¿Cuáles son los principales tipos de sistemas de visión?
Mientras los sistemas de visión artificial ofrecen una amplia variedad de características y opciones, hay tres categorías principales que se deben considerar.
Las cámaras de escaneo en línea se utilizan en aplicaciones de inspección continua como la fabricación web. Toman una imagen amplia pero muy delgada, generalmente conforme pasa el material por el área de escaneo, y utilizan un software para reconstruir la imagen línea por línea. Son significativamente más rápidas en estas aplicaciones que las cámaras estándares 2D. Algunos ejemplos incluyen inspeccionar tela, papel y otros productos delicados.
La mayor parte de la visión artificial utiliza cámaras 2D, también llamadas sistemas de escaneo de área. Estas pueden ser sensores simples, sensores de un solo propósito o sistemas con características más completos. Los sensores son de bajo costo, más pequeños, más fáciles de implementar y frecuentemente más resistentes que las cámaras con una variedad más amplia de características. Generalmente, los sistemas completos son más configurables, realizan tareas más complejas y pueden tomar imágenes más grandes y de mayor resolución. La decisión entre sensores y sistemas de visión artificial más complejos depende de la tarea a realizar, el formato de salida de datos, el costo y la facilidad de uso.
Los sistemas de visión 3D agregan profundidad a sus imágenes, a veces utilizando láseres para medir distancias y calcular profundidad. Añadir profundidad puede aumentar la complejidad y el costo hasta cierto punto, pero esa información adicional es crucial para algunas aplicaciones. Por ejemplo, la visión 3D es esencial para guiar un brazo robótico y alcanzar con precisión un objeto en la orientación correcta sin importar su ubicación en el espacio. La visión 3D también se utiliza para automatizar procesos difíciles de corte y soldadura.
¿Qué hace la visión artificial?
Los proveedores de visión artificial a veces clasifican lo que sus sistemas pueden hacer con el acrónimo GIGI para guía, identificación, calibración e inspección. Esta guía desglosa los tipos de aplicaciones con un poco más de detalle:
- Detección de defectos
- Detección y recuento de objetos
- Medición/calibración
- Ubicación/guía/posicionamiento
- Lectura de códigos de barras
- Reconocimiento óptico de caracteres (OCR)/Verificación óptica de caracteres (OCV)
Detección de defectos
Los defectos pueden ocurrir en cualquier parte de un proceso de fabricación, desde problemas con la calidad de la materia prima o en piezas hasta la inspección final. Las inspecciones para detectar defectos tradicionalmente se han realizado manualmente con trabajadores capacitados.
La visión artificial es una mejora importante con respecto a la inspección humana: opera a la velocidad de la línea de fabricación, no se cansa, puede detectar incluso defectos pequeños e inesperados y almacena información para una mejora operacional continua.
Ejemplos:
Buscar conectores sueltos, cables mal soldados, costuras defectuosas o tubos engarzados incorrectamente.
Detección de células fotovoltaicas con imperfecciones en paneles solares o defectos en discos semiconductores o conjuntos de baterías para VE.
Encontrar contaminantes u otros problemas en los productos alimenticios.
Detección y recuento de objetos
Determinar la presencia o ausencia y el recuento de objetos es una función ampliamente utilizada en el manejo de inventario, en líneas de fabricación y antes de liberar o aceptar envíos. Tanto la inspección manual como el conteo mecánico son lentos y propensos a errores comparado con los sistemas de visión artificial de alta velocidad y sistemáticamente precisos.
Ejemplos:
Confirmar la presencia de todos los componentes electrónicos en una tarjeta de circuito impreso.
Verificar la presencia de componentes como clips, tornillos, resortes, etiquetas, sellos, manuales, insertos o accesorios.
Conteo de productos en un embalaje o en tarima
Medición & calibración
La fabricación precisa requiere una medición precisa de distancias, áreas, diámetros y más. La medición manual con medidores, calibradores o dispositivos de inspección es lenta y presenta inconsistencias.
