Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Informe Técnico Marcos Gloria González
Informe Técnico Marcos Gloria González
Dicha propuesta tiene como principal objetivo aplicar los contenidos vistos en el
curso acorde a la carrera “Mecatrónica”, teniendo en cuenta lo anterior se optó por
realizar una técnica de visión artificial con ayuda de Custom Vision, aplicada en la
selección de loseta cerámica dentro del área de selección y empaque.
Justificación
Como se sabe la Mecatrónica tiene una infinidad de aplicaciones y más si se lleva
de la mano con los recursos de Microsoft sin embargo, la idea de este proyecto
surgió gracias al antiguo trabajo dentro del ramo; productos para la construcción
(Cerámicas).
Sabemos que algunas empresas de este ramo no cuentan con la mejor tecnología
o bien, algunas realizan sus productos de manera artesanal obteniendo grandes
resultados, estando en el gusto de muchas personas, incluso hasta de otro país.
Es por eso que sin intervenir el proceso de creación de la loseta cerámica se optó
por aplicar lo aprendido en el área de “Selección y empaque”. Debido al
conocimiento que se tiene de éste, además de que se sabe que es una de las
partes finales del proceso, en donde el producto terminado se selecciona y de no
cumplir los requisitos de calidad se desecha.
Objetivo
Reducir tiempos en la selección de piezas defectuosas en el área de selección y
empaque.
Introducción
Los procesos productivos y en general la industria han tenido un avance
tecnológico de manera extraordinaria, obligando a la mejora constante en los
proceso de producción volviéndolos más efectivos, por ejemplo, la visión artificial,
que es uno de los elementos básicos de la inteligencia artificial la cual se comenzó
a desarrollar tratando de dar solución a la necesidad de imitar los sentidos
humanos por medio de métodos computacionales, ya que, como sabemos los
humanos interpretamos el mundo a nuestro alrededor por medio de nuestros ojos
y dependemos mucho de la interpretación de nuestro cerebro para poder darle
lógica lo que vemos y poder realmente utilizar esa información a nuestro favor o
en cosas útiles.
Industria 4.0 es un término que fue utilizado por primera vez por el gobierno
alemán y que describe una organización de los procesos de producción basada en
la tecnología y en dispositivos que se comunican entre ellos de forma autónoma a
lo largo de la cadena de valor.
Este fenómeno representa un cambio tan grande que también se denomina como
la cuarta revolución industrial. En esta nueva etapa, los sensores, las máquinas,
los componentes y los sistemas informáticos estarían conectados a lo largo de la
cadena de valor, más allá de los límites de las empresas individuales. Estos
sistemas conectados podrían interactuar entre ellos usando protocolos estándar
basados en Internet y analizar los datos para prever errores, configurarse ellos
mismos y adaptarse a posibles cambios.
Dicho de otro modo, las tecnologías digitales permiten la vinculación del mundo
físico (dispositivos, materiales, productos, maquinaria e instalaciones) con el digital
(sistemas). Esta conexión habilita que dispositivos y sistemas colaboren entre
ellos y con otros sistemas para crear una industria inteligente, con producción
descentralizada y que se adapta a los cambios en tiempo real. En este entorno,
las barreras entre las personas y las máquinas se difuminan.
Por otro lado, la industria 4.0 sólo tendrá éxito si se dan ciertos requisitos como:
estandarización de sistemas, plataformas y protocolos; cambios en la organización
del trabajo para adaptarse a los nuevos modelos de negocio; seguridad digital y
protección del knowhow; disponibilidad de trabajadores debidamente formados;
investigación y desarrollo; y apoyar la propagación de la Industria 4.0 dentro del
Mercado Industrial.
Desde sus inicios, el hombre se representó el mundo real mediante símbolos, los
cuales constituyen la base del lenguaje humano. En este sentido, se podría
considerar a la IA como un dialecto simbólico constituido por cadenas de
caracteres que representan conceptos del mundo real. De hecho, los procesos
simbólicos son una característica esencial de la IA.
