Está en la página 1de 37

VAMAD

VAMAD: DESARROLLO DE SISTEMAS INNOVADORES DE VISIN ARTIFICIAL PARA LA DETECCIN DE DEFECTOS EN SUPERFICIES DE MADERA Y DE MATERIALES DERIVADOS

FIT-170260-2007-1
Carcter documento: Pblico

Valencia, 7 de noviembre de 2008

Asistentes: AIDIMA, AIDO, AIN, CETEM, Universidad de Karlsruhe Coordinacin y edicin: Miguel ngel Abin

VAMAD

1. Marcha del proyecto


E1.1
Dic. 07

E1.2
En. 08

H1.1
En. 08

TERMINADA

ETAPA 1: Caracterizacin de la calidad superficial de la madera y de sus materiales derivados, as como de las superficies acabadas.

E2.1
Feb. 08

E2.2
Mar. 08

H2.1
Mar. 08

TERMINADA

ETAPA 2: Creacin de las bases de datos de defectos con las que se entrenar el sistema de aprendizaje supervisado.

E3.1
Sep. 08

E3.2
Sep. 08

H3.1
Sep. 08

TERMINADA

ETAPA 3: Desarrollo de un prototipo del sistema de visin artificial a escala de laboratorio.

E4.1
Feb. 09

E4.2
Mar. 09

H4.1
Mar. 09

EN MARCHA

ETAPA 4: Desarrollo de un prototipo industrial del sistema de visin artificial.

VAMAD

1. Marcha del proyecto

E5.1
Sep. 09

E5.2
Sep. 09

H5.1

H5.2
Sep. 09

H5.3

ETAPA 5: Integracin industrial del sistema de visin artificial en empresas de madera y tableros.

E6.1
Dic. 09

E6.2
Dic. 09

H6.1
Dic. 09

EN MARCHA

ETAPA 6: Transferencia del conocimiento.

VAMAD

1. Marcha del proyecto


Entregable 1.1. Informe sobre defectos en superficies acabadas y sobre los defectos relevantes para la industria. Durante la etapa 1 del proyecto se ha realizado una extensa bsqueda bibliogrfica en la que se han localizado normas (espaolas, europeas e internacionales), artculos, manuales, documentos y libros sobre los defectos de los acabados de las superficies de madera y de materiales derivados. Al conocimiento obtenido del estudio de dichos documentos se ha sumado el obtenido mediante entrevistas con expertos nacionales e internacionales en defectos de acabados y mediante reuniones con diversas empresas del sector del mueble y afines. Todo este conocimiento es la base para la clasificacin y cuantificacin posterior de los defectos de acabados en superficies de madera y derivados, conocimiento que ser introducido en el sistema de visin artificial que se desarrollar a lo largo del proyecto. El sector del mueble y afines carece de un vocabulario comn y sin ambigedades para los defectos, lo que imposibilita la aparicin y aceptacin de calidades estndares para los acabados y dificulta la comunicacin entre interlocutores.

VAMAD

1. Marcha del proyecto

Poros

Crteres

Grietas

Velado

VAMAD

1. Marcha del proyecto


NOMBRE DEFECTO
Velados

NOMBRE EN INGLS
Blushing Hazing

SINNIMOS EN ESPAOL
Nebulizacin Enturbiamiento Exudacin Blanqueamiento Lechoso Neblina Escurriduras Sangrados Colgados

Descuelgues

Curtaining Sagging Chelcking Cracking Chelcking Cracking Pockmarking Cratering

Grietas/ Cuarteamientos lineales Grietas/ Cuarteamientos red Crteres

Craqueado Ojo de pez Ojo de pescado

En el entregable 1.1 se presenta una tabla que asigna a cada defecto su traduccin al ingls y los posibles sinnimos en ingls que existen, extrados tanto de publicaciones tcnicas como del vocabulario de los tcnicos que trabajan en las industrias, as como los sinnimos para cada defecto en espaol peninsular y americano.

VAMAD

1. Marcha del proyecto


Frecuencia de los defectos de acabados
Crteres 2% 14% 2% 14% 14% 2% 2% 12% 19% 2% 15% 2% Amarilleo Grietas Velado Burbujas Goteos Piel de naranja Ampollas Descuelgues Poros Granizados Otros

Se distribuy por correo electrnico y por fax un cuestionario a 51 empresas del sector de la madera y derivados con el objetivo de conocer sus problemas, tanto tcnicos como econmicos, con los diferentes tipos de defectos. La grfica muestra los resultados de la encuesta.

