Tales sistemas requieren, por ejemplo, un precio competitivo, capacidad de proceso en tiempo real, baja frecuencia de errores y flexibilidad suficiente para adaptarse a los cambios de diseño que se efectúen en los productos). Hemos visto cómo los sistemas de visión incluyen sensores, procesadores de imagen, etc., y se complementan con ordenadores que proporcionan la inteligencia necesaria. El desarrollo del microprocesador ha acercado la capacidad de proceso al punto de trabajo. Como los programas de visión ya considerados, casi todos los sistemas industriales de visión comienzan por convertir en digital la imagen analógica proporcionada por los sensores. Seguidamente se procesa la matriz digital para localizar e identificar las características y fallos del producto. Los patrones y formas detectadas se pueden comparar con plantillas para revelar los fallos. En una aplicación se utiliza un método de múltiples adaptaciones de plantillas para detectar la posición de un transistor en un microcircuito en el campo visual de una cámara vidicón complementada con un microscopio. Posteriormente se pueden verificar fallos en el producto. Tales sistemas de detección de fallos están basados en la evaluación de disparidades en las características medidas: calidad de la textura, variaciones de color, etc. Una vez más, técnicas desarrolladas en la investigación de Al tienen aplicación. Práctica en métodos de detección de bordes para hallar discontinuidades en soldaduras, así como otras imperfecciones en productos fabricados.
En estas aplicaciones lo normal es clasificar los productos: los defectuosos van al cajón de los desechos, mientras que los buenos pasan a inspecciones y procesos posteriores. La necesidad de eficaces y económicas instalaciones de visión artificial quedó de manifiesto con el desarrollo de los sistemas flexibles de fabricación (FMS: flexible manufacturing systems) al principio de los ochenta. Los FMS son sistemas que pueden incorporar una gran variedad de elementos automatizados (robots, máquinas herramientas, cintas transportadoras, etc.) y hacer frente a una extensa gama de tareas de fabricación. Un informe de 1983 de la Tech Tran Corporation (Machine Vision Systems: A Summary and Forecast) reconoce que los actuales sistemas de fabricación flexible están limitados en su capacidad para detectar la posición, forma, etc. de los componentes de ensamblado. Concluye que los sistemas de visión artificial potenciarán las capacidades de los FMS de varios modos. El informe sugiere que los sistemas de visión artificial son apropiados para la inspección y clasificación de partes, y la guía y control de equipos tales como robots. También contabiliza un total de 400 a 500 sistemas de visión en las factorías estadounidenses, y un ritmo de crecimiento de 400 a 500 por año.
La tecnología actual de los sistemas de visión tiene determinadas limitaciones. Por ejemplo, la capacidad de interpretación tridimensional es muy limitada y hay que presentar el componente en una posición concreta. Además, los sistemas de visión se pueden confundir si las condiciones de iluminación no son óptimas (imágenes borrosas). Se intenta superar estos problemas. Jain y Haynes (1982), por ejemplo, describen la importancia de la teoría de conjuntos difusos para los sistemas computarizados de visión y Powly (1983) describe un sistema sueco de visión que puede continuar funcionando correctamente, aun-que se varíen las condiciones de iluminación. Este sistema de visión robótica, fabricado por ASEA Robotics, puede distinguir hasta 64gradaciones tonales negro/blanco y su funcionamiento no se ve afectado por variaciones normales de intensidad lumínica en los entornos industriales. En una aplicación, uno de estos sistemas se ha acoplado a un robot (en ASEA Control en Vasteras, Suecia) que controla la sección de acabado de piezas de resinas termoestables. El robot localiza e Identifica cada pieza según llega por una cinta transportadora, selecciona el sistema adecuado de sujeción, les quita las rebabas y las coloca en la cinta transportadora de salida.
Los equipos de visión artificial utilizados en aplicaciones industria-les se suelen clasificar en dos grandes categorías:
– sistemas de medida óptica, que son máquinas de no contacto controladas por ordenador usadas principalmente para medır las dimensiones de piezas. No están preparados para interpretar imágenes ni hacer inferencia sobre la pieza, sino meramente a identificar los puntos lindantes de una silueta.
– sistemas de identificación de imágenes, diseñados para ampliar la información relativa a una imagen, a fin de ayudar a su interpretación. Pueden ser reprogramados, es decir, se comportan como una instalación de automatización flexible.
Un objetivo omnipresente en todos los sistemas sofisticados de visión artificial es simular o reproducir los procesos humanos. Según el informe Tech Tran, el objetivo a largo plazo es crear sistemas de visión que se adapten precisamente a las capacidades del ojo y del cerebro humano. Algunos componentes de los sistemas de visión efectúan capacidades análogas a las de los seres humanos. Por ejemplo, un microcircuito desarrollado por el Dr. Saavas Chamberlain en la Universidad de Waterloo, Canadá, puede detectar la luz 5000 veces mejor que los dispositivos anteriores, casi con la misma perfección que el ojo humano (citado por la revista Canadian Datasystem, noviembre 1983).
Una estimación sugiere que el 25% de los robots en los EEUU tendrán capacidad de visión hacia 1990. En 1989 se calcula habrá unas 100 instalaciones de visión artificial en Alemania Occidental (citado por Braggins, 1984). Actualmente, la guía de robots supone el 20% de las aplicaciones de visión artificial, siendo las aplicaciones de inspección y medida un 40%. Muchas empresas ofrecen actualmente sistemas de visión artificial, un campo que consideran tendrá un espectacular desarrollo en los años venideros.
La investigación en sistemas de visión se está desarrollando en paralelo con muy diferentes áreas:
– optimización de la tecnología de los microcircuitos para facilitar una mejor detección de la luz;
– desarrollo de sistemas de “bandas lineales” para ayudar a la identificación de componentes;
– desarrollo de la teoría de la lógica difusa para que los sistemas de visión puedan funcionar con información parcial;
– desarollo de algoritmos que permitan la computación de los procesos de visión;
– desarrollo de estrategias de software para tareas tales como detección de bordes, análisis de movimientos, etc.;
– desarrollo de formalismos de representación especialmente dirigidos al manejo de conocimientos relativos a la visión (Havens y Mackworth, 1983).
Tales áreas de interés, casi todas ellas relacionadas con la investigación en Al, tienden a facilitar la fabricación de sistemas prácticos de visión artificial.
Belén Stettler, oriunda de Río Gallegos, Santa Cruz, Argentina, cuenta con 35 años y es Licenciada en Ciencias de la Comunicación Social por la Universidad de Buenos Aires (UBA). A lo largo de sus 13 años de trayectoria en comunicación política, ha trabajado como consultora en Buenos Aires, especializándose en estrategia, investigación y comunicación directa. Ha dirigido equipos de comunicación en diversas campañas. Su experiencia incluye roles importantes en la Obra Social del Personal de Seguridad Pública de Buenos Aires, la Vicejefatura de Gobierno de Buenos Aires, Claves Creativas, Ford Argentina y AkzoNobel, iniciando su carrera en Grupo Suessa Organización Empresaria.