Visión Artificial
La visión artificial es una disciplina que engloba todos los procesos y elementos
que proporcionan ojos a una máquina y, por lo tanto, se podría decía que “La
visión artificial o comprensión de imágenes describe la deducción automática de la
estructura y propiedades de un mundo tridimensional, posiblemente dinámica, a
partir de una o varias imágenes digitales bidimensionales de este mundo.
La visión tanto para el hombre como para el ordenador consta de dos fases, la
primera es captar una imagen y la segunda es interpretarla. A pesar de la
complejidad que representa el ojo humano, la fase de captación de imágenes hace
mucho tiempo que está resuelta. El ojo del ordenador, en esta situación es una
cámara fotográfica o de video, así que, lo que resta para completar el proceso de
visión artificial es la interpretación de las imágenes, distinguir los objetos y extraer
la información sobre aspectos particulares o específicos según sean las
necesidades que se desean satisfacer. (Gonzales Marcos Ana, 2006).
La visión industrial o Visión Artificial aplicada a la industria abarca la informática, la
óptica, la ingeniería mecánica y la automatización industrial. A diferencia de la
Visión Artificial académica, que se centra principalmente en máquinas basadas en
el procesamiento de imágenes, las aplicaciones de Visión Artificial industrial
integran sistemas de captura de imágenes digitales, dispositivos de entrada/salida
y redes de ordenador para el control de equipos destinados a la fabricación, tales
como brazos robóticos.
Al eliminar el contacto físico entre el sistema de prueba y las piezas que van a
verificarse, la visión artificial evita daños en las piezas y elimina el tiempo y los
costes de mantenimiento asociados al desgaste de los componentes mecánicos.
La visión artificial aporta beneficios operativos y de seguridad adicionales al
reducir la participación humana en el proceso de fabricación. Además, evita la
contaminación humana de salas limpias y protege a las personas frente a entornos
peligrosos.
(COGNEX, 2016).
Control de procesos
Control de calidad
Aplicaciones no industriales (por ejemplo, control del tráfico)
(FSE, 2012).
Componentes/Elementos de un sistema de Visión Artificial
La visión artificial consiste en la captación de imágenes en línea mediante
cámaras y su posterior tratamiento a través de técnicas de procesamiento
avanzadas, permitiendo así poder intervenir sobre un proceso (modificación de
variables del mismo) o producto (detección de unidades defectuosas), para el
control de calidad y seguridad de toda la producción.
(COGNEX, 2016).
Un sistema de visión artificial, como se puede observar la figura anterior está
conformado principalmente por una cámara fotográfica o de video, una fuente de
luz, el monitor que puede ser una pantalla touch e incluir un mouse y un CPU con
un software de análisis con algoritmos previamente cargados; y esto funciona de
manera sincronizada de la siguiente forma:
(FSE, 2012).
Cada aplicación de control de calidad por visión artificial puede ser diferente y
requerir instrumentos y algoritmos muy particulares, inclusive pensado en la
inspección de un mismo producto. Por ejemplo, en el caso de la verificación
dimensional y geométrica de piezas mecanizadas es necesario considerar que
estas piezas presentan brillos intensos y alta reflexión de la luz. Como la medición
está relacionada con los contornos de las mismas, es necesario evitar degradarlos
durante el pre-procesamiento de las imágenes, de hecho, se deben mejorar. Otro
de los aspectos importantes es la calibración del sistema, paso crucial que tiene
como objetivo principal determinar la resolución del sistema y evitar errores
significativos en la medición. A continuación, se presentan algunos parámetros
que verifican en procesos de inspección de calidad son:
Aspectos geométricos: La geometría de un objeto define criterios tales como:
presentación, ensamble, acabados, ajustes con las demás piezas del sistema,
funcionamiento y motricidad, selección y clasificación de objetos, etc.
Mejoramiento
Además, puede elegir entre varias variedades del algoritmo Custom Vision que
están optimizadas para imágenes con cierto material sujeto, por ejemplo, puntos
de referencia o artículos minoristas. (Microsoft, 2020).
Memoria de Calculo
Modelos Cerámicos
A continuación se muestran algunos modelos cerámicos creados en el software de
diseño SolidWorks, para cargarlas en el proyecto creado en el portal Custom
Vision y poder comprobar el correcto funcionamiento.
