Índce INTRODUCCIÓN.... MARCO DE LA TESIS..... ALCANCE DE LA TESIS.... OBJETIVOS...3.3 ESTRUCTURA DE LA TESIS...4 PROBLEMÁTICA DE LA INSPECCIÓN VISUAL AUTOMATIZADA... 7. LA INSPECCIÓN INDUSTRIAL...8.. TAXONOMÍA DE LOS PROBLEMAS DE INSPECCIÓN...9. INSPECCIÓN VISUAL AUTOMATIZADA...0.. VENTAJAS DE LA INSPECCIÓN AUTOMATIZADA VISUAL..... LIMITACIONES DE LOS SIVA...3..3 CLASIFICACIÓN DE LOS SISTEMAS DE INSPECCIÓN VISUAL AUTOMATIZADA...4..4 IMPLEMENTACIÓN DE SIVA...6..5 LITERATURA DE LOS SIVA...7.3 CONCLUSIONES...8 DISAM-UPM T-98-05
Inspeccón automatzada de supefces homogéneas medante Vsón Atfcal Calos Plateo FORMACIÓN DE IMÁGENES EN SISTEMAS DE INSPECCIÓN VISUAL AUTOMATIZADA (SIVA)... 9 3. CARACTERIZACIÓN DE IMÁGENES DIGITALES...3 3.. DEFORMACIONES DE LAS IMÁGENES...33 3. REALCE VISUAL DE SUPERFICIES PLANAS...37 3.. MECANISMOS DE REFLEXIÓN DE LA LUZ SOBRE SUPERFICIES PLANAS...38 3.. MODELO DE LA CÁMARA...5 3.3 MODELOS DE FUENTES LUMINOSAS E ILUMINACIÓN UNIFORME EN SUPERFICIES PLANAS...54 3.4 SISTEMA DE ILUMINACIÓN PARA LOS SIVA IMPLEMENTADOS...58 3.4. METODOLOGÍA A EMPLEAR PARA EL DISEÑO DEL SISTEMA DE ILUMINACIÓN...58 3.5. SISTEMA DE ILUMINACIÓN PARA LA INSPECCIÓN DEL PAPEL...60 3.5 ARQUITECTURA DE CÁMARAS CCD EN SIVA...7 3.5. FACTORES A CONSIDERAR EN LA ELECCIÓN DE LAS CÁMARAS...7 3.5. CÓMO ELEGIR LA CÁMARA...78 3.5.3 EJEMPLOS DE FORMACIÓN DE IMÁGENES EN ESCENAS SIVA...84 3.6 CONCLUSIONES...85 DETECCIÓN VISUAL DE DEFECTOS LOCALES... 87 4. LA DETECCIÓN COMO UN PROCESO DE DECISIÓN...89 4. REALCE DE LOS DEFECTOS LOCALES...9 4.. FILTROS LINEALES DISCRETOS...93 4.. CONVOLUCIÓN Y CORRELACIÓN ESPACIAL...00 4..3 MODELO DE REGRESIÓN CON VARIABLES CUALITATIVAS...0 4..4 FILTROS NO LINEALES: PROCESAMIENTO MORFOLÓGICO...06 4.3 ETAPA DE DECISIÓN...7 4.3. MODELIZACIÓN DEL PROBLEMA MEDIANTE LAS FUNCIONES DE DENSIDAD...7 4.3. ESTRATEGIAS DE DECISIÓN...9 4.3.3 IMPLEMENTACIÓN DE LA DECISIÓN: SEGMENTACIÓN DE IMÁGENES...4 4.3.4 UMBRALIZACIÓN PARA LA DETECCIÓN DE DEFECTOS...5 4.4 AGRUPACIÓN DE PÍXELES BINARIZADOS...30 4.4. ELIMINACIÓN DE FALSAS ALARMAS...30 4.4. RECONSTRUCCIÓN DEL DEFECTO...3 4.5 MEDIDA DE CALIDAD DE UN PROCEDIMIENTO PARA LA DETECCIÓN DE DEFECTOS LOCALE...3 4.5. MEDIDAS BASADAS EN EL ERROR DE BAYES...3 4.5. MEDIDAS BASADAS EN LAS FUNCIONES DE DISTRIBUCIÓN...33 4.6 DISEÑO DEL SISTEMA DE DETECCIÓN DE DEFECTOS LOCALES EN LA PASTA DE PAPEL...35 DISAM-UPM T-98-05
Calos Plateo Índce 4.6. REALCE DE LOS DEFECTOS LOCALES EN LA PASTA DE PAPEL...36 4.6. VALIDACIÓN DE LAS HIPÓTESIS DE NORMALIDAD...39 4.6.3 PARÁMETROS DEL SISTEMA DE DETECCIÓN DE DEFECTOS...4 4.7 CONCLUSIONES...45 ANÁLISIS DE LOS DATOS... 47 5. ANÁLISIS DE LOS DATOS CON MAPAS AUTO ORGANIZADOS...49 5.. MAPAS AUTO ORGANIZADOS...50 5.. CONCLUSIONES SOBRE LOS MAPAS AUTO ORGANIZADOS...6 5. SOM COMO HERRAMIENTA DE CLUSTERING...6 5.. DEFICIENCIAS DE LOS MAPAS DE KOHONEN EN EL PROCESO DE CLUSTERING...63 5.. MÉTODO U-MATRIZ...64 5.3 REFINAMIENTO DE LA TÉCNICA DE CLUSTERING...66 5.3. DISTRIBUCIONES MULTINORMALES...69 5.3. TRANSFORMACIONES NORMALIZANTES...76 5.3.3 LA ESTIMACIÓN DE MV DE LAS TRANSFORMACIONES BOX COX...77 5.3.4 CAMBIOS DE ESCALA DE LA POBLACIÓN...79 5.3.5 DETERMINACIÓN DE Λ...80 5.3.6 INTERVALOS DE CONFIANZA Y PRUEBA DE NORMALIDAD...8 5.4 AGRUPACIÓN DE DATOS EN LOS DEFECTOS DE PLANCHAS DE ALUMINIO...83 5.4. EXTRACCIÓN DEL VECTOR DE CARACTERÍSTICAS...84 5.4. ANÁLISIS DE LOS DATOS...87 5.4.3 APLICACIÓN DE LAS U-MATRIZ AL ANÁLISIS DE LOS DEFECTOS DEL ALUMINIO...89 5.4.4 ELIMINACIÓN DE COMPONENTES SIN INFORMACIÓN ESTADÍSTICA...94 5.4.5 BÚSQUEDA DE ESPACIO NORMALES...95 5.5 CONCLUSIONES...97 CLASIFICADORES ESTÁTICOS... 99 6. CLASIFICADORES PARAMÉTRICOS...00 6.. CLASIFICACIÓN A DOS GRUPOS...03 6.. EXPRESIÓN GENERAL DEL ERROR PARA LA CLASIFICACIÓN DE DOS GRUPOS...04 6..3 DISEÑO DE CLASIFICADORES LINEALES ÓPTIMOS...5 6..4 DISEÑO DE CLASIFICADORES CUADRÁTICOS...0 6. ESTIMACIÓN DE LOS PARÁMETROS MEDIANTE UN CONJUNTO FINITO DE MUESTRAS...3 6.. EFECTO DEL NÚMERO DE MUESTRAS EN EL DISEÑO DE CLASIFICADORES PARAMÉTRICO...9 6.3MÉTODO DE PARAMETRIZACIÓN DE LOS CLUSTER DOS A DOS...40 DISAM-UPM T-98-05
Inspeccón automatzada de supefces homogéneas medante Vsón Atfcal Calos Plateo 6.3. REDUCCIÓN DE LA DIMENSIÓN: SELECCIÓN DE LAS CARACTERÍSTICAS...40 6.3. CLUSTERING PARAMÉTRICO...43 6.4CLASIFICADORES NO PARAMÉTRICOS: MÉTODO DE APRENDIZAJE SUPERVISADO LVQ...46 6.4. INTRODUCCIÓN...46 6.4. ALGORITMO LVQ...47 6.4.3 MODIFICACIONES REALIZADAS EN EL ALGORITMO LVQ...53 6.5 APLICACIÓN A LA CLASIFICACIÓN DE DEFECTOS LOCALES EN PLANCHAS DE ALUMINIO COLADO...56 6.5. PARAMETRIZACIÓN DOS A DOS DE LOS CLUSTER SEGÚN MÉTODO PRESENTADO...56 6.5. DISEÑO DE LOS CLASIFICADORES PARAMÉTRICOS...58 6.5.3 MODIFICACIÓN DEL ALGORITMO NO PARAMÉTRICO OLVQ...6 6.5.4 COMPARACIÓN CON OTRAS TÉCNICAS TRADICIONALES DE CLASIFICACIÓN...64 6.6CONCLUSIONES...65 APLICACIONES INDUSTRIALES DE LA TESIS... 67 7. INSPECCIÓN VISUAL DEL ALUMINIO COLADO...67 7.. PROCESO DE OBTENCIÓN DEL ALUMINIO COLADO...68 7.. SIVA APLICADO A LAS PLANCHAS DE ALUMINIO COLADO...70 7. INSPECCIÓN VISUAL DE LA PASTA DE PAPEL...76 7.. PROCESO DE OBTENCIÓN DE LA PASTA DE PAPEL...76 7.. INSPECCIÓN DE LA PASTA DE PAPEL...76 7..3 SIVA IMPLEMENTANDO PARA LA LIMPIEZA DE LA PASTA DE PAPEL...78 7..4 RESULTADOS...8 7.3 CONCLUSIONES...83 CONCLUSIONES... 85 8. APORTACIONES DE LA TESIS...88 8. FUTUROS TRABAJOS...89 DISAM-UPM T-98-05
Calos Plateo Índce BIBLIOGRAFÍA... 9 ÍNDICE DE FIGIRAS... 303 ÍNDICE DE TABLAS... 309 DATOS BIOGRÁFICOS... 3 DISAM-UPM T-98-05
Calos Plateo Capítulo : Intoduccón Intoduccón. Maco de la tess La tess pesente se enmaca en el ámbto centífco de la Inspeccón automatzada, con el empleo de técncas de Vsón atfcal e Intelgenca atfcal. El contol de caldad es uno de los aspectos más mpotantes en la compettvdad ndustal. El alto coste de la nspeccón humana ha hecho pomove y desaolla sstemas capaces de esolve las taeas de foma automátca. Una de las mayoes dfcultades dento de la Inspeccón es la supevsón de la apaenca vsual. Ésta es encagada, en la mayoía de las ocasones, a nspectoes humanos. El sstema de vsón humano es adecuado paa su funconamento en un mundo de vaedad y cambo, mentas que el poceso de nspeccón vsual ndustal, equee de la obsevacón de una escena epetda de foma que se puedan detecta anomalías. La exacttud del sstema humano de vsón empeoa con el tabao epettvo y monótono. El esultado es una nspeccón lenta, caa y eátca. La nspeccón vsual automatzada es, obvamente, la altenatva a los nspectoes humanos, lbeándolos de tan alenante tabao. De ente los posbles escenaos de los Sstemas de Inspeccón Vsual Automatzada, SIVA, esta tess se ha centado en la nspeccón vsual de supefces planas y homogéneas. Las azones de estas estccones venen dadas po las compledades de dseño de estos sstemas en témnos geneales. No obstante, esta acotacón del poblema esulta válda en el DISAM-UPM T-98-05