La visión artificial mide de manera consistente y precisa hasta el nivel de micrones, mientras que las piezas están en la línea, a altas velocidades. Cada imagen y sus datos asociados pueden almacenarse en caso de problemas de garantía o cumplimiento normativo.
Ejemplos:
Captura de las dimensiones de piezas fundidas y moldeadas por inyección.
Medición de la redondez y el ángulo de las puntas en las piezas.
Determina las posiciones de las etiquetas o los tamaños del empaque.
Ubicación, guía y posicionamiento de piezas
Las funciones como el montaje, recolección y colocación, y la inspección depende de la capacidad de la visión artificial para localizar una pieza, ya sea en una banda transportadora o en un contenedor. La visión artificial guía a los robots en la recolección y colocación de piezas y asegura un posicionamiento preciso a nivel micrométrico en el ensamble de precisión.
Si una pieza está fuera de lugar, la visión artificial mide la diferencia entre la ubicación y orientación deseadas y las reales, y la comunica a un robot o controlador lógico programable (PLC) para realinear la pieza.
Ejemplos:
Localización de piezas en una banda transportadora para inspección.
Guiado de robots en líneas automatizadas de ensamblaje automotriz.
Ensamble de microchips que requieren precisión a nivel micrométrico.
Lectura de códigos de barras
Los códigos de barras se utilizan para rastrear e identificar materias primas y productos terminados a través de toda la cadena de suministro. Incluyen códigos 2D y 1D, como códigos UPC en productos minoristas y códigos data matrix en los paquetes.
Los lectores de códigos de barras procesan información a altas velocidades y leen correctamente códigos parcialmente rotos, oscurecidos, manchados o distorsionados. Los escáneres de códigos de barras basados en imágenes recopilan imágenes de los códigos que leen, permitiendo el análisis de lecturas incorrectas o sin lecturas para diagnosticar problemas como un cabezal de impresión obstruido, códigos dañados o iluminación inadecuada. Los sistemas de múltiples cámaras pueden escanear desde varios lados de una pieza o empaque a la vez para aumentar las tasas de lectura cuando no todos los códigos están orientados de la misma manera.
Ejemplos:
Seguimiento de paquetes en su recorrido a través del almacén de logística.
Asegurar el ensamblaje de los componentes correctos.
Proporcionar una rastreabilidad precisa de los suministros médicos.
Texto de lectura: Reconocimiento óptico de caracteres (OCR) y verificación óptica de caracteres (OCV)
Los códigos de barras están en todas partes en la industria moderna pero el texto impreso legible por humanos sigue siendo esencial, especialmente para las cadenas de suministro minoristas, de fabricación, farmacéuticas, alimentos y bebidas, para identificar fechas de caducidad, números de lote y otra información importante. Para que este texto sea útil en el procesamiento moderno de alta velocidad, debe ser legible de manera confiable por máquinas. Los sistemas de visión artificial pueden leer estos códigos en milisegundos con una precisión de 99.99 %.
El reconocimiento óptico de caracteres (OCR) y la verificación óptica de caracteres (OCV) identifican e interpretan el texto en imágenes con una diferencia clave. El reconocimiento óptico de caracteres lee texto para activar otra acción, mientras que la verificación óptica de caracteres (OCV) se utiliza para verificar la calidad del texto comparado con un estándar conocido.
Ejemplos:
Clasificación de una pieza según los caracteres impresos en ella (reconocimiento óptico de caracteres).
Verificar si una fecha de vencimiento o un número de lote está impreso correctamente (verificación óptica de caracteres (OCV)).
Distinguir productos auténticos de productos falsificados (reconocimiento óptico de caracteres).
Establecer la rastreabilidad para cumplir las demandas normativas (OCR).
Siguiente lectura: Visión artificial en base a reglas frente a alimentado por IA
Los sistemas en base a reglas siguen instrucciones paso a paso programadas por el usuario para interpretar imágenes y tomar decisiones. Por el contrario, la inteligencia artificial o los sistemas alimentados por IA utilizan una base de datos de imágenes de referencia para “aprender” cómo tomar decisiones.