Comprender el modo rojo con gran nivel de detalles para la segmentación de defectos

vision software large blog banner

El software VisionPro Deep Learning de Cognex incluye un nuevo ajuste para inspecciones de visión artificial que necesitan de precisión extremadamente alta, denominado modo rojo con gran nivel de detalles (Red High Detail Mode).

Este modo de detección avanzado atiende casos de uso altamente específicos que necesitan de escrutinio adicional para segmentar defectos. Sin importar la industria o el tipo de defecto, el modo rojo con gran nivel de detalles entrega segmentación precisa, tiempos de procesamiento más rápidos y productos de mayor calidad.

Visión general de la herramienta de Deep Learning 
Comprender el modo rojo con gran nivel de detalles empieza con una revisión de las cuatro herramientas principales en VisionPro Deep Learning. Estas herramientas utilizan redes neuronales profundas para reconocer patrones, componentes y anomalías en imágenes obtenidas por las cámaras de visión artificial de Cognex: 

  • Analizar el rojo: Detecte la decoloración y los defectos en las imágenes. La herramienta de modo rojo con gran nivel de detalles es un ajuste de arquitectura dentro de esta herramienta.
  • Clasificar el verde: Clasifica una imagen o partes de una imagen en cualquier cantidad de clases. Un ejemplo común es clasificar los defectos por tipo (por ej., imperfecciones, grietas y rayones).
  • Localizar el azul: Ubica piezas o componentes en una imagen. 
  • Lectura del azul: Realiza un reconocimiento óptico de caracteres sofisticado en las imágenes.

Capturas de pantallas de la herramienta VisionPro Deep Learning

Los desarrolladores de VisionPro Deep Learning pueden usar cualquier combinación de estas herramientas juntas o todas a la vez. Esto es así para las herramientas Red Analyze y Green Classify. Por ejemplo, la herramienta Red Analyze puede identificar una anomalía, mientras que la Green Classify puede determinar el tipo de defecto.  

El modo rojo con gran nivel de detalles ha sido parte de la herramienta Green Classify desde hace tiempo, por lo que esta entrada se centrará en la nueva versión disponible en la herramienta Red Analyze.

Capturas de pantalla del modo rojo con gran nivel de detalles en VisionPro Deep Learning 

Cómo funciona la herramienta Red Analyze 
Cuando una cámara de Cognex toma una imagen para inspeccionar una pieza en producción, VisionPro Deep Learning debe determinar si la imagen aprueba o falla la inspección.

La herramienta Red Analyze permite realizar estas inspecciones al escanear en busca de características, objetos o componentes dentro de una imagen. VisionPro Deep Learning utiliza una red neuronal para otorgar a estas imágenes una clasificación de aprobado o fallo, en función de un conjunto de imágenes de entrenamiento preconfigurado. 

El proceso funciona de la siguiente manera: El desarrollador de la aplicación de visión artificial carga un conjunto de imágenes en la red neuronal. Normalmente, la mitad son imágenes de entrenamiento y la otra son imágenes de validación. La red neuronal compara las imágenes de entrenamiento con la “verdad fundamental” en las imágenes de validación. Durante el entrenamiento de la herramienta, la red neuronal aprende a descifrar la diferencia entre imágenes que aprueba y que fallan.  

La herramienta Red Analyze funciona en dos modos: 

  • Sin supervisión Utiliza imágenes sin defectos para entrenar a la red neuronal. Cualquier detalle en una imagen que se desvía de la definición de “bueno” se etiqueta como anomalía. 
  • Con supervisión Requiere que los desarrolladores identifiquen segmentos específicos dentro de una imagen para entrenar a la red neuronal. La red neuronal escanea la imagen en busca de estos defectos específicos.  

El modo supervisado tiene dos submodos: 

  1. Centrado, que ofrece un alto rendimiento y un tiempo de entrenamiento rápido.  
  2. Gran nivel de detalle, que ofrece la mejor precisión de su clase gracias a su algoritmo exhaustivo.

Así, la segmentación de rojo con gran nivel de detalles es una característica del modo supervisado en la herramienta Red Analyze.

Decidir cuándo usar la segmentación con gran nivel de detalle
La segmentación del modo centrado de VisionPro Deep Learning es extremadamente precisa y ágil. Se pueden agregar nuevas imágenes a la red neuronal y empezar a producir resultados en solo minutos. El modo centrado está bien diseñado para aplicaciones simples, pero para trabajos más desafiantes, el modo con gran nivel de detalles es más adecuado.

