Línea de Investigación: Vision Computacional (Computer Vision) – Machine Vision

Sub-Linea:Inspección Óptica Automatizada (Automated Optical Inspection(AOI)): Utiliza iluminación, cámaras y vision computacional para hacer evaluaciones precisas, repetibles y de alta velocidad de una amplia gama de productos. La visión humana tiene una precisión limitada y es lenta, pero es muy flexible y fácil para entrenar. La medición mecánica es exacta y precisa pero lenta, y no puede ser usada para avaluar cambios en la apariencia visual - marcas de quemaduras por ejemplo [Applying Automated Optical Inspection; Ben Dawson, DALSA Coreco Inc. Pg. 1 ]

Proyecto:

“Aplicación de algoritmos de Machine Vision en la inspección de piezas metálicas fabricadas en los laboratorios CIM-UPAO para mejora apoyar en la mejora(automatización) de supervición y control de piezas metálicas en el sector industrial.”

-Medir la eficiencia de la utilización en los procesos de supervición.

“Inspección de piezas metálicas fabricadas en los laboratorios CIM-UPAO utilizando algoritmos de Machine Visión para la automatización en los procesos de supervición y control de piezas metalicas en el sector industrial.”

Un estudio de la aplicación de IOA( Inspección Óptica Automatizada) en piezas metálicas de los laboratorios CIM-UPAO. utilizando algoritmos de pre-procesamiento. para apoyar los procesos industriales.

Tomar en cuenta: Geometria, Rouginess (Rugosidad, aspereza) vision robot.

Industria automotriz1. Identificacion y clasificación de piezas mecanicas(automoviles y otros).2. Verificar diametros y concentricidad de agujeros en piezas mecánicas(automóviles y otros).3. Evaluacion de defectos(grietas, defectos, contaminación, arañazos, y otros defectos ) en la

superficie de piezas mecánicas (automoviles y otros).4. Aseguramiento del correcto ensamblaje de partes mecánicas( automoviles y otros).

Definiciones RelacionadasComputer Vision y Machine Vision

1. En términos generales, “Computer Vision” es la ciencia de la visión y “Machine Vision” es el estudio de métodos, técnicas y hardware, donde los sistemas de “artificial vision” se pueden construir para aplicaciones prácticas. Recientemente, la llegada de computadoras más rápidas ha llevado a una convergencia significativa en el uso de estos términos.(Computer and Machine Vision: Theory, Algorithms, Practicalities - Fourth Edition Pg. 13 )

2. El objetivo de “Machine Vision” es crear un modelo del mundo real a partir de imagenes. Un sistema de “Machine Vision” recupera información útil sobre una escena de sus proyecciones bidimensionales. Dado que las imagenes son proyecciones bidimensionales del mundo en tres dimensiones, la informacion no está directamente disponible. (Machine Vision Jain, Kasturi, Schunck Pg. 1 )

3. Aplicaciones industriales de “Machine Vision” incluyen tareas como la inspección, medición, verificación, identificación, reconocimiento, clasificación, selección, conteo, localización y manipulación de piezas, vigilancia/control de los procesos de producción, etc.

Los “Vision Systems” pueden ser aplicados a las materias primas o procesadas, partes de la pieza, empaque, materiales y estructuras de embalaje, productos de flujo continuo (redes, extrusiones, etc.), montajes simples y complejos, o en las herramientas y procesos de fabricación. (Comming to Terms with Machine Vision and Computer Vision: They're not the same! - Bruce G.Batchelor Pg.2)

4. Machine Vision es un tema multidisciplinario, utilizando técnicas procedentes de la óptica, la electrónica, la ingeniería mecánica, ciencias de la computación y la inteligencia artificial. (Machine Vision : Automated Visual Inspection and Robot Vision, David Vernon)

Machine Inspection: Inspeccion rápida de piezas para asegurar la calidad mediante stereo vision con iluminación especializada para medir tolerancias en las alas de aviones o piezas de carroceria o en busca de defectos en piezas de acero fundido utilizando visión de rayos X; (Computer Vision: Algorithms and Applications, Richard Szeliski, pg. 5).