Inspeccón automatzada de supefces homogéneas medante Vsón atfcal Calos Plateo desaollo de muchas aplcacones SIVA paa las necesdades de la ndusta actual. De hecho, a lo lago de los últmos años se han desaollado múltples aqutectuas paa la deteccón de defectos vsuales en supefces planas y homogéneas, tales como textles, madeas, aceos, alumno, plástcos, pasta de papel y un snfín de poductos ndustales, mostando un gan nteés tanto paa la ndusta como paa la nvestgacón aplcada. S ben hay constatacón de múltples sstemas de nspeccón de supefces [Po90][Oulu97][Pasy97][EES9], en nngún caso exste una metodología completa que pemta, ndependentemente de las caacteístcas del poceso, confgua el sstema de nspeccón vsual automatzado[newma95]. Los tabaos pesentados muestan solucones patculaes atendendo a las condcones de la nspeccón. Aún así, de todos ellos se despende una flosofía común, caactezada po tes bloques. Una pmea etapa encagada de la fomacón de mágenes, con los obetvos de ealza los defectos vsuales en la escena y tasladalos a la memoa del computado. Un segundo bloque llamado sstema de deteccón de defectos, que tata de localza los defectos de apaenca vsual. Y po últmo, un tece bloque de clasfcacón, convtendo la nfomacón selecconada en una etqueta de catalogacón. A veces esulta este últmo bloque como optatvo. El desaollo de esta tess petende ofece una solucón metódca al dseño de sstemas de nspeccón vsual automatzada de supefces planas y homogéneas. La consecucón de este obetvo debe cub los fundamentos y cteos paa el dseño del sstema de lumnacón sobe supefces planas, estategas de aqutectua de adquscón de escenaos SIVA, la elaboacón de algotmos de deteccón de defectos locales, la epesentacón vtual de los defectos unto con la seleccón de las meoes caacteístcas y po últmo, la clasfcacón de los defectos. Como maco del desaollo expemental de la tess, así como de aplcacón ndustal, se ha patcpado en la mplementacón de dos sstemas de nspeccón. Un pme SIVA dedcado a la deteccón y clasfcacón de faltas vsuales en el alumno colado, capaz de dscen la ausenca/pesenca de defectos locales en las planchas de alumno, así como de su clasfcacón. Y un segundo sstema dseñado paa la deteccón de defectos locales en la pasta de papel. Las aqutectuas desaolladas han sevdo de bancada paa poba la bondad de las popuestas pesentadas en esta tess... Alcance de la tess La detemnacón en supefces planas y homogéneas de la pesenca o ausenca de defectos, así como de su clasfcacón, medante técncas de Vsón atfcal e Intelgenca atfcal ha sdo tema de estudo po múltples autoes. Todos concden báscamente en el planteamento de tes htos mpotantes: fomacón de mágenes, algotmos de deteccón y en meno medda la clasfcacón de los defectos. El pme hto cube desde la lumnacón hasta el almacenamento de la señal en la memoa del computado. En efeenca al sstema de lumnacón, la poblemátca se centa en la colocacón óptma ente los focos lumnosos, la supefce a nspeccona y las dsposcones de los sensoes. Con tal popósto, se equeen conoce los modelos sobe la DISAM-UPM T-98-05
Calos Plateo Capítulo : Intoduccón eflexón de la luz en supefces planas [Naya9], los compotamentos de los focos lumnosos [Genn94] y las actuacones de los sensoes [Holst96]. De esta foma se podá detemna la colocacón geométca de los focos y las cámaas especto de las supefces a evsa. No hay que olvda que el popósto de este bloque es aumenta todo lo posble el ealce en la escena. En cuanto a la nstumentacón asocada a la adquscón de mágenes, depende fundamentalmente de la velocdad de desplazamento de la supefce y del tamaño de los defectos. Es el poceso ndustal el que va a defn qué tpo de tecnologías de cámaas se necestan, cuáles deben se sus esolucones y el númeo de sensoes que son mpescndble paa la nspeccón. En cuanto a las técncas empleadas paa la deteccón de defectos, éstas se han centado en el pocesamento y segmentacón de las mágenes ecbdas[noton8][bads94][maca93], con el obeto, pmeo, de aumenta el ealce ente defecto y fondo, y segundo, segmenta las mágenes paa la localzacón de los defectos locales. Paa el ealce de los defectos se han utlzado tanto fltos lneales como no lneales, mentas las técncas de segmentacón empleadas se basan en las popedades de los hstogamas. Menos explotado y extenddo es el estudo de la clasfcacón de los defectos detectados. En pate poque las exgencas ndustales no lo pecsan, o ben poque son sencllos clasfcadoes basados en alguna popedad decta de los obetos defectuosos detectados. Sn embago, a veces se necesta la catalogacón de faltas compleas. Estos clasfcadoes pesentan algunas peculadades. Suele sucede que algunos tpos de defectos tenen fecuencas baas de apacón, po lo que no se tenen muestas o el númeo de ellas es poco epesentatvo. Además, tambén ocue que el peco de tene un unveso del poblema sea económcamente costoso, po lo que las poblacones que se paten paa el dseño de estos clasfcadoes suelen se escasas. En esta tess se abodan estos tes htos, ntentando da solucones y camnos que ofezcan métodos guosos de análss, paa que en una fase posteo se pase al dseño de cada uno de estos sstemas. Los póxmos capítulos exponen de foma odenada el planteamento del poblema en conceto, su análss, las técncas a emplea y po últmo se muesta el tabao expemental desaollado.. Obetvos El obetvo geneal de esta tess es el desaollo de técncas de Vsón e Intelgenca atfcal conducentes tanto a la caactezacón de defectos en supefces planas y homogéneas, como a la deteccón y clasfcacones de tales defectos, de foma que la nfomacón obtenda sea ntegable en tempo eal dento del poceso poductvo. Con tal fn, los obetvos desglosados en puntos coespondeán a: ƒ Poposcón de una aqutectua geneal paa el sstema de nspeccón automatzada de supefces planas y homogéneas. DISAM-UPM T-98-05 3
