VISION ARTIFICIAL
La visión artificial es una disciplina científica que incluye métodos para adquirir,
procesar y analizar imágenes del mundo real con el fin de producir información
que pueda ser tratada por una máquina.
Una manera simple de comprender este sistema es basarnos en nuestros propios
sentidos. Los humanos usamos nuestros ojos para comprender el mundo que nos
rodea, y la visión artificial trata de producir ese mismo efecto en máquinas. Éstas
podrán percibir y entender una imagen o secuencia de imágenes y actuar según
convenga en una determinada situación. La comprensión en los dispositivos se
consigue gracias a una descomposición de la imagen en pequeños fragmentos
(píxeles) y en su posterior estudio.
La principal finalidad de la visión artificial es dotar a la máquina de “ojos” para ver
lo que ocurre en el mundo real, y así poder tomar decisiones para automatizar
cualquier proceso.
Un ejemplo de sistema de visión artificial en el mundo industrial sería el siguiente:
En la imagen anterior se observa que el sistema está compuesto principalmente
por una cámara que actúa a modo de ojo y un autómata o PLC. La cámara envía
información al sistema de toma de decisiones (PLC) que interpreta ésta y permite
la toma de decisión.
Además de lo comentado anteriormente se precisan sistemas auxiliares como el
alumbrado externo o los sensores fotoeléctricos. La iluminación sirve para
asegurar que la imagen se capture de forma útil y correcta, y los sensores actúan a
modo de disparador o trigger aportando una señal a la cámara para que tome la
imagen.
Sensores Fotoeléctricos Iluminación Externa
Un punto muy importante en el tema tratado es la manera de alumbrar nuestra
aplicación, pues si no se hace correctamente, la cámara será incapaz de “ver” nada.
Por este motivo se diferencian básicamente 3 modos de iluminación, directa,
indirecta y posterior (o backligth).
Mediante la combinación de estas modalidades de luz se juega con las reflexiones y
se obtiene la mejor visibilidad posible.
A continuación, unos ejemplos gráficos:
ETAPAS EN UN PROCESO DE VISIÓN ARTIFICIAL
La visión artificial lleva asociada una enorme cantidad de conceptos relacionados
con hardware, software y también con desarrollos teóricos.
En esta sección se verán los pasos fundamentales, para llevar a cabo una tarea de
visión artificial.
El primer paso en el proceso es adquirir la imagen digital. Para ello se necesitan
sensores y la capacidad para digitalizar la señal producida por el sensor.
Una vez que la imagen digitalizada ha sido obtenida, el siguiente paso consiste en el
preprocesamiento de dicha imagen. El objetivo del preprocesamiento es mejorar la
imagen de forma que el objetivo final tenga mayores posibilidades de éxito.
El paso siguiente es la segmentación. Definida en sentido amplio, su objetivo es
dividir la imagen en las partes que la constituyen o los objetos que la forman. En
general la segmentación autónoma es uno de los problemas más difíciles en el
procesamiento de la imagen. Por una parte, una buena segmentación facilitará
mucho la solución del problema; por otra, la segmentación errónea conducirá al
fallo.
La salida del proceso de segmentación es una imagen de datos que, o bien
contienen la frontera de la región o los puntos de ella misma. Es necesario
convertir estos datos a una forma que sea apropiada para el ordenador. La primera
decisión es saber si se va a usar la representación por frontera o región completa.
La representación por la frontera es apropiada cuando el objetivo se centra en las
características de la forma externa como esquinas o concavidades y convexidades.
La representación por regiones es apropiada cuando la atención se centra en
propiedades internas como la textura o el esqueleto. Sin embargo, en muchas
aplicaciones ambas representaciones coexisten.
La elección de una representación es sólo una parte de la transformación de los
datos de entrada. Es necesario especificar un método que extraiga los datos de
interés. La parametrización, que recibe también el nombre de selección de rasgos
se dedica a extraer rasgos que producen alguna información cuantitativa de interés
o rasgos que son básicos para diferenciar una clase de objetos de otra.
En último lugar se encuentran el reconocimiento y la interpretación. El
reconocimiento es el proceso que asigna una etiqueta a un objeto basada en la
información que proporcionan los descriptores (clasificación). La interpretación
lleva a asignar significado al conjunto de objetos reconocidos.
APLICACIONES INDUSTRIALES
Seguridad Ciudadana.
Seguridad en Bancos, Casinos, etc.
Vehiculos robados, clonados y no registrados.
Control de fronteras.
Control de Peajes.
Control de clientes en gasolineras.
Herramienta de lectura de placas para vehículos
policiales (patrulleros).
Control de acceso a zonas industriales, empresas
petroleras,mineras, etc.
Control de acceso a Hoteles.
Control de acceso a Universidades.
Control de acceso a playas de estacionamiento.
Control de acceso a centros comerciales.
Control de acceso a zonas residenciales, condominios.
Control de acceso a comunidades de vecinos.
Terminales de buses, empresas de transporte,
aeropuertos.
Control de pesaje de vehículos pesados.
Cobro de papeletas SAT.
SOFTWARE
Wenglor Sistemas de Sensores, S.L.
Nordson EFD-Nordson Iberica, S.A.
Visión Online, S.L.
Wenglor Sistemas de Sensores, S.L.
Nordson EFD-Nordson Iberica, S.A.
Visión Online, S.L.
Faro Spain, S.L.U
AIS Vision Systems, S.L.
Vaelsys, S.l.
Axes Communication, S.A.U.
Sivart, S.L.
Faro Spain, S.L.U
AIS Vision Systems, S.L.
Vaelsys, S.l.
Axes Communication, S.A.U.
Sivart, S.L.