Machine Vision: tiende a centrarse en las aplicaciones, principalmente en la industria, por ejemplo, la visión basada robots y sistemas para la inspección basada visión o medición autónomas. Esto implica que las tecnologías y de control de sensor de imagen teoría menudo se integran con el procesamiento de datos de imagen para controlar un robot y que el procesamiento en tiempo real se enfatiza por medio de implementaciones eficientes en hardware y software.

Machine Vision - Aplicaciones Generales:-Inspección de superficies.-Inspección automatica de PCB (Printed Circuit Board).-Inspección de calidad de la madera.-Inspección final de sub-ensamblajes.-Inspección de piezas de motor.-Inspección de etiquetas en los productos.-Ispección de embalaje.-Comprobacion de empaque de comidas.-Lectura de numeros de serie.-Medición de bujías.-Inspección de hojas perforadas

Proyectos en:

Industria automotriz5. Identificacion y clasificación de piezas mecanicas(automoviles y otros).6. Verificar diametros y concentricidad de agujeros en piezas mecánicas(automóviles y otros).7. Evaluacion de defectos(grietas, defectos, contaminación, arañazos, y otros defectos ) en la

superficie de piezas mecánicas (automoviles y otros).8. Aseguramiento del correcto ensamblaje de partes mecánicas( automoviles y otros).

Agroindustria1. Identificacion y clasificación de productos agrícolas (Hortalizas, granos, frutas, etc) por

tamaño, color y defectos.2. Lectura de códigos de barra o de texto de empaque.3.

dimensiones y tolerancias de piezas mecanicas

Vision Artificial – Generalidades- Lavision artificial utiliza un sistema de vision para obtener la imagen y un ordenador para

analizarla y tomar decisiones.

- Gracias a la vision artificial se pueden procesar muestras con gran precisión, llegando a conclusiones muy certeras sobre los métodos de inspección adicionales que se les deben realizar a las muestras.

- Este tipo de inspección elimina el error humano proveniente de la dificultad, la monotonía o la falta de atenciín. Otra ventaja es que estos procedimientos se pueden utilizar durante las 24 horas del día.

Las Fases comunes de todos los procesos son:

Adquisición de la imagen: Un sistema óptico capta la imagen, que se convierte a formato digital y se almacena en la memoria del ordenador.

Procesamiento de la imagen: El ordenador utiliza varios algoritmos para realzar los elementos de la imagen mas importantes.

Identificación de características: El ordenador identifica y cuantifica las caracteristicas críticas en la imagen(p.e la posición de los agujeros en un circulo impreso, el número de pins de un conector, la orientación de un componente sobre su base) y envia los datos al programa de control.

Decision y control: El programa de control toma la decisión en función de los datos. ¿están todos los agujeros que son necesarios?; ¿Hay algún pin roto?.

La vision artifical se usa principalmente en tareas de producción donde se requiere la inspección de un gran número de componentes en unas condiciones tipo constantes. Entre las pricipales aplicaciones tenemos:

Supervisión de líneas de montaje Inspección de superficies Verificación de colores y espesores de etiquetas Confirmación de un buen etiquetado de medicamentos, comidas y otros productos. Comprobación de dimensiones.

Vision Artificial – EquiposLa visión artifical utiliza un gran número de componentes que dependen de la aplicación y las condiciones ambientales. Sin embargo los siguientes componentes son comunes a cualquier sistemas de visión.