Inspeccón automatzada de supefces homogéneas medante Vsón atfcal Calos Plateo ƒ ƒ ƒ ƒ ƒ ƒ ƒ Estudo de la poblemátca de lumnacón sobe supefces planas. Dseño del sstema de lumnacón, consttudo po las fuentes lumnosas y los sensoes. Localzacón de los elementos de lumnacón y adquscón unto con las tecnologías a emplea. Estudo sobe la adquscón de señales de vídeo, su esolucón y exacttudes de las meddas tomadas. Planteamento de una solucón que pemta exploa el 00% de la supefce analzada sn que ésta se detenga ante el dspostvo de captacón y que no ntevenga en el poceso poductvo. Desaollo de algotmos de ealce de defectos locales basados en el dseño de fltos lneales y no lneales. Métodos de segmentacón paa la deteccón de defectos locales basados en el análss del hstogama. Desaollo de meddas de calbacón sobe las dstntas técncas empleadas paa la deteccón de los defectos. Estudo y desaollo de técncas de modelzacón de los defectos, consstenca de la epesentacón vtual y extaccón y seleccón de las meoes caacteístcas. Análss exploatoo de los datos paa la decantacón de las dstntas subclases de defectos. ƒ Desaollo de la metodología paa el econocmento de defectos hacendo uso de técncas estadístcas y cogntvas..3 Estuctua de la tess La confguacón de la tess en capítulos vene dada como sgue: un capítulo ncal sobe la poblemátca concenente a la nspeccón vsual automatzada, paa pasa a desaolla en los sguentes cuato capítulos el análss y dseños de las cuestones planteadas, esto es, fomacón de mágenes, deteccón de los defectos locales, análss de los datos y clasfcacón de los defectos. Paa acaba se muestan las aplcacones ndustales elaboadas, las cuales han sevdo como maco de tabao expemental. Una explcacón más detallada de los sguentes capítulos se muesta a contnuacón con el obeto de lusta po sepaado qué poblemátca se estuda en cada tema. El capítulo segundo pesenta la poblemátca de la Inspeccón vsual automatzada. Se empeza con una evolucón hstóca de la Inspeccón ndustal llegando a la conclusón de la necesdad de nseta las opeacones de nspeccón dento del poceso manufactueo. Además, tambén se concluye que la nspeccón vsual automatzada es deal paa la meoa de la poduccón y de la compettvdad de las empesas. Llegado a este punto, se centa la poblemátca sobe los SIVA, ndcando sus ventaas e nconvenentes. Luego se pasa a un 4 DISAM-UPM T-98-05
Calos Plateo Capítulo : Intoduccón análss de los SIVA medante la clasfcacón de éstos atendendo al tpo de nfomacón a tata, a las técncas empleadas y a la geometía de las supefces a nspeccona. La exposcón concluye con efeencas a SIVA mplementados y a la lteatua especalzada. El estudo sobe la fomacón de mágenes en SIVA seá desaollado en el tece capítulo. El pme poblema a esolve tata sobe la ubcacón óptma de los focos lumnosos y sensoes especto a la supefce a nspeccona, po lo que se hace necesao el estudo sobe el compotamento de la luz en supefces planas, así como el desaollo de modelos sobe las fuentes lumnosas y los captadoes. A pat de éstos se ha ntentado o ben una lumnacón unfome sobe la supefce a nspeccona, o ben se ha buscado qué componentes de la luz efleada tenen mayo nvel de nfomacón. Se ha tabaado sobe una metodología basada en las expesones analítcas de las fuentes lumnosas y en sus desaollos de Taylo, de manea que detemne la ubcacón coecta de los focos y elementos complementaos paa una lumnacón unfome sobe la escena. Tambén se ha tabaado sobe el compotamento de la luz en supefces lsas paa la óptma localzacón de foco senso. Pesentándose una de las apotacones de la tess, en efeenca a la metodología empleada paa el dseño del sstema de lumnacón y su ubcacón. El segundo poblema se efee a la tecnología de los sensoes y a la aqutectua empleada. Se hace un planteamento sobe los factoes a consdea en la eleccón de las cámaas de vídeo. Po últmo, se dan efeencas bblogáfcas de cómo ha sdo esuelto el poblema de fomacón de mágenes en SIVA documentados. A pat del cuato capítulo, se petende mosta una metodología sobe la deteccón de defectos locales en supefces planas y homogéneas. El planteamento pvota en tes bloques: ealce, deteccón y elmnacón de falsas alamas. Sobe el ealce de los defectos se plantea el dseño de fltos lneales y no lneales, ofecendo un método paa la detemnacón de la máscaa de convolucón lneal, pesentándose como novedoso. En cuanto a la deteccón, ésta se basa en las funcones de densdad del fondo y del defecto, desaollando técncas de segmentacón basadas en el análss del hstogama. Respecto a la elmnacón de falsas alamas, se poponen técncas de pocesamento mofológco con el obetvo de meoa los esultados de la deteccón. El capítulo acaba mostando un pocedmento que pemta calba cuál de las técncas popuestas paa la deteccón da el meo esultado, sendo ésta ota de las apotacones de esta tess. Una vez detectados los defectos locales en la supefce y detemnada la convesón de la magen segmentada en un vecto de caacteístcas, se pasan las faltas a la etapa de clasfcacón. Los dos sguentes capítulos tenen como obetvo, da una metodología de actuacón paa la catalogacón de las muestas. La dea básca es ntega tanto las técncas estadístcas como las técncas cogntvas en la esolucón del poblema. El qunto capítulo tata del análss exploatoo de los datos, etapa encagada de la búsqueda de los gupos nheentes del unveso del poblema. Se han utlzado como base los mapas auto oganzados. Sn embago, muestan algunas lmtacones, que son analzadas paa pasa a englón segudo a popone una nueva metodología. El fundamento del método popuesto se sustenta en la paametzacón de los gupos medante funcones de densdad. En geneal, en un SIVA se tata de clasfca las fomas de los defectos locales, ofecéndose éstos como patones de tpo estátco. Ota de las peculadades de estos sstemas DISAM-UPM T-98-05 5
Inspeccón automatzada de supefces homogéneas medante Vsón atfcal Calos Plateo es la falta de muestas paa el dseño de los clasfcadoes. El sexto capítulo aboda el dseño de los clasfcadoes paamétcos y no paamétcos, suetos a las menconadas condcones, ndcándose expesones analítcas tanto del eo de clasfcacón como su sesgo, sendo unas de las apotacones más sgnfcatvas de la tess. Tambén, es pesentado un novedoso método de paametzacón seleccón de las caacteístcas basadas en tansfomacones Box Cox y en las dstancas de Bhattachayya. Po últmo se compaan los esultados obtendos con las técncas de Reconocmento de fomas tadconales. El capítulo 7 descbe las aplcacones ndustales acometdas duante la ealzacón de esta tess. Se pesenta tanto el SIVA elaboado paa el alumno colado como paa la pasta de papel. El esquema empleado tata de expone la poblemátca a esolve y cómo se ha dseñado la fomacón de mágenes, la deteccón de los defectos y su clasfcacón paa cada uno de éstos. Po últmo, en el capítulo octavo se hace un esumen del tabao ealzado así como de las apotacones novedosas pesentadas. Paa acaba ndcando algunas posbles líneas de tabao a nvestga en el futuo. 6 DISAM-UPM T-98-05
Calos Plateo Capítulo : Poblemátca de la Inspeccón vsual automatzada Poblemátca de la Inspeccón vsual automatzada En este capítulo se pesenta la poblemátca de la Inspeccón vsual automatzada. Se empeza con una evolucón hstóca de la Inspeccón ndustal, ecalcando la necesdad de nseta las opeacones de nspeccón dento del poceso de poduccón (.). De esta dea y dento de las dfeentes técncas que pueden se empleadas, la automatzacón de las opeacones de nspeccón vsual esulta de las que meo encaa, pesentándose en muchos casos se vtal en la meoa del poceso poductvo y en su compettvdad (..). Llegado a este punto, se centa la poblemátca en la Inspeccón vsual automatzada (.). Son pesentadas las ventaas e nconvenentes de los SIVA (.. y..). Segudamente se pasa a la clasfcacón de los SIVA atendendo a la geometía de las supefce (..3.), al tpo de nfomacón ecogda (..3.) y a las técncas empleadas(..3.3). Estas dcotomías pemten establece el maco de tabao dento de la flosofía SIVA. Las efeencas a SIVA mplementados enseñan algunas de las solucones tomadas(..4). Po últmo, una guía sobe lteatua SIVA muesta la cantdad de lbos, atículos y ponencas, ndcando la efevescenca de un campo de nvestgacón en alza (..5). DISAM-UPM T-98-05 7
Inspeccón automatzada se supefces homogéneas medante Vsón atfcal Calos Plateo. La Inspeccón ndustal La nspeccón fue uno de los motoes de la Revolucón ndustal, al ayuda a la ealzacón de poductos con dmensones consstentes. Con pates estánda, la nocón de ntecambabldad fomentada po Whtney fue fnalmente una ealdad. La poduccón en see ea posble y las oganzacones tendeon a se más compleas. A pncpos de sglo, con el aumento de la compledad se vo la necesdad de sepaa y foma depatamentos de nspeccón. Duante las tes cuatas pates del sglo, el númeo de nspectoes se ha ncementado paulatnamente, aseguándose éstos la esponsabldad de la caldad de los poductos. Los nspectoes han actuado cuando detectaban alguna anomalía en el poceso. Peo fecuentemente, esta acttud sgnfcaba que mentas se localzaba la mala caldad del poducto, algunos poductos ya habían sdo embacados y ecbdos po el clente. Duante la mayo pate del sglo XX, la oganzacón de la nspeccón estaba nomalmente sepaada del poceso poductvo. La esponsabldad de la nspeccón de los poductos dependía del depatamento de caldad. Sn embago, la constatacón de que la caldad del poducto no podía dase desde fuea, sno en su popo poceso, supuso un punto de nflexón en la Inspeccón ndustal. En una ndusta cada vez más automatzada, donde el dseño de los poductos puede se modfcado, las opeacones del poceso camban de secuenca con sólo vaa las ódenes en un pogama. Es este ambente el que popca que las opeacones de nspeccón no estén asladas del poceso, al contao, deben foma pate de éste. Aun más, la meoa de la poduccón manufactuea va a depende de la ntegacón de sstemas de nspeccón dento del poceso [Wnch96]. En el poceso poductvo, el esultado es un poducto cuyas popedades vaían dento de un ango. Las causas de esta vaabldad son debdas, a las popedades estocástcas del contol del poceso, la falta de unfomdad de las mateas pmas, las vaacones ambentales, como tempeatua, humedad, vbacones, y po supuesto los eoes humanos. La vaabldad del poceso poductvo es una de sus caacteístcas. Luego, la nspeccón se encuenta dento de un mundo vaable, en el cual va a tata de dentfca la extensón de la vaabldad. Po estas azones, es fecuente epesenta las meddas medante dstbucones nomales. Algo muy utlzado y que en esta tess tambén se va a aplca. Dependendo de la vaabldad un poceso podía poduc poductos aceptables, echazables o ben povoca el eauste del popo poceso. Este conocmento es cítco en cualque poceso y contnuaá sendo cítco en el futuo. En témnos smples, la nspeccón puede se vsta como el examen de alguna caacteístca del poducto, la cual tata de detemna s se encuenta dento de los valoes espeados. Paa su detemnacón debe consdease el emplazamento, los métodos, los nstumentos y s hay necesdad de ealza hstoales. 8 DISAM-UPM T-98-05
Calos Plateo Capítulo : Poblemátca de la Inspeccón vsual automatzada.. Taxonomía de los poblemas de nspeccón Una pmea ayuda paa adentase en la nspeccón, es ealza una catalogacón de atbutos alededo de ésta: dónde se hace el contol de caldad, qué pate de la poduccón es consdeada, qué meddas se ealzan o qué tpo de tecnología se emplea. A contnuacón se exponen los conceptos báscos de la poblemátca de la nspeccón Una pmea clasfcacón se establece en la ubcacón del contol de caldad. Las nspeccones pueden empeza en la ecepcón de las mateas pmas, contnua en puntos del poceso, y conclu en el empaquetado y embaque. El contol de ecepcón se aplca a las patdas de nuevos poductos, sean éstas mateas pmas, poductos semacabados o acabados, las cuales se nspecconan paa vefca las especfcacones establecdas. El contol en cuso de fabcacón se ealza contnuamente duante la fabcacón del poducto, a ntevalos de tempos fos, y tene po obeto vgla el funconamento del sstema en las meoes condcones posbles y ecoge nfomacón paa meoalo. El contol de fabcacón poduce, a la laga, los mayoes benefcos. Además de las funcones de nspeccón, que compate con el contol de ecepcón, pemte apende sobe las causas de vaabldad del poceso, apotando datos paa meoalo. Po esta azón, el contol de fabcacón es una heamenta mpescndble paa la evaluacón de accones encamnadas a peven fallos, y a pefeccona el poceso poductvo. Las nspeccones en la salda van dgdas acepta o echaza el poducto. Es fecuente utlza secuencas estadístcas sobe la poduccón fnal, con el obetvo de descub tendencas de desauste del poceso. Una segunda dvsón se encuenta en el tpo de medda a ealzase. Pueden tomase meddas sobe