La segmentación con gran nivel de detalles requiere de una arquitectura de red neuronal más compleja. Naturalmente, esto requiere un compromiso entre tiempo y precisión. Con la herramienta de modo rojo con gran nivel de detalles, puede tomar algunas horas entrenar la red. Por lo tanto, los desarrolladores de aplicaciones deben ser estratégicos sobre cómo afrontar al tiempo de procesamiento adicional.

Ahorrar tiempo con el modo rojo con gran nivel de detalles
Etiquetar imágenes y segmentos suele ser una de las partes que más tiempo llevan al desarrollar una aplicación de visión artificial en VisionPro Deep Learning. Es posible que los desarrolladores necesiten etiquetar múltiples segmentos con docenas de imágenes. Es posible que sea necesario enmascarar los fondos de una imagen y tomar imágenes de los objetos en distintos ángulos para captar todo lo que necesita ver la red neuronal.

Por suerte, la tarea de etiquetado solo se debe realizar una vez. Las etiquetas se pueden copiar al evaluar diferentes herramientas para su aplicación, como modo centrado o modo con gran nivel de detalles. Sin la necesidad de volver a etiquetar las imágenes, el desarrollador ahorra tiempo y puede implementar su aplicación más rápido.

Asimismo, los desarrolladores pueden combinar los modos centrados y con gran nivel de detalles dentro de una aplicación —guardando la segmentación con gran nivel de detalles solo para los casos donde es más útil—. El modo rojo con gran nivel de detalles a menudo funciona bien en un modelo de inspección de dos niveles, donde las piezas de producción que no aprueban la prueba con gran nivel de detalles se envían a inspectores humanos que toman la última decisión de aprobado/fallo.

Detectar defectos sutiles y lograr análisis predictivos precisos

Los desarrolladores de visión artificial están acostumbrados a desarrollar aplicaciones con precisión y tolerancia altas. El modo rojo con gran nivel de detalles ayuda a estos desarrolladores a alcanzar el nivel de precisión necesario para las aplicaciones más demandantes.

La herramienta de modo rojo con gran nivel de detalles es una buena opción para aplicaciones que necesitan detectar defectos desafiantes y predecir con precisión la forma/el tamaño de éstos. La precisión a nivel del píxel es importante en grandes industrias como la de electrónica de consumo, de semiconductores y automotriz. Por ejemplo, un fabricante de semiconductores puede necesitar detectar pequeños defectos que podrían causar que un microprocesador se recaliente. O una planta procesadora de alimentos pueden necesitar escanear en busca de signos tempranos de moho o deterioro en productos refrigerados.

Los algoritmos de Deep Learning, como los que hacen funcionar el modo rojo con gran nivel de detalles, extrapolan el significado a partir de cantidades inmensas de patrones de píxeles. Además, las piezas en producción suelen tener diferencias sutiles que no afectan la calidad, el rendimiento o la durabilidad. Las aplicaciones de aprendizaje automático se pueden ajustar para compensar estas diferencias.

Sin embargo, no se debe entrenar una red con tanta precisión que rechace todo lo que inspeccione. Más bien, el objetivo es que la red neuronal emita juicios matizados a partir de un gran conjunto de datos con muchas variaciones sutiles —igual que hacen las personas—.

Resolver aplicaciones diagnósticas complejas con VisionPro Deep Learning
Gracias al software VisionPro Deep Learning, los desarrolladores pueden aprovechar un amplio conjunto de herramientas —que incluye las herramientas Red Analyze, Green Classify, Blue Locate y Blue Read— para cumplir hasta con los requisitos de aplicación más estrictos. De estas herramientas, el modo rojo con gran nivel de detalles, una característica de la herramienta Red Analyze, ofrece segmentación de defectos a nivel del píxel para detectar y medir defectos difíciles, como imperfecciones, grietas, rayones y otros tipos de imperfecciones en productos fabricados. La herramienta aprende con precisión la apariencia de defectos y los predice en imágenes no entrenadas con precisión a nivel del píxel. Junto a sus contrapartes, el modo rojo con gran nivel de detalles lleva la potencia de la inspección profunda a fabricantes de todas las industrias, para permitir a sus sistemas de inspección tomar decisiones de tipo humanas con la velocidad de una máquina. ¿El resultado final? Tiempos de procesamiento más rápidos y de mayor calidad.

VisionPro Deep Learning en una computadora


Más publicaciones en

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex