El campo, explicado
¿Qué es la visión artificial?
Cámaras y software haciendo inspección visual industrial, a velocidad de línea, en cada pieza.
Qué significa realmente el término, en qué se diferencia de la visión por computadora y la visión con IA, la tecnología por dentro, y cómo saber si se ajusta al problema que tiene enfrente.
La respuesta corta
La visión artificial es el uso de cámaras y análisis de imágenes para inspeccionar piezas y controlar equipos en la industria. Una cámara captura una imagen, el software la analiza, y el resultado se convierte en una acción: rechazar la pieza, registrar la medición, o decirle a un robot dónde alcanzar. Es la rama industrial y en tiempo real de la visión por computadora, y es cómo una planta verifica cada unidad en lugar de muestrear.
Terminología
Visión artificial vs visión por computadora vs visión con IA
Estos tres se usan indistintamente y no son lo mismo. La visión por computadora es el campo. La visión artificial es la aplicación industrial de ella. La visión con IA es visión artificial construida sobre un modelo entrenado en lugar de reglas escritas a mano.
| Visión por computadora | Visión artificial | Visión con IA | |
|---|---|---|---|
| Qué es | El amplio campo de investigación | La aplicación industrial de ella | Visión artificial que aprende de ejemplos |
| Dónde corre | Servidores, teléfonos, vehículos, investigación | En una línea de producción | En una línea de producción, usualmente en el borde |
| Objetivo típico | Entender una imagen | Aprobar, rechazar, medir, ubicar | Aprobar, rechazar, medir, ubicar |
| Cómo se construye | Código y modelos, propósito general | Reglas programadas y óptica fija | Entrenado con imágenes de piezas buenas y malas |
| Maneja superficies variables | Depende enteramente del método | Mal, las reglas fallan ante la variación | Bien, la variación es lo que aprende |
| Quién lo configura | Investigadores y desarrolladores | Ingenieros de visión e integradores | Ingenieros de calidad, tras un corto aprendizaje |
La distinción que importa en un piso de planta: las reglas hay que escribirlas, a los modelos hay que mostrarles ejemplos. Más sobre esto en visión artificial vs visión por computadora y sistemas de visión con IA explicados.
Aclarando
Qué no es la visión artificial
No es una cámara de seguridad
Una cámara que graba para que un humano la revise después está haciendo vigilancia. La visión artificial toma la decisión ella misma, en el momento, y entrega el resultado a un equipo.
No es lo mismo que la IA
La visión artificial es la tarea. La IA es una forma de hacerla. La visión artificial basada en reglas funcionó por décadas sin ninguna IA de por medio.
No es solo sobre cámaras
La cámara es lo que la gente se imagina, pero la iluminación y la óptica deciden qué puede ver la cámara siquiera. La mayoría de los proyectos fallidos fallaron en la iluminación, no en el software.
Cómo funciona
De la luz a una decisión, en cinco pasos
Cada aplicación de visión artificial ejecuta esta misma secuencia, sea la lógica una regla escrita a mano o un modelo entrenado. Para ver cómo estos pasos se mapean sobre hardware real en una estación, vea sistemas de visión artificial.
Adquirir
Una cámara e iluminación controlada capturan una imagen de la pieza. Este paso decide todo lo que sigue: si el defecto no es visible en la imagen, ninguna cantidad de software lo encontrará.
Procesar
El software limpia la imagen cruda. Filtrado para reducir ruido, ajuste de contraste, y corrección geométrica para que el mismo rasgo caiga en el mismo lugar cada vez.
Extraer
Algoritmos o un modelo entrenado extraen las características que importan: bordes, formas, patrones, colores, texturas, o la presencia y ausencia de algo.
Decidir
Esas características se comparan contra criterios definidos o una referencia aprendida. La salida es un aprobado, un rechazo, una clase, una medición, o una coordenada.
Comunicar
El resultado va a un PLC, un robot, un mecanismo de rechazo, o una base de datos, para que la línea actúe sobre él. Una decisión que nadie lee no es una inspección.
La tecnología
Qué hay dentro de la tecnología de visión artificial
Sensores de imagen
El sensor convierte luz en una señal eléctrica. La visión artificial moderna es casi enteramente CMOS, que se lee rápido, consume poca energía, y es barato de fabricar en volumen. Los sensores CCD dominaron por años y aún aparecen donde la calidad de imagen importa más que la velocidad o el costo. El número que vale la pena vigilar no son los megapíxeles, es cuántos píxeles caen sobre el defecto más pequeño que hay que detectar.
Iluminación
La iluminación es la elección de mayor impacto en todo el sistema, porque determina si un defecto es visible antes de que corra ningún software. Cuatro técnicas cubren la mayoría de los casos, y a menudo se combinan.
Campo claro
Iluminación directa que muestra color y textura de la superficie. La opción por defecto para inspección general y verificación de impresión.
Campo oscuro
Luz de bajo ángulo que roza la superficie, así que los rayones y defectos elevados o hundidos se iluminan contra un fondo oscuro.
Retroiluminación
La luz detrás de la pieza la convierte en una silueta, lo que da los bordes más nítidos posibles para medición dimensional.
Luz estructurada
Un patrón proyectado se deforma al caer sobre una superficie 3D, y esa deformación se mide para recuperar altura y forma.
Algoritmos de procesamiento de imágenes
La visión artificial basada en reglas se construye a partir de una caja de herramientas de operaciones que un ingeniero encadena. Estas siguen siendo la respuesta correcta para medición y para leer códigos, donde la regla es exacta y la tolerancia es numérica.
Detección de bordes
Encuentra fronteras donde la intensidad de la imagen cambia bruscamente. La base de la mayoría de las mediciones.
Análisis de blobs
Agrupa píxeles conectados de valor similar, luego cuenta y mide esas regiones.
Comparación de patrones
Ubica una plantilla conocida dentro de una imagen más grande, incluso cuando se ha desplazado o rotado.
Operaciones morfológicas
Agranda, reduce y limpia formas para eliminar ruido antes de medirlas.
Análisis de color
Mide y compara color entre regiones, para clasificación y para verificar que la pieza correcta esté presente.
Medición geométrica
Convierte los rasgos detectados en distancias, ángulos, áreas, y posiciones en unidades reales.
Estándares e interfaces
La visión artificial tiene estándares reales de interoperabilidad, por lo que una cámara de un proveedor funciona con software de otro. Cuál encontrará depende de cuántos datos produce la cámara y cuán largo debe ser el cable.
- GigE Vision: Video y control de cámara sobre Ethernet estándar. Tramos de cable largos, hardware de red ordinario.
- USB3 Vision: La misma idea sobre USB 3.0. Tramos cortos, cableado simple, común en sistemas de banco.
- Camera Link: Una interfaz dedicada de alto ancho de banda para cámaras que producen más datos de los que una red puede transportar.
- CoaXPress: Alta velocidad sobre cable coaxial, que también lleva energía y control a la cámara.
- GenICam: Una interfaz de programación común, para que el software pueda hablar con cámaras de distintos proveedores de la misma forma.
Separado de la interfaz de la cámara, el sistema tiene que hablar con la línea. Ese es un conjunto distinto de protocolos, cubierto en protocolos industriales.
Aplicaciones
Para qué se usa la visión artificial
Casi todo se reduce a cuatro trabajos. Para la lista completa de tareas de inspección por pieza y defecto, vea aplicaciones de visión artificial.
Inspección y control de calidad
Encontrar defectos, contaminación, y desviaciones de la especificación. Este es el uso más extendido por un amplio margen, cubriendo desde un rayón en una cara maquinada hasta un componente faltante en un ensamblaje.
Inspección de superficies →Medición y metrología
Medición dimensional sin contacto a velocidad de producción. Útil precisamente donde un calibrador no puede llegar, o donde tocar la pieza la dañaría, y no frena la línea para hacerlo.
Tareas de medición →Identificación
Lectura de códigos de barras 1D, códigos 2D como QR y Data Matrix, y caracteres impresos. Esto es lo que hace funcionar la trazabilidad, y verifica que la información correcta realmente se marcó en la pieza correcta.
OCR y lectura de código →Guía de robots
Una cámara ubica la pieza y calcula dónde tomarla o colocarla. Eso elimina la necesidad de sujeción de precisión y permite que un robot maneje piezas que llegan en posiciones ligeramente distintas cada vez.
Verificación de ensamblaje →La justificación
Por qué los fabricantes usan visión artificial
Consistencia
Los mismos criterios aplicados a cada pieza. Sin fatiga, sin deriva entre turnos, sin discusión sobre si una unidad límite aprueba.
Velocidad
Cientos o miles de piezas por minuto, a tasas que ningún inspector humano puede sostener.
Precisión
Medición muy por debajo de lo que el ojo puede resolver, y repetible a la misma tolerancia cada vez.
Un registro
Cada inspección produce datos. Una imagen y una medición por unidad es la evidencia detrás de un reclamo de calidad.
Operación continua
Funciona siempre que la línea funciona, incluyendo los turnos más difíciles de dotar de personal.
Menor costo de calidad
Menos scrap, menos escapes que llegan a un cliente, y mano de obra de inspección liberada para trabajo que necesita criterio.
La parte honesta
Dónde se agota la visión artificial basada en reglas
La visión artificial tradicional es precisa y no va a desaparecer, pero tiene cuatro límites bien conocidos. Cada uno de ellos viene de la misma raíz: una persona tiene que describir el defecto de antemano.
Programación rígida
Cada criterio tiene que declararse explícitamente. Un defecto que nadie anticipó es un defecto que al sistema nunca se le dijo que buscara.
Sensibilidad a la variación
La lógica basada en reglas tiene dificultades cuando las piezas varían naturalmente en color, textura, acabado, o posición, porque la regla no puede distinguir variación aceptable de un defecto.
Esfuerzo de puesta en marcha
Lograr una inspección correcta toma experiencia en visión y mucho ajuste, por lo que la integración a menudo cuesta más que el hardware.
Adaptabilidad limitada
Un nuevo producto o una tolerancia cambiada usualmente significa reprogramar en lugar de reentrenar, así que cada cambio es un proyecto de ingeniería.
Qué cambió
Los métodos basados en aprendizaje eliminaron la necesidad de describir el defecto en palabras. Se le muestran al sistema imágenes de piezas buenas y malas, y él mismo descubre la frontera. Eso fue lo que hizo manejables las superficies variables, los defectos cosméticos, y las líneas de modelos mixtos, y es por eso que la mayoría de los despliegues nuevos son híbridos: lógica programada donde la tolerancia es numérica, un modelo entrenado donde el juicio es visual.
Referencia
Glosario de visión artificial
- Campo de visión
- Cuánto de la escena ve la cámara. Definido por el tamaño del sensor, el lente, y la distancia a la pieza.
- Resolución
- Cuántos píxeles cubren la pieza. Lo que importa en la práctica son los píxeles a lo ancho del defecto más pequeño que hay que detectar, no el conteo de megapíxeles del sensor.
- Distancia de trabajo
- Desde el frente del lente hasta la pieza. Fijada por la elección de lente y limitada por lo demás que haya en la estación.
- Profundidad de campo
- Cuánto de la profundidad se mantiene aceptablemente nítida. Se reduce al abrir el diafragma para dejar entrar más luz.
- Smart camera
- Cámara, procesador, y software de inspección en una sola carcasa. La alternativa es una cámara separada cableada a una PC industrial.
- Line scan y area scan
- Area scan captura un cuadro rectangular. Line scan lee una fila a la vez y construye una imagen a partir del movimiento, lo que conviene para bobinas y productos cilíndricos.
- Exposición
- Cuánto tiempo el sensor recolecta luz. Demasiado tiempo en una pieza en movimiento difumina la imagen, así que las líneas rápidas necesitan luz brillante y exposiciones cortas.
- Inferencia
- Ejecutar un modelo entrenado sobre una imagen para obtener un resultado. En una cámara de borde esto ocurre localmente, en milisegundos, sin ida y vuelta a un servidor.
¿Calculando los números usted mismo? Las calculadoras de óptica convierten el tamaño de una pieza y el tamaño de un defecto en un campo de visión, una distancia de trabajo, y un lente.
Decidiendo
¿La visión artificial se ajusta a su problema?
Seis preguntas, en este orden. La primera hace la mayor parte del trabajo.
Empiece por el defecto, no por la cámara
Nombre lo más pequeño que debe detectar y su tamaño. Todo lo relacionado con la óptica se deriva de ese único número, y saltárselo es la razón más común por la que un proyecto falla.
Verifique la pieza y su variación
¿Cuánto difieren entre sí las piezas correctas? Alta variación natural es la señal de que las reglas darán problemas y un modelo aprendido no.
Confirme velocidad y precisión
¿Qué tan rápido se mueve la pieza, y qué tan ajustada es la tolerancia? Ambas fijan límites duros a la iluminación, la exposición, y la resolución que se necesita.
Observe el entorno
Temperatura, vibración, lavado, polvo, y luz ambiental deciden si un sistema que funciona en un laboratorio funciona en su piso.
Planifique la integración
¿Qué tiene que recibir el resultado, y sobre qué protocolo? Un sistema de visión que no puede decirle a la línea lo que encontró no ha terminado el trabajo.
Decida quién lo mantiene
Si añadir una nueva clase de defecto requiere al integrador original, cada cambio de producto se vuelve una orden de compra. Pregunte quién puede reentrenarlo y cómo.
Para la lista de verificación de compra a nivel de sistema, incluyendo arquitectura e integración, vea sistemas de visión artificial. Para obtener una respuesta sobre su pieza y defecto específicos, pase por el chequeo de factibilidad.
Fabricantes que usan Overview AI en producción
Fabricantes que usan Overview AI en producción
Preguntas frecuentes
Preguntas frecuentes
¿Qué es la visión artificial?
La visión artificial es el uso de cámaras y procesamiento de imágenes para proveer inspección automática basada en imágenes, control de proceso, y guía de robots en aplicaciones industriales. Cubre tanto el hardware que captura imágenes como el software que las analiza para llegar a una decisión, como aprobado, rechazado, una medición, o una posición.
¿En qué se diferencia la visión artificial de la visión por computadora?
La visión por computadora es el amplio campo de investigación de enseñar a las computadoras a interpretar imágenes, incluyendo usos no industriales como vehículos autónomos, imágenes médicas, y sistemas de seguridad. La visión artificial es el subconjunto aplicado e industrial de ella. La visión artificial añade las cámaras, la iluminación controlada, la velocidad en tiempo real, y la integración con la línea que una fábrica necesita, y está diseñada para las condiciones adversas de un piso de planta.
¿Cómo funciona la visión artificial?
La visión artificial sigue un flujo de trabajo consistente: adquirir una imagen con una cámara e iluminación controlada, procesar la imagen para realzar rasgos y reducir ruido, extraer características como bordes, formas y patrones, decidir contra criterios definidos o un modelo entrenado, luego comunicar el resultado a un PLC, robot, o base de datos para que algo suceda. Todo esto corre en milisegundos.
¿Para qué se usa la visión artificial?
Cuatro trabajos principales. Inspección y control de calidad, que es por lejos el más común. Medición sin contacto y metrología a velocidad de producción. Identificación, es decir, códigos de barras, códigos 2D, y lectura de texto impreso. Y guía de robots, donde una cámara ubica una pieza para que un robot pueda tomarla o colocarla sin sujeción costosa.
¿De qué está hecha la tecnología de visión artificial?
Un sensor de imagen, casi siempre CMOS hoy, convierte luz en una señal. Un lente e iluminación controlada determinan qué puede ver realmente el sensor. El software entonces ejecuta algoritmos programados como detección de bordes y comparación de patrones, o un modelo de IA entrenado. Estándares incluyendo GigE Vision, USB3 Vision, Camera Link, CoaXPress, y GenICam permiten que componentes de distintos proveedores trabajen juntos.
¿Cuáles son las limitaciones de la visión artificial tradicional?
La visión artificial tradicional basada en reglas requiere que cada criterio se programe explícitamente, así que un nuevo tipo de defecto significa nueva programación. Es sensible a la variación natural de color, textura y posición. La puesta en marcha exige experiencia y ajuste extenso. Y la adaptabilidad es limitada, ya que cambiar el producto usualmente significa un rediseño significativo. Estos límites fueron lo que impulsó el paso hacia enfoques basados en aprendizaje.
¿Es la visión artificial lo mismo que la inteligencia artificial?
No. La visión artificial es una tarea, y la IA es una forma de realizarla. La visión artificial basada en reglas ha existido por décadas sin ninguna IA de por medio: un ingeniero escribe las reglas que definen una pieza correcta. La visión artificial con IA en cambio aprende cómo se ve una pieza correcta a partir de imágenes de ejemplo, que es lo que la hace práctica en superficies y defectos demasiado variables para describir con reglas.
¿Necesito visión artificial o una persona haciendo inspección visual?
La inspección manual funciona cuando el volumen es bajo, los defectos son obvios, y no se requiere un registro. La visión artificial se vuelve la mejor respuesta cuando se necesita verificar cada pieza en lugar de una muestra, cuando el defecto es lo bastante pequeño o sutil que la fatiga causa escapes, cuando la línea corre más rápido de lo que una persona puede seguir, o cuando se necesita una imagen y una medición almacenadas por cada unidad que se despacha.
Siga leyendo
Sistemas de Visión Artificial
El nivel de sistema: las partes con que se construye una estación, las arquitecturas principales, y cómo elegir una.
Read more →Aplicaciones de Visión Artificial
Las tareas de inspección que ejecuta en producción, por pieza y por defecto, a través de industrias.
Read more →Physical AI
Dónde se ubica la inspección visual en el cambio más amplio hacia la IA que percibe y actúa en el mundo real.
Read more →Artículos relacionados
Visión Artificial vs Visión por Computadora
Dónde divergen los dos términos, y cuál describe su proyecto.
Leer más →Sistemas de Visión con IA Explicados
Cómo el deep learning cambió lo que un sistema de visión puede inspeccionar.
Leer más →Mejores Prácticas de Iluminación para Visión
Elegir y posicionar la luz para que el defecto sea realmente visible.
Leer más →Descubra si funciona con su pieza
Describa la pieza y el defecto que necesita detectar. Recibirá la óptica, la resolución, y una respuesta honesta sobre si es resoluble, antes de que nadie le hable de hardware.