una caacteístca de caldad medble (longtud, masa, contendo de mpuezas, etc.), o sobe atbutos o caacteístcas cualtatvas que el poducto posee o no posee (contol pasa/no pasa, po pezas defectuosas). El contol po caacteístcas medbles o po vaables es más nfomatvo que po atbutos, ya que ndca no sólo s un elemento es o no defectuoso, sno, además, la magntud del defecto. No es lo msmo que un elemento tenga una longtud fuea de toleanca po mcas que po centímetos. En consecuenca, es mucho más efcaz paa dentfca las causas de los poblemas de caldad medante vaables cuanttatvas. Lo que ustfca que se utlce especalmente en el contol de pocesos. Cuando el obetvo del contol no es establece accones peventvas, sno úncamente vefca las especfcacones (como ocue en el contol de ecepcón), el contol po atbutos es el más adecuado. Po se más ápdo y smple de aplca y, po tanto, más económco. Una tecea dcotomía está en los métodos a emplea. Estas opeacones pueden se ealzadas po opeadoes o automátcamente. Ambas deben se consdeadas paa la meoa de la caldad del poducto. La capacdad de azonamento del humano es un elemento muy mpotante en estas opeacones, su habldad y flexbldad no puede se compaada con nnguna máquna. Sn embago, los aspectos de fatga y cansanco, hacen mella en el opeao, tomando a veces acttudes subetvas. En cambo la automatzacón de la nspeccón, pemte da un uco nvaable en el tempo, aunque este uco no sea tan co en matzacones como el del humano. DISAM-UPM T-98-05 9
Inspeccón automatzada se supefces homogéneas medante Vsón atfcal Calos Plateo Esta tess, como fue comentado en el anteo capítulo, se enmaca dento de la Inspeccón vsual automatzada, po lo que se pocede al estudo de su poblemátca.. Inspeccón Vsual Automatzada La nspeccón vsual de obetos foma pate del poceso de fabcacón. La automatzacón de esta taea está sendo ealzada de manea lenta, s se compaa con otos eslabones de la cadena de poduccón, como tanspote de mateas pmas o más ecentemente la mecanzacón y ensamblae de poductos. La azón de esta langudez hay que buscala en su enome dfcultad. Su compledad vene ognada, po la cantdad de capacdad de azonamento que es necesaa mplementa, ya sea paa acepta/echaza un poducto o clasfcalo según un tpo de defecto. La complcacón del poblema es tan elevada, que excepto unos pocos sstemas expementales [Mash90], el dseño se oenta a la nspeccón de una taea altamente especfcada. La constuccón de un Sstema de Inspeccón Vsual Automatzada, SIVA, y en nglés conocdo como Automated Vsual Inspecton, AVI, equee de la ntevencón de múltples dscplnas, tales como la Automátca, la Vsón e Intelgenca atfcal o la Mecánca. Aún sendo de una gan compledad, con unos costes elevados, aunque dececentes, y enmacado en un contexto ntenaconal de economías abetas, la automatzacón de las taeas de nspeccón vsual se convete en exgenca en sectoes poductvos con altos nveles de competenca. En los últmos años, ha habdo un aumento de atencón po pate de la comundad centífca y técnca en el desaollo de los SIVA, pmeo po lo apuntado anteomente, una necesdad ndustal con cecente podad. En segundo luga, poque ha lanzado a la comundad un conunto de etos asocados a la Vsón atfcal y al Reconocmento de Fomas. Y po últmo, el aumento de capacdad de tabao de las computadoas, así como de sopote físco especalzado, ha oto las fonteas de mposbldad de opeatvdad en línea, unto con un abaatamento de los costes. Todo ello ha mpulsado, a una efevescenca en tono a los SIVA, que queda efleado po el aumento de sstemas nstalados, así como po la polfeacón de lteatua especalzada y de congesos monotemátcos. S ben cabe dec que no es una acepcón unvesal, dento de la nomenclatua SIVA hay que dstngu los conceptos de nspeccón, test y econocmento. Inspeccona es el poceso de detemnacón de s un obeto se desvía de un conunto de especfcacones. Genealmente, la nspeccón vsual mplca meddas de los obetos, acabados supefcales y ensamblaes de elementos. La nspeccón es una taea dento del contol de caldad, peo se dstngue de una labo de test, pues la pmea mplca un examen completo del poducto y la segunda una exploacón espoádca. El econocmento consste en la dentfcacón postva de los obetos detectados en la fases de nspeccón o de test. La dentfcacón del obeto dento de los SIVA, en geneal, no es necesao, ya que ésta asume un conocmento a po del poblema. Po tanto, nspeccón, test, y econocmento son dstntas peo taeas que están elaconadas. Una peza puede se 0 DISAM-UPM T-98-05
Calos Plateo Capítulo : Poblemátca de la Inspeccón vsual automatzada nspecconada y detectadas sus anomalías, peo su dentfcacón y catalogacón coespondeá a una etapa de econocmento. Con dcho motvo, el desaollo de esta tess lleva dos líneas claamente defndas, una basada en la deteccón de los defectos, íntmamente lgada al Pocesamento de mágenes, y la ota, en la clasfcacón de las faltas asentada en el Reconocmento de fomas... Ventaas de la Inspeccón Automatzada Vsual En el mundo ndustal, las taeas de nspeccón han sdo ealzadas tadconalmente po opeaos humanos, ben sea en su totaldad o po muestas epesentatvas del lote. Algunas expeencas [Ba69] han ndcado que los nspectoes humanos tenden a se más exactos, en la nspeccón po lotes muesteados que en la modaldad de 00 % del poducto, pobablemente po azones de fatgamento y alenacón. Como esultado, la nspeccón del 00% con opeadoes humanos equee de altos nveles de edundanca, lo cual ncementa el coste y el tempo paa la nspeccón. Sn embago, sea po azones de compettvdad, como ocue en las ndustas tansfomadoas de mateas pmas, aceo, alumno, papel,..., o poque coesponde con aplcacones cítcas, tales como ndusta famacéutca o aeospacal, donde un smple fallo es naceptable, la mayoía de estas empesas son conscentes de la mpotanca de la caldad del poducto. El coste de una pobe caldad en los componentes ha sdo estmada, en témnos de ventas peddas, ente un 5% y un 0%, y apoxmadamente un 0% de ventas sobe poductos fnales [LeBea90]. Po tanto, el 00 % de la nspeccón es deseable. La nspeccón basada en el muesteo de la poduccón tene dos nconvenentes: el esgo del fabcante y el esgo del consumdo, la pmea vene ognada po el eo poducdo al echaza un lote cuando éste cumple con los equstos, mentas el esgo del consumdo es la aceptacón de un lote de baa caldad. Las consecuencas asocadas a estos eoes son, la pédda de confanza y de eputacón de los poductoes. La educcón de los eoes de nspeccón tenden a anulase cuando se examna el 00 % del poducto. La nspeccón automatzada es necesaa, pues los nspectoes humanos no son sempe evaluadoes conscentes de los poductos. De hecho, en los estudos llevados a cabo [Smth93], se ha obsevado que la nspeccón vsual humana tene, en el meo de los casos, una efectvdad del 80 %, y además ésta se consgue con una féea estuctua de chequeo. En contaste con estos datos, los sstemas de nspeccón basados en Vsón atfcal, esultan tene menoes costes laboales y con una medda de caldad obetva, medble y meoable. Aun con mayo motvo, los SIVA se pesentan como la solucón pefecta en ambentes nsalubes. Nomalmente, muchas técncas de nspeccón son eecutadas con la ntevencón de dspostvos que se ponen en contacto con el obeto a examna, necestando, a veces, detenelos y colocalos según poscón y oentacón. Mentas en la flosofía SIVA, la posbldad de coloca los sensoes óptcos en los lugaes apopados, pemtán las obsevacones sn necesdades de detencón. Además, los contoles vsuales no mplcan contactos con los obetos, dsmnuyendo los esgos de deteoo de los poductos. DISAM-UPM T-98-05
Inspeccón automatzada se supefces homogéneas medante Vsón atfcal Calos Plateo Tadconalmente, las opeacones de nspeccón suelen ealzase al fnalza el ensamblae del poducto. Sn embago, la nspeccón duante el poceso de poduccón ofece cetas ventaas. En el caso de sólo detecta fallos en la últma fase, los mateales empleados, el tempo consumdo y la mano de oba utlzada, han sdo despedcados. Po eemplo, dento de la ndusta de PCB, se ha estmado que enconta un fallo antes de monta los componentes sobe el ccuto mpeso, costaía alededo de 5 centavos, mentas el msmo defecto localzado al temno del montae de componentes, tendía un coste apoxmado de 40 dólaes [Zeuch88]. Nada mpde utlza SIVA en cualque pate del poceso, a dfeenca de los nspectoes humanos que equeen un detemnado espaco y un ambente salube. Los pocesos de ensamblae con multtud de movmentos en poco tempo, hace físcamente mposble la nspeccón vsual humana. Oto tanto sucede, cuando se tata de examna bandas de mateas pmas. Las velocdades con que se mueven, como es el caso del aceo, el papel, la madea, suelen se tan elevadas, que la efectvdad del opeao es dececente con el paso del tempo. En defntva, el opeao muesta poca efcaca en ambente epettvos con escenas poco cambantes o con movmentos a gan velocdad. Una de las mayoes pestacones de los SIVA, es su utldad como elemento de ealmentacón en el poceso poductvo. Una elevada fecuenca de apacón de un detemnado tpo de defecto, podía ndca el mal funconamento de una heamenta o de una máquna, en el cclo. Po eemplo, dento de los SIVA mplementados en el contexto de esta tess, la apacón de un detemnado nvel de defectos del tpo shve en la pasta de papel, ndcaba la mala coccón de la madea. Y en el caso de alumno colado, la falta llamada stckng, venía ognada po el desgaste de los odllos de pensado. Resumendo, las ventaas atactvas de las máqunas ndustales de Vsón atfcal especto al sstema de vsón humano son : ƒ ƒ ƒ ƒ ƒ La nspeccón humana es vulneable. Los SIVA pueden se emplazados en ambentes pelgosos y en condcones extemas de espaco. La nspeccón humana es subetva. Los SIVA pueden ealza meddas con gan obetvdad y epettvdad. La nspeccón humana es falble. Los SIVA nunca comenten un eo po abumento o po falta de atencón. La nspeccón humana puede se demasada lenta. Los SIVA suelen tabaa en tempo eal especto al poceso manufactueo. La nspeccón humana es nsensble a cambos sutles que afectan a la totaldad de la escena. Los SIVA pueden obseva tales cambos y eaccona ante ellos con obetvdad. DISAM-UPM T-98-05
Calos Plateo Capítulo : Poblemátca de la Inspeccón vsual automatzada ƒ La nspeccón humana es etcente. Los SIVA pueden esta ntegados en el poceso manufactueo, hacendo de bucle de ealmentacón... Lmtacones de los SIVA Aunque la Inspeccón Vsual Automatzada pudea paece la panacea en la educcón de costes y en el aumento de la caldad, esta solucón no es sempe posble. La vabldad del sstema de nspeccón depende de vaos factoes, de su funconamento en tempo eal y de su consstenca, obustez y efcenca. Es dfícl defn fomalmente el sgnfcado de nspeccón en tempo eal, s ben Van Gool et al [VanGo9] han sugedo una defncón de tabao, que el sstema de nspeccón vsual no sea el mayo cuello de botella en la educcón del cclo de tabao o en la velocdad de opeacón del obot. Desde la poblemátca del tempo eal, la valdez del sstema depende de la capacdad de pocesa el volumen nfomatvo que le llega desde los sensoes y consga cataloga el poducto. Po eemplo, en el caso de examna una banda de poduccón, la velocdad de ésta es cítco en la opeatvdad del sstema. En la páctca y dento de la nspeccón de supefces planas, hay velocdades de bandas de aceo po encma de los 600 m/mn [Dahle90], mentas que en el alumno colado es de m/mn [Plate95a]. De oto lado, la nvesón ncal de los SIVA es elevada y consumen mucho tempo en el desaollo. Los coste de dseño pueden supea po encma de los 00.000 dólaes [VanGo9]. Y genealmente, los costes de ngeneía no pueden se amotzados ente vaos sstemas, po el caácte específco de cada uno de ellos. Cas oblgando en cada nuevo dseño a empeza desde ceo. Po tanto, la nspeccón automatzada vsual es sólo posble cuando la aplcacón va a tabaa sobe un gan volumen de negoco, cuando se demande meddas muy pecsas, se equea nspeccón consstente o se tabae en un ambente muy nhóspto. Las compledades de pocedmentos exstentes en los SIVA, pueden se educdas con los emplazamentos adecuados de los obetos a examna. Cntas tanspotadoas, tablas otatoas, sstemas de posconamento y múltples sstemas mecáncos, están sendo usadas paa faclta las taeas de nspeccón. Los sstemas mecáncos son pezas fundamentales en el dseño. Po eemplo, en la nspeccón de baldosas ceámcas de Fenández [Fenán97a], los algotmos de deteccón de faltas en la segafía, basados en template matchng, esulta muy cítco el sstema mecánco de paada y poscón de las baldosas. Smlaes peocupacones se encuentan en la nspeccón de plegos de blletes de bancos de Sebastán [Sebas95]. Las técncas de lumnacón son ota baza en la smplfcacón del poblema. Ilumnacón a conta luz suele se fecuente en la nspeccón de smples obetos. Dfeentes técncas de contaste de lumnacón, como uso de la componente especula o luz estuctuada, han sdo extosas en la nspeccón en altas velocdades. Desafotunadamente, los sstemas mecáncos de posconamento y las aqutectuas de lumnacón no son sufcentes paa ataca el examen de supefces compleas. La flexbldad humana de camba los puntos de vsta, tanto de poscón como de luz ecbda, hacen de estas vtudes emplazables po nngún sstema automátco. DISAM-UPM T-98-05 3
