1

Unidad IV.
Técnicas de visión aplicadas a la
verificación y calidad
de los procesos de un SMF

Dra. Ariadna Ortiz Huerta

2 Visión artificial

La visión artificial o comprensión de imágenes

describe la deducción automática de la
estructura y propiedades de un mundo
tridimensional, posiblemente dinámico, bien a
partir de una o varias imágenes bidimensionales
de ese mundo
3
4 Tiempo real
Los sistemas de tiempo real son aquellos en los
que no tiene importancia el usuario, sino los
procesos. Por lo general, están subutilizados sus
recursos con la finalidad de prestar atención a
los procesos en el momento que lo requieran, se
utilizan en entornos donde son procesados un
gran número de sucesos o eventos. Muchos
Sistemas Operativos de tiempo real son
construidos para aplicaciones muy específicas
como control de tráfico aéreo, bolsas de valores,
control de refinerías, etc.
5 Características que lo identifican

1. Se dan en entornos en donde deben ser aceptados y procesados gran cantidad de

sucesos, la mayoría externos al sistema computacional, en breve tiempo o dentro de
ciertos plazos.
2. Se utilizan en control industrial, conmutación telefónica, control de vuelo, simulaciones en
tiempo real., aplicaciones militares, etc.
3. Su objetivo es proporcionar rápidos tiempos de respuesta.
4. Gestión de memoria menos exigente que tiempo compartido, usualmente procesos son
residentes permanentes en memoria.
5. Poco movimiento de programas entre almacenamiento secundario y memoria.
6. La gestión de archivos se orienta más a velocidad de acceso que a utilización eficiente del
recurso.
6 Tiempo real

Algunas aplicaciones.
•Telecomunicaciones.
•Sistemas de fabricación integrada.
•Producción y distribución de energía eléctrica.
•Control de edificios.

 Tiempo de respuesta
 Mili segundos
7 sistema de visión

 Pasos:
• Captación: el sensor captará la imagen del objeto real. Eso es mediante un sensor
óptico, cámara CCD, CMOS, INGAAS, rayos X, IR, termografías, etc. Esto también
tiene unos complementos asociados, como son los de iluminación. En ese caso
pueden ser fluorescentes, LED, luz polarizada, láser, Backlight, etc.
• Digitalización: convierte la información captada por las imágenes recogidas en
formato digital para poder ser procesada por el computador.
• Computación: gracias al software de control permite procesar dicha información y
obtener datos sobre los que se actuará/decidirá en etapas posteriores.
• Resultados: se obtienen los resultados y se actúa conforme a ellos.
8 módulos o partes

 Todos esos pasos necesitan de varios módulos o partes para poder funcionar como:
• Módulo de imagen: el encargado de captar la señal o imagen del objeto o entorno.
• Módulo digitalizador: el que convierte la señal analógica de la cámara en digital.
• Módulo de visualización: no hay que confundirlo con el primero, es el que convierte la
señal digital residente en una memoria intermedia en señal visual para mostrarse a
través de un monitor o pantalla en caso de ser necesaria su monitorización.
• Procesador de imagen: puede ser por software o por hardware. Independientemente
de su implementación, se encarga de interpretar las imágenes digitalizadas que ha
captado la cámara. Por supuesto, en cualquier caso necesita de un computador.
• Módulos de E/S: la entrada y salida gestiona la captación de imagen y la salida de
control en función de los datos obtenidos.
• Comunicación: es el bus o interfaz por el cuál se puede comunicar el sistema de visión
artificial con el resto de elementos. Pueden ser inalámbrico, Ethernet, RS232,…
9 Objetivo o funcionalidad

 Si por esa cinta transportadora pasan unos cuantos objetos cada minuto, un
humano podría hacerlo de forma eficiente. Pero si están pasando decenas,
centenas o millares de ellas, se hace muy complicado o imposible. Es ahí donde la
visión artificial puede acelerar estos procesos y llevarlos a cabo.
10 visión artificial

 Por eso, la visión artificial es una gran herramienta para acelerar la producción
industrial. Todo gracias a procesos basados en soluciones integrales que se
adaptan a los procesos productivos de cada industria. Con capacidad para la
escalabilidad, actualización y personalización en caso de ser necesario.
 Para ello, se pueden emplear multitud de dispositivos, desde simples sensores
ópticos, hasta una cámara más avanzada o un grupo de ellas para conseguir el 3D
11

 https://www.tecnoloblog.com/vision-artificial/
 las ventajas
12
• Elimina la subjetividad de la inspección: mediante la implantación de sistemas de visión artificial se puede conseguir una mejora
en este sentido y mejorar el rendimiento a la hora de cuantificar y evaluar parámetros por unidad de tiempo.
• Flexibilidad: los propios sistemas permiten adaptarse y escalarse para poder amoldarse mejor a los procesos productivos si se han
cambiado. Eso permite ahorrar mucho tiempo y permite un rápido comienzo tras cada cambio, sin tener que formar al personal
para el cambio ni nada por el estilo. Solo una simple configuración.
• Asequible: aunque no son elementos baratos para la mayoría de los bolsillos de particulares, pero permite ahorrar mucho dinero a
la larga a la empresa. Además, esta tecnología está lo suficientemente madura y es lo suficientemente entendible como para ser
cada vez más barata. Los computadores, el software o los componentes opto-electrónicos cada vez abaratan más sus precios y
mejoran su eficiencia.
• Costes: estos sistemas de visión artificial reducen los costes en muchos sentidos, como los costes por devolución de pedidos, los
de personal sustituido por estos sistemas, costes temporales, aumento de la producción (mayores ganancias), etc.
• Metrología: permite medir u obtener información de forma extremadamente rápida de las magnitudes físicas que aparecen en las
imágenes captadas. Por ejemplo, podría determinar en una fracción de segundo la dimensión de una pieza, su área, la distancia
entre partes, diámetros, ángulos, posición, etc. Algo que un humano no puede hacer con tal rapidez.
• Clasificación: gracias a la anterior ventaja, se tiene otra como es la clasificación industrial rápida y eficaz. Eso permite clasificar y
automatizar tareas a velocidades de vértigo atendiendo a esas dimensiones, patrones, códigos de barras, color, área, formas, etc.
• Mejor producto final: la visión artificial también tiene una gran ventaja que puede repercutir en el cliente final, y es la mejora de
la calidad de las piezas. Al poder ser analizadas de una forma más eficaz, incluso en zonas inaccesibles para un humano, permite
producir piezas de mayor calidad. Eso se traduce en un consumidor más satisfecho y la fidelización de clientes.
• Otras: también necesita menor atención, no es tan susceptible a errores visuales como los humanos (falta de atención, descuidos,
distracciones,…), no le afecta el absentismo laboral, mejora la verificación en lugares inaccesibles para el ojo humano (p.e.:
mediante rayos X para ver el interior de piezas).
13 las desventajas

 Entre las desventajas, la más destacable es el precio de estos sistemas, ya que no

tiene prácticamente puntos débiles. Solo en algunos casos donde se necesite una
evaluación algo menos objetiva y más subjetiva puede fallar, ya que en esos casos
no hay nada mejor que las propias personas para poder evaluar cada caso.
14
15

Partes de un sistema de visión

16 Objetivos de un sistema de visión
17
18
19
20
21
22 iluminación difusa
 En ella se intenta que los haces luminosos incidan sobre el objeto desde
todas las direcciones y no sólo desde la fuente luminosa. Se utiliza cuando
los objetos a analizar presentan superficies suaves y regulares.
 Esta forma de iluminación se suele emplear en aplicaciones donde las
características de la superficie son importantes. Este tipo de iluminación no
proporciona el máximo contraste del objeto. Como fuentes de luz que se
pueden utilizar para obtener este tipo de iluminación tenemos el
fluorescente y las fuentes halógenas con haces de fibra óptica.
23 Iluminación contra luz

