El control de qualitat industrial està experimentant una transformació. Mentre que els sistemes de processament d’imatges basats en regles o les inspeccions visuals manuals eren una pràctica estàndard durant dècades, l’ús de la intel·ligència artificial (IA) obre possibilitats completament noves. Els mètodes basats en la IA estan revolucionant el processament d’imatges industrials i fent que els processos de producció siguin més eficients, robustos i rendibles.
Una il·luminació adequada sempre ha estat un requisit fonamental per a les aplicacions de visió artificial amb èxit, independentment de si es tracta de sistemes basats en regles o impulsats per IA. Tanmateix, persisteix la idea errònia, sobretot en les aplicacions d’IA, que la il·luminació juga un paper menor perquè la xarxa neuronal simplement pot «compensar» les males condicions d’il·luminació durant l’entrenament. Fins ara, hi ha dos enfocaments comuns per optimitzar les aplicacions d’IA: l’enfocament centrat en el model, que se centra en l’optimització de l’arquitectura del model i els hiperparàmetres, i l’enfocament centrat en les dades, que es basa en la màxima qualitat i equilibri possibles de les dades d’entrenament. No obstant això, el desenvolupament d’aplicacions de visió artificial amb IA sovint s’enfronta a les empreses amb durades de projecte innecessàriament llargues i els elevats costos associats, que es deuen en part a la disponibilitat limitada de dades d’entrenament.
Aquests reptes es poden abordar amb una estratègia d’il·luminació específica. Una estratègia d’il·luminació ben planificada i estructurada pot reduir la complexitat i mitigar els problemes des del principi. Aquest «enfocament centrat en la il·luminació» pot fer que els models d’IA siguin més robustos i precisos amb una il·luminació òptima. Un millor concepte d’il·luminació fa que una àmplia gamma de condicions ambientals sigui més controlable, cosa que resulta en una menor variància d’imatge. Això redueix el nombre d’imatges d’entrenament necessàries i el sistema aconsegueix una major precisió amb menys dades, tal com demostren les xifres del desenvolupador de programari MVTec:
Amb el mateix nombre d’imatges, la precisió va augmentar del 89% al 97% amb una il·luminació adequada. A més, amb una il·luminació d’alta qualitat, es va aconseguir una precisió del 89% utilitzant només 45 imatges en lloc de 175. Així, es va aconseguir el mateix resultat amb només una quarta part de les dades d’imatge. Aquests resultats són particularment rellevants quan les dades d’entrenament limitades representen un repte important per als projectes de processament d’imatges basats en IA. En resum, una il·luminació adequada pot ser la clau de l’èxit en la visió artificial, independentment de si s’utilitzen enfocaments tradicionals o basats en IA. Una il·luminació correcta ajuda a reduir les taxes d’error, reduir els costos i millorar la precisió general del sistema.
El següent pla de quatre passos us permet aconseguir una il·luminació perfecta per a qualsevol aplicació de processament d’imatges. Primer, es selecciona el principi d’il·luminació adequat. L’objectiu és ressaltar els detalls rellevants i suprimir la informació no desitjada triant el mètode adequat. La completa cartera d’il·luminació de wenglor ofereix una àmplia gamma de mètodes d’il·luminació, incloent-hi principis típics com ara il·luminació de camp clar, camp fosc, anell, fons i cúpula. Depenent de l’aplicació, una combinació de diversos principis d’il·luminació també pot oferir els millors resultats.
Després de definir el principi, el segon pas és determinar la longitud d’ona correcta. El color de la font de llum té una influència significativa en la reproducció de la imatge. Mentre que la llum blava, per exemple, emfatitza les zones blaves i blanques i en suprimeix les altres, la llum vermella té l’efecte contrari, intensificant tots els tons vermells. Si la llum pretén reduir el text o els recobriments impresos, la llum infraroja és una opció adequada, ja que penetra més profundament en el material i debilita els efectes superficials. Sovint s’utilitza a la indústria del plàstic per fer que les impressions siguin «invisibles» per tal d’inspeccionar la superfície subjacent. A l’hora de seleccionar la font de llum, també s’han de tenir en compte els desavantatges de cada tipus. Per exemple, mentre que la llum blanca proporciona una llum natural, és molt sensible a la llum ambiental i, per tant, més difícil de controlar. Triar el color de llum adequat també pot ajudar a reduir la variància de les peces de prova. Això pot tenir un impacte positiu en l’avaluació posterior del procés de prova.
A més de seleccionar la il·luminació, el quart pas implica optimitzar encara més la qualitat de la imatge amb filtres òptics addicionals. La completa cartera de filtres òptics de Wenglor ofereix la solució adequada per a cada requisit, des de la polarització i el pas de banda fins als filtres de pas llarg. Els filtres de polarització ajuden a reduir els reflexos en superfícies brillants. Els filtres de pas de banda, que només permeten el pas de certes longituds d’ona, s’utilitzen per millorar el contrast de la imatge i millorar la robustesa contra la llum ambiental. Els filtres de pas llarg milloren la imatge infraroja, si cal, bloquejant les fonts de llum no desitjades. També hi ha lents adequades disponibles i es poden seleccionar per a aplicacions específiques mitjançant la Calculadora de Visió de Wenglor.
Seguint aquests quatre passos es crearà un sistema d’il·luminació robust que proporcionarà la millor base possible per a aplicacions de visió artificial. En resum, una il·luminació adequada no només redueix els errors i millora la precisió, sinó que també contribueix a fer que els models d’IA siguin més eficients i a augmentar la seva generalització.
Càrrec