Inspeccón automatzada se supefces homogéneas medante Vsón atfcal Calos Plateo Las quezas de matces de los nspectoes humanos no pueden se desestmadas. Wght [Wgh88] ha obsevado como los opeaos ealzan nspeccones pecsas y bao azonamentos de aceptacón / echazo extemadamente compleos, sendo especalmente ceto cuando es aplcado a fomas abtaas. Po eemplo, en el poceso de montaes de pezas aeospacal, la conuncón de maqunaa en la ealzacón de las taeas es de una dfcultad tan elevada, que se llega afma que el cclo de tabao es no detemnsta e nestable, y que las valoacones y habldades de los opeaos son absolutamente necesaos dento de la montozacón del poceso. La automatzacón de nspeccón ntelgente y flexble seguá sendo un eto de nvestgacón en los años vendeos...3 Clasfcacón de los Sstemas de Inspeccón Vsual Automatza (SIVA)..3. Clasfcacón atendendo a la geometía de la supefces a nspeccona Newman [Newma95] ha ealzado una clasfcacón sobe los posbles escenaos en los que se enfentan la nspeccón vsual. Su clasfcacón se basa en las geometías de las supefces a obseva. La fgua. muesta la dcotomía según el tpo de supefce del obeto a nspeccona. En el pme nvel del ábol dcotómco, la sepaacón se poduce po el tpo de supefce que consttuyen los obetos a nspeccona, dstnguéndose ente supefces abtaas y supefces cuadátcas. Muchos de los obetos ndustales pueden modelase usando sólo planos y unas pocas pmtvas cuadátcas, como esfeas y clndos. Po tanto, la mayoía Poscón conocda Obetos compuestos po supefces cuadátcas Identfcacón conocda Poscón desconocda Escenaos de Inspeccón Identfcacón desconocda Poscón conocda Obetos compuestos po supefces abtaas Poscón desconocda Fgua. Escenaos de nspeccón según geometía de supefces de los sstemas de nspeccón no tatan con las complcacones de supefces abtaas. Sn embago, con el ncemento del uso de plástcos en la ndusta, las supefces de los obetos tenden a tene fomas lbes y compleas, geneando una demanda de SIVA que maneen geometía de supefces lbes. En el nvel sguente del ábol ndca s la nspeccón equee de la solucón de un sstema de econocmento de fomas. Los obetos que son expuestos delante de los sensoes pueden se conocdos o no de antemano. En el caso nomal, las escenas son estuctuadas y todos los elementos se encuentan en la base de datos del SIVA. Po últmo, en el nvel más bao del ábol está s se conoce o no la poscón de los obetos. En la mayoía de los sstemas epotados focalzan el poblema bao el domno de dentfcados los obetos y conocdas las poscones. 4 DISAM-UPM T-98-05
Calos Plateo Capítulo : Poblemátca de la Inspeccón vsual automatzada En esta tess, se ha enfentado al poblema de escenaos de supefces modeladas con planos, obetos dentfcados, entendéndose que todos los posbles defectos son conocdos y sus poscones tambén están encuadadas dento del escenao SIVA...3. Clasfcacón atendendo al tpo de mágenes adqudas Según el tpo de nfomacón dada po los sensoes, los SIVA se pueden clasfca en nspeccón basada en mágenes bnaas, en nveles de gses, en mágenes de colo o en mágenes tdmensonales. Hstócamente, la mayoía de los sstemas de vsón comecal paa la nspeccón automátca han usado mágenes bnaas. Muchos de estos sstemas utlzan mágenes de baa esolucón y sus pestacones suelen se smples vefcacones, tales como test o pesenca de alguna pate [Kng85]. La nfomacón bnaa es sufcente paa la nspeccón de muchos obetos ndustales, a los cuales basta con epesentalos medante su slueta. Esta aqutectua ofece ventaas de tpo económco, al se consttudo po sensoes de bao costo, en conuncón de sstemas de lumnacón smples, como de tpos a contaluz. La nfomacón adquda pemte nspeccona obetos de altos contastes ente sí, peo esulta dfícl o mposble detemna su oentacón o su textua. De oto lado, el nvel de datos a pocesa se educe consdeablemente, lo que ayuda tanto en los equementos de velocdad de pocesado como de los costes[chn9]. Típcamente, los sstemas de vsón de mágenes bnaas son empleadas en smples vefcacones de las escenas, como puede se el examen de contonos. Múltples sstemas de nspeccón basados en nveles de gses han sdo pesentados en la lteatua. Sn embago, hay muy pocos sstemas que sean capaces de eecuta nspeccón vsual en ambentes compleos, aunque esta matzacón se puede genealza paa cualque tpo de nfomacón. La mayoía de estos SIVA localzan los defectos medante el análss del hstogama o utlzando sustaccón de mágenes[batch9]. No obstante, el avance de las tecnologías de pocesamento de señales ha pemtdo da un mpulso muy mpotante duante la década de los 90 a SIVA con mágenes en nveles de gses, de hecho en la tabla. queda efleada la tendenca actual, mpmda en análss de mágenes basadas en nveles de gses. Se ha obsevado que el colo es un facto mpotante en la nspeccón tanto de textles como de almentos, donde las vaacones de colo ndcan la posbldad de defectos. Los humanos no suelen utlza el colo paa la nspeccón, pues no se tene buena memoa paa los coloes. Sn embago, la nspeccón de taeas medante colo son muy apopadas paa la automatzacón. No obstante, la necesdad de más capacdad de pocesamento ha lmtado po ahoa un tanto su dfusón. Además, factoes como la ntensdad de la fuente lumnosa, el ángulo de ncdenca, el nvel de tempeatua del foco, la apetua de la lente esultan cucales en la exacttud del colo, lo que dfcultan aun más las taeas de nspeccón[path87]. En muchas aplcacones, se pecsa de una nfomacón tdmensonal. Las pezas mecáncas de supefces compleas equeen de un análss dmensonal, donde la DISAM-UPM T-98-05 5
