A día de hoy, la visión artificial se emplea ya en una amplia gama de procesos, debido principalmente a que permite extraer y analizar información espectral, espacial y temporal de distintos objetos.

  • La información espectral incluye frecuencia (color) e intensidad (tonos de gris)
  • La información espacial se refiere a aspectos relativos a la forma y la posición, en una, dos y tres dimensiones
  • La información temporal se refiere a aspectos estacionarios (presencia o ausencia) y dependientes del tiempo (eventos, movimientos, procesos)

Según el tipo de aplicación, varía el tipo de imagen que es necesario capturar (imágenes fotográficas digitales, imágenes de rayos X, imágenes de infrarrojos… etc.) y el análisis y tratamiento que se emplea.

La Visión Artificial, tanto para el espectro visible como para otros (infrarrojo, térmico,…) se aplica a diferentes sectores y ámbitos.

Algunos ejemplos son: ingeniería, seguridad, inspección, control de calidad, automoción, biometría, biomecánica, logística, reciclaje, alimentación, medioambiente, arte, aeroespacial, navegación, deporte, medicina, ocio, agricultura,…

La mayoría de las aplicaciones de la VA se pueden agrupar en ocho grupos principales:

  • La inspección, que se refiere al control de calidad, es decir, al chequeo cualitativo de ciertas características de los objetos que recorren una cadena de producción, comprobando si su estado verifica los estándares requeridos para que puedan salir al mercado. Por ejemplo, el descarte de etiquetas dobladas en una cadena de envasado.
  • La medición o calibración, asegurando que las mediciones cumplan con las especificaciones iniciales. Por ejemplo, controlar el espesor de un cable.
  • La clasificación, de tal manera que pueda ser clasificado sobre un conjunto predefinido de categorías. Por ejemplo, la clasificación de cítricos (limones, naranjas, mandarinas… etc.) por color y tamaño, o la clasificación de células por área y forma.
  • El reconocimiento de patrones, que supone la identificación de un objeto mediante la comparación de sus características visuales con las de un patrón almacenado. Por ejemplo, el reconocimiento automático de vasos sanguíneos.
  • La lectura de códigos, para localización de símbolos y secuencias complejas que puedan identificar unívocamente a un objeto. Un ejemplo típico es el caso de los OCR (Optical Character Recognition) para la lectura de textos sobre imágenes escaneadas.
  • El análisis de ubicación, que supone la inspección de un área donde, entre otras funciones, se pueden buscar objetos y medir distancias.
  • El guiado automático, que implica proporcionar adaptativamente información posicional de retroalimentación para dirigir una actividad. El ejemplo típico es el uso de un sistema de visión para guiar un brazo robótico mientras suelda o manipula partes, o la navegación en vehículos autónomos.
  • La presencia/ausencia, que supone un chequeo cualitativo y cuantitativo de que ciertas operaciones de fabricación han sido llevadas a cabo correctamente. Por ejemplo, asegurar que no falte ninguna tecla en un teclado.

 

 

Comments are closed.