Procesamiento de imágenes en la inspección industrial - De la inspección visual a la medición dimensional
El papel del procesamiento de imágenes en la inspección industrial
La visión artificial desempeña un papel central en el control de calidad de la manufactura. En comparación con la inspección visual humana, los sistemas de procesamiento de imágenes logran mayor velocidad de detección, consistencia y precisión.
Áreas de aplicación:
- Fabricación electrónica: inspección de soldaduras en PCB, defectos de encapsulado de chips, alineación de conectores
- Fabricación automotriz: defectos en la superficie de la carrocería, medición dimensional de piezas, verificación de ensamblaje
- Alimentación/farmacéutica: integridad del embalaje, inspección de etiquetas, detección de cuerpos extraños
- Semiconductores: detección de defectos en obleas, alineación litográfica, medición de espesor de películas
Componentes del sistema: cámara industrial + fuente de luz + lente + software de procesamiento de imágenes + mecanismo de ejecución (rechazo/marcado). El diseño de la iluminación suele ser más crítico que el algoritmo.
Detección de defectos - De la coincidencia de plantillas a la detección de anomalías
La detección de defectos es la tarea más común en la inspección industrial, con el objetivo de encontrar anomalías en la superficie o estructura del producto.
Métodos tradicionales:
- Coincidencia de plantillas: comparar la imagen de inspección con una plantilla estándar; las zonas de diferencia son defectos. Adecuado para productos de forma fija
- Detección de bordes + análisis de contornos: detectar el contorno del producto y comparar con el contorno estándar para encontrar deformaciones o defectos
- Segmentación por umbral: segmentar aprovechando la diferencia de brillo entre el defecto y el fondo. Requiere condiciones de iluminación estables
- Análisis de textura: para texturas regulares (como tejidos, superficies metálicas), detectar zonas anómalas en la textura
Métodos de aprendizaje profundo:
- Modelos de clasificación: determinar si el producto tiene defectos (clasificación binaria OK/NG)
- Detección de objetos: localizar la posición del defecto y clasificarlo (YOLO, Faster R-CNN)
- Segmentación semántica: anotación a nivel de píxel de la zona del defecto (U-Net)
- Detección de anomalías: entrenar solo con muestras normales, detectar anomalías que se desvían del patrón normal (adecuado para escenarios con pocas muestras de defectos)
Medición dimensional - Lograr precisión subpíxel
La medición por imagen convierte coordenadas de píxeles en dimensiones físicas, logrando una medición de precisión sin contacto.
Flujo de medición:
- Calibración: determinar la correspondencia entre píxeles y dimensiones físicas (mm/píxel). Usar un patrón de calibración (tablero de ajedrez) para la calibración de la cámara
- Detección de bordes: localizar con precisión los bordes del objeto medido. La detección de bordes subpíxel puede alcanzar una precisión de 0,1 píxeles
- Cálculo geométrico: calcular distancias, ángulos, circularidad y otros parámetros geométricos a partir de los puntos de borde
Técnicas de precisión subpíxel:
- Localización subpíxel de bordes: ajustar una curva de niveles de gris (gaussiana, parabólica) cerca del borde para encontrar el punto de transición exacto
- Ajuste de círculo/elipse: ajuste por mínimos cuadrados de los puntos de borde para obtener parámetros geométricos con precisión subpíxel
- Correlación de fase: usar la información de fase de Fourier para lograr medición de desplazamiento a nivel subpíxel
Factores que afectan la precisión: distorsión de la lente (requiere corrección), uniformidad de la iluminación, vibraciones, dilatación térmica por cambios de temperatura.
Inspección de superficies - Diseño de iluminación y realce de defectos
La detección de defectos superficiales (arañazos, picaduras, manchas, diferencias de color) depende en gran medida del diseño de la iluminación. Una iluminación correcta puede hacer que los defectos «se revelen por sí mismos».
Técnicas de iluminación:
- Iluminación de campo claro: la fuente de luz ilumina desde el frente, la luz reflejada entra en la cámara. Adecuada para detectar diferencias de color, manchas y otros defectos planos
- Iluminación de campo oscuro: la fuente de luz ilumina desde un ángulo bajo lateral, solo la luz dispersada entra en la cámara. Los arañazos y protuberancias brillan sobre un fondo oscuro, siendo extremadamente fáciles de detectar
- Retroiluminación: la fuente de luz está detrás del objeto. Se usa para detectar agujeros pasantes, grietas y contornos
- Luz estructurada: proyectar patrones de franjas o cuadrículas, analizando la deformación para obtener la forma 3D de la superficie
Fusión de múltiples iluminaciones: fotografiar la misma posición con múltiples condiciones de iluminación y analizar de forma integral. Diferentes tipos de defectos son más evidentes bajo diferentes iluminaciones.
Aprendizaje profundo en la inspección industrial
El aprendizaje profundo está revolucionando la inspección industrial, especialmente en escenarios de detección de defectos complejos donde los métodos tradicionales tienen dificultades.
Ventajas:
- Puede manejar defectos de forma variable (sin necesidad de escribir reglas para cada tipo de defecto)
- Más robusto ante cambios de iluminación y desplazamientos de posición
- Puede aprender características automáticamente de los datos, reduciendo la ingeniería manual de características
Desafíos:
- Datos insuficientes: las muestras de defectos suelen ser muy escasas (tasa de productos buenos > 99%). Se necesita aumento de datos o métodos de detección de anomalías
- Tiempo real: la velocidad de la línea de producción requiere inferencia en milisegundos. Se necesita optimización del modelo y aceleración GPU/NPU
- Interpretabilidad: se necesita explicar por qué se determina como defecto (requisitos de trazabilidad de calidad)
Arquitecturas prácticas:
- Despliegue en el borde: NVIDIA Jetson o PC industrial + GPU ejecutando la inferencia
- Modelos: YOLOv8 (detección), U-Net (segmentación), PatchCore (detección de anomalías)
- Aprendizaje continuo: recopilar nuevas muestras de defectos para actualizar continuamente el modelo
Integración del sistema y consideraciones de despliegue
El despliegue de sistemas de inspección industrial debe considerar los requisitos especiales del entorno de la línea de producción.
Selección de hardware:
- Cámara: de área (objetos estáticos) vs. lineal (objetos en movimiento continuo). La resolución se elige según los requisitos de precisión de inspección
- Lente: telecéntrica (elimina la distorsión de perspectiva, adecuada para medición de precisión) vs. estándar (menor coste)
- Fuente de luz: LED de barra, anular, coaxial, domo, etc., según el objeto de inspección
Arquitectura de software:
- Adquisición en tiempo real → preprocesamiento → detección/medición → decisión → salida (señal IO/registro en base de datos)
- Necesidad de integración con PLC y sistemas MES
- Almacenamiento de datos: guardar imágenes de defectos para trazabilidad y mejora del modelo
Requisitos de fiabilidad:
- Funcionamiento continuo 7×24 horas, tasa de fallos extremadamente baja
- Equilibrio entre tasa de falsos positivos y tasa de escapes (preferible detectar de más que dejar pasar)
- Adaptación al entorno: temperatura, vibraciones, polvo, interferencia electromagnética