Inspeccón automatzada se supefces homogéneas medante Vsón atfcal Calos Plateo nfomacón 3D es necesaa. En estos casos, la solucón no puede esta dada en pocedmentos D de Vsón atfcal, habá de ecu a la nspeccón vsual con técncas 3D, tales como paes esteoscópcos, luz estuctuada o sensoes de ango [Gonzá98]...3.3 Clasfcacón atendendo a las técncas empleadas de deteccón Las técncas de los SIVA pueden clasfcase en dos gandes gupos. El pmeo compenden las técncas de casamento de patones, template matchng, medante las cuales se detectan anomalías vsuales compaando las mágenes del poducto sometdo a nspeccón con mágenes que no contenen defectos. El segundo gupo ncluyen aquellas técncas basadas en la extaccón de caacteístcas desde la magen, que compaan los valoes con modelos de eglas, cogntvos o estadístcos. La nspeccón vsual medante el casamento con un patón consste en una compaacón pxel a pxel de dos mágenes: una del poducto sometdo a nspeccón y ota del poducto deal, sn defectos. Esta segunda magen patón se encuenta almacenada en el sstema y puede se una magen obtenda po una cámaa, po un conunto de mágenes pocesadas o de un modelo sntétco obtendo po CAD. Se suele pesenta como una compaacón multnvel con coelacón nomalzada [Matox97]. Las técncas de compaacón con patón son flexbles y esultan, en muchos casos, la únca foma posble de ealza una nspeccón fable. No obstante, pesentan nconvenentes cuando hay que busca un modelo en una magen en la cual se desconoce su poscón apoxmada. E ncluso un cambo de la oentacón del modelo puede esulta nsalvable. La mayoía de los SIVA mplementados en la ndusta y ecogdos en la lteatua, usan métodos basados en la extaccón de caacteístcas. Se fundamentan en una adecuada paametzacón del poducto, o lo que es más habtual, una paametzacón de los posbles defectos que hacen que el poducto sea echazado. Esta modelzacón consste en una see de caacteístcas extaídas de la magen, lo que se conoce como vecto de caacteístcas. Estos paámetos pueden se áeas, textuas, momentos de neca, hstogamas, etc. Una vez obtendo el modelo de la magen, se clasfca medante algunas de las técncas del Reconocmento de Fomas. Una ventaa nheente a este tpo de método de nspeccón es la falta de necesdad de mantene almacenada una extensa base de datos de mágenes de patones. Po ota pate, dchos métodos de nspeccón pesentan la desventaa de que cambos en el dseño del poducto nspecconado exgen una etapa de fuea de línea...4 Implementacón de SIVA La tabla. ecoge una seleccón de SIVA mplementados en la ndusta actual. En ella se ven los atbutos según tpo de nfomacón, método utlzado y geometía de las supefces. 6 DISAM-UPM T-98-05
Calos Plateo Capítulo : Poblemátca de la Inspeccón vsual automatzada Tabla. Refeencas de SIVA mplementados Aplcacón Tpo de nfomacón Método Geometía Refeenca Aceo nveles de gses caacteístcas plana Pasy97 Agcultua colo caacteístcas abtaa Poole89 Alumno nveles de gses caacteístcas plana Plate94 Baldosas nveles de gses casamento plana Fená97 Ccuto mpeso colo caacteístcas plana Xe9 Ccuto mpeso bnaa casamento plana Nnom9 Fecha de caducdad nveles de gses casamento plana Plate97a Madea colo caacteístcas plana Oulu97 Pasta de papel nveles de gses caacteístcas plana Plate98 Plego de blletes nveles de gses casamento plana Sebas95 Textles nveles de gses caacteístcas plana Sean95..5 Lteatua de los SIVA Muchos sstemas de nspeccón vsual automatzada han sdo pesentados en la lteatua especalzada. Chn y y Halow hceon un pme esumen sobe SIVA [Chn8]. Un segundo tabao del estado de la técnca, cubendo el peodo 98 a 987, fue publcado de nuevo po Chn [Chn88]. Newman y Jan [Newma95] abodan el examen desde 988 a 993. La lteatua sobe SIVA es muy ampla y no sólo estngdo en atículos y ponencas en el mundo de la Vsón Atfcal, sno tambén en Robótca, CAD y en otas dscplnas de la Ingeneía. Además de la apacón de atículos egulaes en evstas como CVGIP Gaphc Modellng and Image Pocessng, CVGIP Image Undestandng, Int. Jounal of Compute Vson, Machne Vson and Applcatons, IEEE Patten Analsys and Machne Intellgence, es posble enconta sesones monotemátcas del SPIE o congesos ntenaconales específcos como los celebados en Fanca (Boude DISAM-UPM T-98-05 7
Inspeccón automatzada se supefces homogéneas medante Vsón atfcal Calos Plateo 95, LeCouest 97), Itala (Floenca 98) y Japón (Toko 98). Muchos otos sstemas de nspeccón no han sdo n ncluso epotados, pobablemente debdo a consdeacones de pvacdad. Coma ya ha sdo comentado anteomente, dos son los poblemas geneales: las técncas dedcadas a la deteccón de los defectos, y las efeentes a la clasfcacón de las faltas. Estas dos poblemátcas suelen pesentase po sepaado. Las pmeas se especalzan en los algotmos de pocesamento de mágenes, sobe todo, s son defectos locales, en el contaste de los defectos, la aplcacón de máscaas, template matchng, etc. son habtuales. Po oto lado, está la clasfcacón de defectos, que en geneal paten de un vecto de caacteístcas y utlzan técncas que van desde sstemas expetos a edes neuonales, pasando po clasfcadoes paamétcos y una multtud de pocedmentos específcos. Todas estas técncas, tanto las de Pocesamento de mágenes como las de Reconocmento de Fomas, son expuestas en multtudes de lbos, atículos, ponencas, documentacones ntenas así como págnas WWW, mostando el auge de una nvestgacón en alza..3 Conclusones Se ha abodado la poblemátca de la Inspeccón ndustal concluyendo en la necesdad cecente de nseta las opeacones de nspeccón dento del poceso poductvo. De las muchas técncas empleadas, la nspeccón vsual automatzada es una ama fundamental paa esta nueva flosofía, sobe todo paa las ndustas de mateas pmas o sectoes que equeen el 00% de la nspeccón. No obstante, las dfcultades de esta tecnología hacen lenta su evolucón, convténdose en tema de estudo paa muchos nvestgadoes. 8 DISAM-UPM T-98-05
Calos Plateo Capítulo 3: Fomacón de mágenes en SIVA Fomacón de mágenes en Sstemas de nspeccón vsual automatzada (SIVA) Los SIVA se encuentan con escenas vsuales de nfomacón en el espaco contnuo y sn embago el desaollo y dseño de los SIVA se sustenta en tecnología dgtal. Luego se evdenca el paso de nfomacón contnua en el tempo a dsceta. La captacón de la nfomacón pesente en el espaco contnuo, así como la foma en que ésta va a se alteada, como consecuenca de la tansfomacón a datos dscetos, equee se estudada con ceta pofunddad paa compende las lmtacones de esolucón que mpone el sstema de adquscón en su conunto. Las escenas que aboda esta tess, conssten en supefces planas, las cuales van a se nspecconadas en la localzacón vsual de defectos en el mateal. La capacdad de espuesta de los SIVA dependeá, en un pme paso, de la posbldad de capta la nfomacón del exteo lo más fablemente posble. Aún más, en esta fase, cucal en el DISAM-UPM DISAM-UPM T-98-05 9