Cámara Un sistema de grabación Un ordenador Un software de control

Ventajas Se puede utilizar en casi todo tipo de materiales. Simple de aplicar Bajo coste(dependiendo de la aplicación) Rápida Se puede automatizar

Inconvenientes La falta de accesibilidad de muchos elementos del equipo en examen. La necesidad, en mucas ocasiones, de interrumpir el servicio del equipo a examinar. A menudo, el desmontaje total o parcial del equipo en estudio. Sólo permite observar defectos superficiales, pasando inadvertidos los fallos internos del

material, o bien aquellos que quedan ocultos por la pintura, el óxido o la suciedad. Requiere una gran experiencia.

Machine Vision y Computer Vision Y no es sólo una cuestión de elección de palabras. La forma en que estos conceptos son percibidos puede hacer una gran diferencia para todo, desde la aplicación práctica de los proyectos de financiación de las universidades.

A menudo hay una suposición natural entre los no especialistas que Machine Vision (MV) y Computer Vísion (CV) son sinónimos, ya que ambos se refieren a Artificial Vision (Vision Artificial). De hecho, la distinción entre los términos de MV y CV no es aceptada por todos los investigadores de Visión Artificial. Recientemente tuve la oportunidad de discutir el significado de estos términos con otro investigador. Él es una persona muy capaz y activo y pasa sus días ideando nuevas técnicas matemáticas y algorítmicas para el análisis y la comprensión de las imágenes. Trabaja en lo que me referiré aquí como Computer Vision y se refiere a los términos "Machine Vision" y "Computer Vision" como la transmisión de exactamente el mismo significado.

Estoy totalmente en desacuerdo con este punto de vista, y con el fin de convencerlo de que es una diferencia fundamental entre estos temas. Desafié a mi compañero de debates para diseñar un sistema de visión que es capaz de decidir si una moneda brillante "plata" está mintiendo con su anverso o reverso hacia arriba. Por su propia admision, que ni siquiera podía empezar a hacerlo! La razón de esto es simple: no se le había formado en una asignatura práctica apropiada (por ejemplo, la ingeniería o la física) y por lo tanto se sentían incapaces de diseñar un sistema de iluminación- visión. Desde el punto de partida para este desafío es una moneda, no un archivo de computadora, la relevancia mecánica, iluminación, sub-sistemas ópticos y cámaras deben diseñarse primero - antes de cualquier trabajo en el desarrollo o la implementación de algoritmos de procesamiento de imágenes se contempla incluso.

Planteamiento del Problema1. El planteamineto del problema es una clara descripción del tema(s), que incluye una visión,

declaración del tema, y metodo utilizado para resolver el problema.2. Las 5 'W's pueden ser usadas para provocar la discución sobre el tema.3. Una declaración del problema expresa las palabras que se utilizan para mantener el esfuerzo

enfocado y que deberían representar un problema que se pueda resolver.

Como escribir una declarión del ProblemaUna declaración del problema es una clara descripción consisa del tema(s) que necesita ser abordado por un equipo de resolución de problemas.Se utiliza para centrar y concentrar el equipo al principio, mantener al equipo en la pista durante el esfuerzo, y se utiliza para validar que el esfuerzo entregado un resultado que resuelve el enunciado del problema. Tiene una forma específica:

- Vision: ¿Que es lo que el mundo ve como si nosotros resolvemos el problema?- Planteamiento(Declaración) del problema - una o dos frases que describen el problema con

cuestiones específicas. No es una "ausencia de una solución" comunicado. Por ejemplo, nuestro problema es que no tenemos un sistema ERP.

- Método - el proceso que logrará seguir para resolver el problema. Por ejemplo, DMAIC o Kaizen.

Como empezarEl 5 'W de - Quién, Qué, Dónde, Cuándo y Por qué - es una gran herramienta que ayuda a obtener la información pertinente a cabo para la discusión. Desde la [poema] de Rudyard Kipling "del niño del elefante", que se abre con:

Sigo seis sirvientes hombres honestos(Ellos me enseñaron todo lo que sabía);Sus nombres son Qué y Por qué y cuándoY ¿Cómo y Dónde y Quién.