VAMAD

1. Marcha del proyecto


Entregable 1.2. Informe sobre la recopilacin de muestras fsicas de defectos

En la etapa 1 del proyecto se ha recopilado una gran cantidad de muestras de acabados de madera o derivados con defectos en el acabado. Para garantizar que dichas muestras sean representativas de los problemas que sufren las empresas, muchas de ellas se recogieron en empresas de Murcia y de la Comunidad Valenciana y son consecuencias de fallos reales durante los procesos de acabado (pintado, barnizado, lacado, aplicacin de lasures, revestimiento de tableros con melaminas, con papel termofusible, con chapas, etc.). Un grupo ms reducido de las muestras se ha creado en los laboratorios de AIDIMA y CETEM mediante, por ejemplo, mtodos de aplicacin errneos o incompatibilidades entre los recubrimientos y el sustrato. Las muestras defectuosas servirn para crear un banco de imgenes con que se entrenar el sistema de clasificacin que se usar en el proyecto (etapa 3: Desarrollo de un prototipo del sistema de visin artificial a escala de laboratorio). Este sistema necesitar disponer de una gran variedad de texturas para discriminar entre el dibujo de la madera y los defectos. Por eso, se ha obtenido una amplia representacin de los sustratos utilizados en la industria.

VAMAD

1. Marcha del proyecto

Creacin artificial de defectos

VAMAD

1. Marcha del proyecto

Creacin artificial de defectos en un tnel de ultravioleta

10

VAMAD

1. Marcha del proyecto

Coleccin de muestras defectuosas

11

VAMAD

1. Marcha del proyecto

Coleccin de muestras defectuosas

12

VAMAD

1. Marcha del proyecto


Entregable 2.1. Informe sobre el banco de imgenes de defectos Las superficies barnizadas se ubican dentro del grupo de superficies consideradas "no cooperativas". Esta denominacin responde al hecho de que la informacin obtenida, mediante su observacin, cambia con el ngulo de iluminacin y observacin elegido. Por lo tanto, la adquisicin de imgenes de este tipo de superficies, dado un punto de observacin fijo, representa un desafo desde el punto de vista de la iluminacin. En nuestro caso, los defectos del barnizado solamente son parcialmente visibles bajo un grupo limitado de ngulos de iluminacin y observacin. Esta caracterstica descarta el uso de luz difusa en favor de luz direccional. Bajo luz direccional, la informacin sobre el defecto captada en la imagen no slo es parcial, sino que cambia a medida que se elige otra direccin de iluminacin. Por tanto, una imagen tomada bajo un determinado ngulo de luz describe slo una parte del defecto, y resulta necesario inspeccionar la superficie bajo otras direcciones de iluminacin a fin de completar esta descripcin. Slo as se obtiene la informacin necesaria para clasificar la pieza defectuosa. Lo anterior se traduce en la necesidad de generar una serie de imgenes. La serie se consigue fotografiando sucesivamente la misma superficie, pero iluminando cada vez desde una direccin distinta. De esta manera, cada fotografa posee una parte de la informacin necesaria para reconocer el defecto. Analizando las series de imgenes con algoritmos desarrollados por la Universidad de Karlsruhe, se podr recopilar e interpretar su contenido.

13

VAMAD

1. Marcha del proyecto


Las series de imgenes se han ido almacenando en un banco de imgenes, el cual servir en el futuro como entrada al sistema de aprendizaje supervisado encargado de la clasificacin de los defectos.

Serie de 16 imgenes correspondientes a un crter

14

VAMAD

1. Marcha del proyecto

Serie de 16 imgenes correspondientes a una grieta y una burbuja

15

VAMAD

1. Marcha del proyecto

Sistema de adquisicin de imgenes propuesto por la Universidad de Karlsruhe. Para este muestreo se considera un ngulo de elevacin fijo y un desplazamiento discreto en direccin del ngulo azimut. Es decir, a partir de un punto de partida dado por (, =0) la fuente de iluminacin se va rotando alrededor de la muestra tomndose una fotografa luego de cada desplazamiento igual a .

