar mecanismos de clasificación en un sistema de clasificación automatizado para llevar un paquete al camión correcto.
Un PLC puede sacar las piezas defectuosas de la línea.
Un sistema de control de procesos o un sistema de ejecución de fabricación puede realizar ajustes para optimizar procesos.
Los datos basados en imágenes también impulsan decisiones más grandes
Además de las acciones individuales en piezas, productos o paquetes individuales, los datos generados a través de aplicaciones de visión artificial también se pueden agregar y utilizar para abordar problemas comerciales más grandes.
Por ejemplo, los negocios pueden usar los datos para encontrar las causas raíz detrás de retrasos, defectos y embarques perdidos. ¿Un proveedor utiliza materia prima inferior para sus piezas? ¿O el problema se provoca por cómo se almacenan o envían las piezas? ¿Los trabajadores tienen capacitación inadecuada? Los datos de visión artificial se pueden analizar para identificar el origen del problema.
Otros usos de los datos de visión artificial pueden incluir:
- Aprender que un cierto tipo de piezas provoca el rechazo de los conjuntos en los que están instaladas.
- Localizar e identificar piezas, actualizar constantemente el inventario y garantizar el cumplimiento preciso de los pedidos.
- Analizar grandes conjuntos de datos con un sistema de planificación de recursos empresariales (ERP) para tomar decisiones operacionales a largo plazo.
- Revisar las tasas y los tipos de fallas para determinar dónde se introducen los errores de producción.
Los datos de visión artificial pueden mantener los inventarios actualizados.
Los datos de tasa de fallas ubican dónde ocurren los errores de producción.
Tipos de protocolos de comunicación
Existe una amplia variedad de protocolos que se utilizan en la fabricación automatizada, desde señales simples de encendido/apagado que envía una conexión directa, hasta protocolos industriales complejos como Ethernet/IP, Profibus y DeviceNet, entre muchos otros.
Si bien la interoperabilidad es común, lo que significa que puede comprar el mejor dispositivo para un trabajo específico y estar seguro de que puede comunicarse con todos sus equipos actuales, sigue siendo cierto que varios fabricantes favorecen un protocolo u otro y hay muchos estándares de propiedad exclusiva.
Los sistemas de visión artificial pueden configurarse para ser interoperables con prácticamente cualquier conjunto de protocolo industrial, proporcionando su información de manera que se utilice fácilmente para mejorar las operaciones industriales automatizadas.