1. Iniciar sesión
Primero, se crearan las etiquetas necesarias dentro del portal de Custom Visión,
se asignara un nombre clave en el campo “Nuevo nombre de la etiqueta” y
guardaremos la configuración.
Una vez que tengamos nuestras etiquetas listas las podremos observar en la parte
inferior izquierda del portal como se observa a continuación.
Realizando lo anterior solo queda dar clic en el botón Subir archivos y para la
carpeta restante se realizara el mismo procedimiento. Debe de aparecer el
siguiente recuadro comprobando que el proceso se cumplió de manera exitosa.
Prueba de modelo
Es momento de probarlo, proporcionado nuevas y diferentes imágenes y ver los
resultados arrojados.
Para realizar esta tarea es necesario dar clic en la opción Quick Test que se
localiza en la parte superior derecha de la aplicación.
Al presionarlo nos mandara nuevamente a la unidad local para agregar las nuevas
imágenes para la iteración denominado como “Examen rápido”.
Resultado
En la ilustración 25, el modelo arrojo un resultado del 68.8% para “Madera Clara” y
un 33.1% para “Madera Obscura”, esto quiere decir que la imagen del cerámico
tiene defectos visibles, ya que por porcentajes no cumpliría en ninguno de los dos
modelos trabajados, por lo tanto al instante el en el monitor se vería reflejado y por
consecuente seria retirado.
El motivo por el cual fue rechazado fue por el color y por el diseño en cuanto
interpretación de la madera se refiere, ya que para Custom Visión resulta fácil
identificar este detalle, además de que el color no aplica para ningún modelo
trabajado, el color es más obscuro para pertenecer a la “Madera Clara” y no lo
suficientemente obscuro para pertenecer al de “Madera Obscura”, es por eso que
nos genera un resultado en ambos modelos. Custom Vision trata de vincular es
detalles estéticos con sus modelos obteniendo estos resultados.
En la ilustración 26 se muestra la propuesta de aplicación para la que se pensó
este modelo seleccionador. Desde un inicio se planteó como propuesta de
aplicación de la visión artificial como seleccionador de loseta cerámica dentro de
proceso de selección y empaque y una vez conocidos los elementos que contiene
un sistema de visión artificial, podemos llegar a esta propuesta.
Ilustración 26. Posible Aplicación del clasificador de objetos (Botellas con o sin etiqueta) realizado
en custom visión de Azure.
Resultado y discusión
Como se observó a lo largo de las pruebas, los resultados son muy buenos, la
aplicación cuenta con una predicción muy acertada en cada uno de las iteraciones
realizadas.
Esto sin lugar a duda es muy bueno, si el modelo se aplicara al proceso para el
cual esta creado tendría grandes resultados, ya que como se observó si se trabaja
con un modelo cerámico en particular la aplicación estará checando que las
losetas cerámicas cumplan con los requisitos establecidos y de no ser así de
inmediato se detectara tal y como se mostró en las pruebas realizadas.
Es aquí donde vemos que a pesar de la maravilla que representa esto, requiere de
entrenamiento para poder funcionar correctamente, y por eso mismo, durante el
curso se hizo la mención de que cuantas más imágenes e iteraciones de
entrenamiento realicemos a nuestro modelo seleccionador, este se volverá mucho
más eficiente arrojando resultados más confiables.
Conclusión
El reporte consistió en la descripción de una propuesta realizada en base a los
contenidos planteados en el curso, y yo específicamente tome la ruta hacia el área
de la inteligencia artificial con un enfoque en la visión artificial.
Es muy importante tener en cuenta esto, ya que de manera indirecta puede llegar
a afectar nuestro proceso. Una cámara de alta resolución ayudará a Custom
Vision, detectando detalles minuciosos y así la aplicación no se verá limitada por
la cámara.
Referencias
COGNEX Corporation. “Introducción a la visión artificial -Una guía para
automatización de procesos y mejoras de calidad- “. USA. 2016.
Zambrano Rey Gabriel Mauricio, y otros. “Estación de control de calidad por visión
artificial para un centro de manufactura integrada por computador (CIM)”. Universidad
Javeriana. 2006. Articulo.