16

VAMAD

1. Marcha del proyecto


Entregable 2.2. Informe sobre las caractersticas invariantes y el clasificador de aprendizaje supervisado

Este informe expone un mtodo desarrollado por la Universidad de Karlsruhe para obtener caractersticas invariantes a partir de series de imgenes. Este mtodo ha sido desarrollado a fin de detectar y clasificar defectos en superficies no cooperativas (aquellas en que la informacin obtenida mediante observacin cambia con el ngulo de iluminacin y observacin elegido). En nuestro caso, los defectos de inters son defectos de barnices, lacas o lasures sobre substratos de madera. Cada defecto se cataloga y recibe un nombre de acuerdo a su apariencia, la cual est directamente relacionada con sus causas. La clasificacin de los defectos consiste en asignar a cada defecto detectado una clase preestablecida que indique la naturaleza del mismo. Debido a las caractersticas no cooperativas de la superficies barnizadas debe trabajarse con series de imgenes, donde cada imagen presente la misma superficie, pero iluminada desde una direccin distinta. En este proyecto, las series de imgenes se obtienen rotando una fuente de luz puntual alrededor de la superficie inspeccionada y fotografiando despus sta cada vez que la iluminacin recorre un desplazamiento azimutal determinado. El mtodo exacto de obtencin de las series de imgenes se explic en el entregable 2.1 (Informe sobre el banco de imgenes de defectos).

17

VAMAD

1. Marcha del proyecto

De las series de imgenes debe extraerse informacin relevante para la clarificacin de los defectos. Esta informacin recibe el nombre de caractersticas. Para que puedan aplicarse al proyecto, estas caractersticas deben cumplir ciertas condiciones que aumentan la complejidad del mtodo. Entre estas condiciones se destaca el hecho de que deben ser independientes de la textura del substrato. Esto es relevante cuando se trabaja con acabados transparentes, los cuales dejan expuesta la textura del substrato o soporte. Este requisito implica, por tanto, que la caractersticas extradas deben experimentar ningn o muy poco cambio cuando distintos tipos de substratos son utilizados. Adems, los defectos deben reconocerse correctamente sin que importe su tamao, ubicacin o rotacin relativa. La informacin relevante sobre los defectos est contenida en cada imagen de la serie; es decir, tanto en la intensidad de cada punto en relacin con su entorno bidimensional, como tambin en su relacin con su entorno tridimensional (esto es, en los cambios de intensidad que se producen de una imagen de la serie a la otra). Debe definirse, por lo tanto, una funcin ncleo capaz de recolectar esta informacin. En el mtodo propuesto, las invariantes se consiguen mediante un proceso mixto: la invariancia frente a la rotacin se obtiene por integracin; y la invariancia frente a la translacin, mediante la construccin de histogramas de lgica difusa.

18

VAMAD

1. Marcha del proyecto


Para clasificar las caractersticas extradas de las series de imgenes se utiliza un support vector machine (SVM). Este clasificador es de aprendizaje asistido. Esto significa que, durante la etapa de entrenamiento, un experto ofrece al clasificador una lista de objetos que han sido clasificados previamente, a fin de que ste aprenda para luego poder reconocer objetos similares. Durante la fase de entrenamiento el clasificador asocia cada clase con las caractersticas extradas de las imgenes y establece fronteras entre las distintas clases en un espacio multidimensional. Para el entrenamiento del SVM se utiliza una lista de series de imgenes llamada lista de entrenamiento. La misma desempea un papel decisivo en la determinacin de las fronteras entre clases que luego se utilizarn en la clasificacin. Es importante que esta lista cuente con un nmero adecuado de defectos representativos de cada clase, as como de texturas de substrato. Para probar el sistema se utiliza una lista de series de imgenes disjunta a la de entrenamiento que recibe el nombre de lista de prueba. Los resultados de esta lista sirven para ajustar tanto la lista de entrenamiento como la lista de funciones ncleo.

19

VAMAD

1. Marcha del proyecto

Ejemplo de parmetros de la funcin ncleo: a=2, r2=2r1, =45, =90 y =180.