Quién - ¿A quién afecta el problema? Grupos específicos, organizaciones, clientes, etc.

¿Qué - ¿Cuáles son los límites del problema, por ejemplo, , el flujo de trabajo de la organización, geográficas, clientes, segmentos, etc. - ¿Cuál es el problema? - ¿Cuál es el impacto de la cuestión? - ¿Qué impacto está causando el problema? - ¿Qué pasará cuando se fija? - ¿Qué pasaría si no resolvemos el problema?

Cuando - ¿Cuándo ocurre el problema? - ¿Cuándo se necesita ser fijo?

Dónde - ¿Dónde está ocurriendo el problema? Sólo en ciertos lugares, procesos, productos, etc.

¿Por qué - ¿Por qué es importante que se corrige el error? - ¿Qué impacto tiene en la empresa o cliente? - ¿Qué impacto tiene sobre todas las partes interesadas, por ejemplo, empleados, proveedores, clientes, accionistas, etc. Cada una de las respuestas le ayudarán a concentrarse en el tema específico (s) y el marco de la Declaración de Emisión. Su planteamiento del problema debe ser solveable. Es decir, se debe tomar una cantidad de tiempo razonable para formular, probar e implementar una solución potencial.

Ejemplo

Considere la posibilidad de un desarrollo de software y la compañía de servicios de datos alojada que suministra productos y servicios a los proveedores de servicios inalámbricos. Tenían problemas que despliegan nuevas versiones de software en el entorno de producción. Despliegue en este caso es el trabajo necesario para la toma de un binario listo producción e instalación, las pruebas y su liberación en el entorno de producción. La empresa no pudo desplegar las emisiones en horario de más del 50% de las veces.

Planteamiento del problema:

Queremos que todos nuestros lanzamientos de software para ir a la producción sin problemas, sin defectos, donde todo el mundo es consciente e informado de los resultados y el estado. (Vision)

Hoy tenemos demasiados fallos de liberación que resultan en demasiadas fallas de rollback. Si ignoramos este problema; recursos tendrán que aumentar para manejar los problemas de conexión en cascada, y nos pueden pasar por alto los plazos críticas de los clientes que podrían resultar en la pérdida de ingresos, sanciones SLA, pérdida de negocios, y un mayor daño a nuestra reputación de calidad. (Declaración de Emisión)

Haremos uso de nuestra metodología Kaizen Blitz en la evaluación de la última versión para ayudarnos a mejorar nuestros procesos. (Método)

Conclusión

Un problema bien indicado está medio resuelto, Wally Davis me enseñó que uno. Y tiene razón, mejor es la claridad en torno a lo que el equipo está tratando de arreglar, más eficiente es que va a estar en la solución del problema, la solución será mejor "arreglar" los problemas, y el equipo puede volver a ejecutar el negocio frente la fijación de la misma.

*DMAIC: Es una herramienta de la metodología Seis Sigma, enfocada en la mejora incremental de procesos existentes.La herramienta es una estrategia de calidad basada en estadística, que da mucha importancia a la recolección de información y a la veracidad de los datos como base de una mejora.Cada paso en la metodología se enfoca en obtener los mejores resultados posibles para minimizar la posibilidad de error.

Kaizen (改善 , ‘cambio a mejor’ o ‘mejora’ en japonés), en el uso común de su traducción al castellano, significa “mejora continua” o “mejoramiento continuo”, y su metodología de aplicación es conocida como la MCCT: La Mejora Continua hasta la Calidad Total.

En su contexto este artículo trata de Kaizen como una estrategia o metodología de calidad en la empresa y en el trabajo, tanto individual como colectivo. Kaizen es hoy una palabra muy relevante en varios idiomas, ya que se trata de la filosofía asociada al casi todos los sistemas de produccíon industrial en el mundo.

Book(Background and statement problem ):Appraising research in second language learning a practical approach to critical analysis of quantitative research; Graeme Keith Porte