 Consiste en iluminar el objeto por detrás de forma que

la fuente luminosa, el objeto y la cámara formen una
línea recta. Produce imágenes con sólo dos niveles
de gris (imágenes en blanco y negro).
 Esta técnica se adapta muy bien en aplicaciones
para la localización de piezas y análisis dimensional,
en las cuales la silueta de los objetos es suficiente
para su reconocimiento.
 El principal inconveniente es la pérdida de todos los
detalles, así como la imposibilidad de detectar fisuras
en el objeto. En la figura 1.4 se muestra un ejemplo
del uso de este tipo de iluminación.
24
25
26
27 Ejemplo de formas de iluminación

https://www.cognex.com/es-mx/what-is/machine-
vision/components/lighting

https://www.youtube.com/watch?v=IVEypS8Lys4
28 Cámara y óptica
29 Técnica

 Lo que se hace durante el proceso es básicamente tener una cámara/s o sensor

para capturar imágenes de objetos o del entorno, procesarlas rápidamente
mediante un software que se ejecuta en un ordenador, extraer información
relevante de esas imágenes y poder aplicarlas de algún modo. Por ejemplo, se
pueden analizar objetos que pasan delante de una cámara en una cinta
transportadora para detectar los que están dañados y hacer que un actuador
mecánico los deseche para que no sigan en la cadena.
30 ETAPAS EN UN PROCESO DE VISIÓN
ARTIFICIAL

 La visión artificial lleva

asociada una enorme
cantidad de conceptos
relacionados con hardware,
software y también con
desarrollos teóricos. En esta
sección se verán los pasos
fundamentales, recogidos en
la Figura 1.3, para llevar a
cabo una tarea de visión
artificial.
31
32
33
34 EFECTO DEL MUESTREO

 El muestreo de una imagen tiene el efecto de reducir la resolución

espacial de la misma. La Figura 1.1 muestra el efecto de captar una misma
imagen a distintas resoluciones. Todas ellas han sido transformadas al
mismo tamaño para su visualización.
 Puede observarse la pérdida de información introducida con el aumento
del paso de muestreo, así como el ruido que se va introduciendo en forma
de patrones rectangulares sobre la imagen
35
36 EFECTO DE LA CUANTIFICACIÓN

 El efecto de cuantificación viene dado por la imposibilidad de tener un

rango infinito de valores de medida para la intensidad de brillo de los
pixels. La tecnología actual permite en algunos casos llega hasta 10 bits de
información, aunque por lo general es tener 8 bits, o equivalentemente
256 niveles de gris para codificar este valor lumínico. La Figura 1.2 muestra
el efecto de representar una imagen con distintos números de bits.
37
38
39
40
41
42
43
44 APLICACIONES DE UN SISTEMA DE
VISION ARTIFICIAL
 La detección de fallas es un análisis cualitativo que involucra la detección
de defectos o artefactos no deseados, con forma desconocida en una
posición desconocida. Por ejemplo, encontrar rajaduras en frascos de
vidrio, hallar defectos en la pintura de un auto nuevo, o agujeros en hojas
de papel, etc.
 La medición o calibración se refiere a la correlación cuantitativa con los
datos del diseño, asegurando que las mediciones cumplan con las
especificaciones del diseño. Por ejemplo, el revisar que un cable tenga el
espesor recomendado.
 La verificación es el chequeo cualitativo de que una operación de
ensamblaje ha sido llevada a cabo correctamente. Por ejemplo, que no
falte ninguna tecla en un teclado, o que no falten componentes en un
circuito impreso.
45

 El reconocimiento involucra la identificación de un objeto con base en

descriptores asociados con el objeto. Por ejemplo, la clasificación de cítricos
(limones, naranjas, mandarinas, etc.) por color y tamaño. Otro ejemplo de
reconocimiento podría ser aplicado a células, por área y forma.
 Identificación es el proceso de identificar un objeto por el uso de símbolos en el
mismo. Por ejemplo, el código de barras.
 El análisis de localización es la evaluación de la posición de un objeto. Por
ejemplo, determinar la posición donde debe insertarse un circuito integrado
("chip").
 Guía significa proporcionar adaptativamente información posicional de
retroalimentación para dirigir una actividad. El ejemplo típico es el uso de un
sistema de visión para guiar un brazo robot mientras suelda o manipula partes.
46 PREPROCESAMIENTO DE IMAGEN

De la necesidad de convertir la imagen RGB a niveles de gris.

