4 herramientas para inspecciones con aprendizaje profundo en automatización industrial

El software de aprendizaje profundo automatiza una amplia variedad de funciones de producción que no son prácticas para los trabajadores humanos y los algoritmos basados en reglas.

Piense en un inspector que trabaja en una línea de fabricación automotriz: puertas, guardabarros, asientos, ventanas y cientos de otros componentes se pueden rayar, abollar, rasgar o astillar en el proceso. Los humanos son capaces de captar algunos de estos defectos. Los sistemas de visión artificial con cámaras de alta tecnología y algoritmos complejos pueden detectar algunos defectos predeterminados bien definidos.

El problema es que todas las variantes en un entorno productivo pueden causar imperfecciones imposibles de anticipar. Aquí es donde el software de aprendizaje profundo viene al rescate: utiliza cámaras digitales y algoritmos de reconocimiento de imágenes para aprender a identificar una amplia variedad de problemas como óxido, decoloración y daño.

Cuando se desarrollan adecuadamente, las aplicaciones de aprendizaje profundo ayudan a los fabricantes a reducir los errores y mejorar la calidad del producto. En una aplicación de inspección, la visión artificial y el aprendizaje profundo trabajan juntos de la siguiente manera:

• Los desarrolladores generan una base de imágenes de entrenamiento de productos sin daños para establecer cómo se ve un producto “correcto”.
• Los desarrolladoras agregan imágenes de productos dañados para identificar las anomalías y fallas más recurrentes.
• Las cámara de visión artificial toman fotos de los elementos en una línea de fabricación. La aplicación de aprendizaje automático compara estas nuevas imágenes con las imágenes de entrenamiento para detectar posibles defectos.
• Debido a que la aplicación está optimizada para buscar el éxito y evitar el fracaso, básicamente se enseña a sí misma a ser más precisa con el paso del tiempo.

El software para desarrollar aplicaciones de aprendizaje profundo para la fabricación debe contar con cuatro capacidades fundamentales:

1. Localización de características y verificación de montaje

Detectar fallas no es el único trabajo de la visión artificial y el software de aprendizaje profundo. También puede utilizar imágenes de entrenamiento y algoritmos de aprendizaje para localizar componentes específicos, lo que puede ayudar en tareas como la instrucción de un brazo robótico para alinear los componentes correctamente. Esto es fundamental para productos de alta precisión como los semiconductores, los teléfonos inteligentes y los productos farmacéuticos.

Estas aplicaciones también pueden escanear la cantidad de productos en una ubicación e informar al robo que siga agregando el mismo producto hasta llenar la estantería o la caja. También pueden contar los componentes dentro de un paquete para garantizar que no se haya quedado nada fuera.

Las mejores herramientas de ubicación y verificación funcionan en una amplia variedad de iluminaciones y superficies que confunden a los sistemas de visión basados en reglas y al personal de control de calidad.

Más información: Identifique varios componentes o configuración de piezas con la herramienta de aprendizaje profundo para verificación del montaje

2. Detección de defectos y segmentación

La identificación de defectos probablemente sea la capacidad más buscada para el software de aprendizaje automático en entornos de producción. Si bien los sistemas de visión artificial se pueden programar para identificar un tipo de falla, detectar múltiples fallas de esta forma lleva demasiado tiempo.

Las herramientas de detección de defectos empiezan con una base de imágenes “buenas” y fotografías de defectos comunes como óxido, marcas de manipulado, rayones y desalineaciones. Las herramientas de detección de más alta calidad también cuentan con una opción para identificar fallas que se alejan de la imagen “buena”. Estas imágenes de resultados de producción raros ayudan a que la herramienta se enseñe a sí misma a mejorar su precisión.

La segmentación identifica una sección dentro de una imagen y le indica al software que escanee dicha área en busca de fallas. Esto ayuda a simplificar las aplicaciones de aprendizaje profundo, al filtrar áreas que no sea relevantes para al escaneo segmentado.

Obtenga más información: Cómo la detección de defectos mediante aprendizaje profundo automatiza las inspecciones en la industria automotriz y en otras industrias

3. Clasificación de objetos y escenas

Clasificar objetos y escenas ayuda a las aplicaciones de aprendizaje profundo a dividir las fallas en tipos, lo que optimiza la capacidad de la aplicación de mejorar sin intervención humana. En general, las imágenes se etiquetan según ciertas características y, luego, se clasifican en función de parámetros específicos. Así, por ejemplo, los productos rayados se pueden derivar automáticamente a la línea de pintura, mientras que aquellos con marcas de manipulación se pueden enviar al taller metalúrgico.

La clasificación también ordena productos y componentes en función de características comunes como color, textura, material, empaque y tipo de defecto. Las mejores herramientas de clasificación establecen tolerancias para desviaciones naturales en las sombras, formas o dimensiones y modifican estas tolerancias en función de las necesidades de cada clase.

Obtenga más información: Cómo funciona la herramienta de clasificación de aprendizaje profundo

4. Lectura de textos y caracteres

Leer palabras, números o textos consistentemente sobre una superficie como un bloque de motor o tubo de cobre puede ser imposible para las personas y los algoritmos de visión artificial estándar. La iluminación puede variar mucho en una línea de fabricación, lo que genera sombras en algunas secciones y brillo en otras; además de ir variando durante el día por los cambios en la luz ambiente de la fábrica.

Las aplicaciones de aprendizaje profundo conectan las fuentes y los tipos de letra con las letras de las piezas en producción. Esto hace que sea mucho más fácil leer textos a través de cubiertas plásticas o sobre superficies desparejas, como ropa o herramientas de jardinería. Las herramientas avanzadas de lectura de caracteres trascienden su uso en las fábricas, al ser parte de los sofisticados sistemas de distribución, logística y comercio.

Más información: Lea códigos complejos y desafiantes en cualquier condición mediante el OCR basado en aprendizaje profundo

Otras características que buscar en el software de aprendizaje profundo

Además de las cuatro aplicaciones mencionadas anteriormente, un sólido paquete de software de aprendizaje debe:

• Ser fácil de aprender, con una interfaz gráfica intuitiva que no necesite de conocimiento técnico avanzado.
• Estar optimizado para entornos de producción con inspección visual, con conjuntos de imágenes más pequeños que necesitan de menor entrenamiento.
• Estar diseñado para PC con Windows con GPU (unidades de procesamiento gráfico).

El aprendizaje profundo de Cognex cuenta con estas poderosas características y más, diseñadas específicamente para entornos de fabricación y producción, al contrario de los marcos de aprendizaje profundo de código libre. Combina una extensa biblioteca de herramientas de visión artificial con herramientas avanzadas de aprendizaje profundo dentro de un marco común de desarrollo e implementación.