20

VAMAD

1. Marcha del proyecto

Ejemplo de serie de imgenes de la lista de entrenamiento: grupos de burbujas

21

VAMAD

1. Marcha del proyecto

Ejemplo de serie de imgenes de la lista de prueba: burbuja

22

VAMAD

1. Marcha del proyecto


Entregable 3.1. Informe sobre el prototipo de visin artificial de laboratorio

23

VAMAD

1. Marcha del proyecto

24

VAMAD

1. Marcha del proyecto

(izq) Caracterstica que representa una grieta. (derecha) Caracterstica que representa una superficie sin defecto.

25

VAMAD

1. Marcha del proyecto

Deteccin de un defecto

26

VAMAD

1. Marcha del proyecto


Entregable 4.1. Informe sobre patentes de sistemas de visin artificial para la deteccin de defectos en superficies Este documento es una recopilacin de documentos de patentes internacionales donde se ha intentado plasmar todos aquellos desarrollos de productos, sistemas y metodologas patentados relacionados con sistemas de visin artificial para deteccin de defectos en superficies. Con el estudio de esas patentes se pretende comprobar si algn sistema o metodologa patentado pudiera ser de inters, bien total o parcialmente, para la implementacin del prototipo industrial que se desarrollar a lo largo de la etapa 4. El estudio se ha realizado sobre la base de datos Espacenet y en el quedan incluidos aquellos documentos que se consideraron de inters desde el periodo de 1980 a 2008.

27

VAMAD

1. Marcha del proyecto


TTULO: Natural wood surface optically inspecting method for use in production line, involves combining two set of local physical properties extracted from grey-scale value images, and calculating surface quality assessment from combined NUMERO DE PATENTE: WO2008031621-A1

28

VAMAD

1. Marcha del proyecto


TTULO: Planar object`s e.g. magnetic thin film disk, property e.g. thickness, and defect e.g. wear, measuring method for use in e.g. semiconductor industry, involves determining roughness bias parameter from two surface roughness data NMERO DE PATENTE: US2007115483-A1

29

VAMAD

1. Marcha del proyecto


En resumen, ninguna de las 17 patentes analizadas, seleccionadas previamente de entre 386 patentes obtenidas mediante bsquedas por descriptores en Espacenet, resulta adecuada para el proyecto. Los principales inconvenientes que presentan son los siguientes: 1. Incapacidad para separar los defectos de acabado de la propia textura del substrato. 2. Incapacidad para obtener series de imgenes de una misma superficie. 3. Incapacidad para inspeccionar toda la superficie de inters.

30

VAMAD

1. Marcha del proyecto


Entregable 4.2. Informe sobre los requisitos del sistema de visin artificial y estudio de soluciones comerciales Este informe expone los requisitos que debe cumplir el sistema de visin artificial que se desarrollar en el proyecto, en cuanto a velocidad de lnea y tamaos de las piezas que inspeccionar. Este informe tambin presenta un estudio en que se recopila informacin de prototipos y sistemas industriales, basados en visin artificial, orientados a la inspeccin superficial de diferentes materiales con objetivo de detectar la presencia de anomalas y defectos caractersticos de cada material o producto del proceso de produccin. A diferencia del entregable anterior, aqu se presentan soluciones comerciales con cierta aceptacin en la industria. La finalidad de tal recopilacin de informacin es disponer de informacin de sistemas de captura, iluminacin, disposicin entre ambos, resolucin, velocidades de inspeccin y campos de visin que permita a los participantes evaluar su posible aplicacin al proyecto.

31

VAMAD

1. Marcha del proyecto

Sistema de OCS evaluado para el proyecto.

32

VAMAD

1. Marcha del proyecto

Sistema de ISRA VISION (Surface Inspector) evaluado para el proyecto.

33

VAMAD

1. Marcha del proyecto


Los sistemas comerciales analizados cumplen o podran cumplir los requisitos industriales en cuanto a velocidad de lnea y tamao de las piezas, pero no permiten detectar distintos defectos sin cambiar su configuracin y no permiten obtener series de imgenes de una misma superficie desde distintos ngulos de iluminacin. Por tanto, no son adecuados para el proyecto.

34

VAMAD

2. Fotografas de la reunin

35

VAMAD

2. Fotografas de la reunin

36

VAMAD

2. Fotografas de la reunin

37