 Se reduce la cantidad de información, pues una imagen RGB ocupa una
matriz de M x N x 3, mientras que una imagen en niveles de gris solamente
ocupa una de M x N.
 La aplicación de reconocimiento de anomalías (defectos) en envases de
vidrio, se reduce al análisis de existencia de éstas, por lo que no se requiere
una clasificación de los defectos, sino solamente su identificación, por lo
que una imagen en escala de grises es suficiente para el proceso.
 El tipo de filtros necesarios para simplificar una imagen tiene la limitante de
permitir únicamente imagen M x N, es decir dos dimensiones por lo que
debe reconfigurarse el formato de RGB a Grises.
47 Imagen RGB - Escala en grises
48
ELIMINACIÓN DE RUIDO

 Todas las imágenes tienen una cierta cantidad de ruido, valores

distorsionados, bien debidos al sensor de la cámara o al medio de
transmisión de la señal. El ruido consiste generalmente en píxeles aislados
que toman un valor de gris diferente del de sus vecinos. Las maneras de
filtrado que se estudiarán a continuación se basan en esta característica.
 El ruido puede clasificarse en dos tipos: gausiano e impulsional. En el primer
caso el valor final del píxel sería el ideal mas una cantidad correspondiente
al error, pudiéndose describir este error como una variable gausiana. En el
ruido impulsional el valor que toma el píxel no tiene relación con el valor
ideal sino con el valor del ruido que toma valores altos.
49 Fábricas inteligentes

 https://www.youtube.com/watch?v=wVD39XT7Q-E

https://www.youtube.com/watch?v=wVD39XT7Q-E
https://www.youtube.com/watch?v=tdH2AnxgDBo
50 Fabrica inteligente
51
52
53
54 Se utiliza en:

 transporte
 Sistemas 3D
 Inspección de madera
 Aplicaciones en el campo no visible
 Marketing
 Ocio y entretenimiento

https://www.youtube.com/watch?v=pPGQFRFiWYs&t=44s
55
56 ERRORES ENCONTRADOS
57 Aplicaciones industriales alimenticias
58
59
60

 https://blog.infaimon.com/vision-artificial-automocion/
61
62
63
64
65
66
67 En la industria farmacéutica
68 ejemplos

 Inspección de tuberías
 https://www.youtube.com/watch?v=h3s1IEsh6ko
 Antes y después de la visión automática
 https://www.youtube.com/watch?v=zguNLQasEVo
 Inspección de naranjas
 https://www.youtube.com/watch?v=pPGQFRFiWYs
 https://www.youtube.com/watch?v=_dBi45EvP5w
 Inspeccion por un robot
 https://www.youtube.com/watch?v=ueKeyqB40To
 https://www.youtube.com/watch?v=YdsH7nMjxx8
 https://www.youtube.com/watch?v=zguNLQasEVo&t=1s
69 bibliografía
70 CONCLUSIONES PARA LA SELECCIÓN
DE LA CÁMARA
 Según los puntos vistos anteriormente, se puede concluir que en la
elección de la cámara, hay que: Determinar que proceso se va a realizar y
según éste decidir si es necesaria una cámara color o monocromática.
Elegir según el presupuesto, calidad necesaria, velocidad de adquisición,
etc.; si la cámara debe ser analógica o digital. Seleccionar dentro de las
cámaras disponibles aquellas que tengan mejores características en su
velocidad de obturación, características del CCD, tipos de sincronismos,
programación vía software, etc. Buscar la cámara más completa dentro
de nuestras posibilidades.
71 Ejercicio de detección

 file:///C:/Users/USER/Downloads/Detecci%C3%B3n%20de%20Patrones.pdf

Los alumnos están en una actividad