Com la intelĀ·ligĆØncia artificial estĆ revolucionant el control de qualitat industrial
La intelĀ·ligĆØncia artificial (IA) ja no Ć©s una tecnologia del futur, sinĆ³ que Ć©s una part integral dels sistemes moderns de processament d’imatges industrials. Des del control de qualitat i la detecciĆ³ de defectes fins al reconeixement Ć²ptic de carĆ cters: els mĆØtodes basats en IA permeten resoldre tasques visuals complexes de manera fiable, rĆ pida i automĆ tica.
PerĆ² quines tecnologies d’IA especĆfiques s’utilitzen? I en quĆØ difereixen en la seva funcionalitat i Ć rea d’aplicaciĆ³?
La base de tota anĆ lisi d’imatges amb suport d’IA
Durant la classificaciĆ³, una imatge o secciĆ³ d’imatge s’assigna a una o mĆ©s classes predefinides. AixĆ, la IA reconeix “quĆØ” Ć©s visible a la imatge, per exemple, un objecte especĆfic, una categoria de component o una condiciĆ³ d’error.
Es fa una distinciĆ³ entre la classificaciĆ³ multiclasse i la multietiqueta :
AquĆ, cada imatge nomĆ©s es pot assignar a una classe .
Exemple:
Les classes sĆ³n mĆŗtuament excloents. Un cargol no pot ser “OK” i “NOK” alhora.
Aquest tipus de classificaciĆ³ s’utilitza sovint en tasques de control de qualitat o de classificaciĆ³ on cal una assignaciĆ³ clara.
En canvi, en la classificaciĆ³ multietiqueta, una imatge pot pertĆ nyer a diverses classes simultĆ niament .
Exemple:
Com que aquestes caracterĆstiques no sĆ³n mĆŗtuament excloents, un objecte pot presentar diversos tipus de defectes simultĆ niament.
Aquest mĆØtode Ć©s ideal per a anĆ lisis de qualitat complexes on cal detectar mĆŗltiples caracterĆstiques o defectes en paralĀ·lel .
On es troben els objectes, no nomĆ©s quĆØ sĆ³n.
Mentre que la classificaciĆ³ avalua tota la imatge, la detecciĆ³ d’objectes va un pas mĆ©s enllĆ : detecta diversos objectes a la imatge , els localitza i assigna a cadascun d’ells una classe.
Les posicions es descriuen mitjanƧant els anomenats requadres delimitadors . Cada requadre marca on es troba un objecte i a quina categoria pertany.
N’hi ha de dos tipus:
Els requadres delimitadors estan alineats paralĀ·lelament als eixos de la imatge . Aquest mĆØtode Ć©s computacionalment eficient i adequat per a objectes estandarditzats amb una orientaciĆ³ clara.
AquĆ, els requadres delimitadors s’ajusten a l’orientaciĆ³ real de l’objecte. AixĆ² permet detectar amb precisiĆ³ fins i tot objectes que es troben en angle o giren , un avantatge important per a aplicacions amb posicions variables, com ara components en cintes transportadores.
El reconeixement d’objectes Ć©s particularment Ćŗtil per a tasques com ara:
AnĆ lisi precisa al pĆxel per a una mĆ xima precisiĆ³
La segmentaciĆ³ Ć©s l’etapa mĆ©s refinada de l’anĆ lisi d’imatges amb suport d’IA. AquĆ, no nomĆ©s es reconeix l’objecte com un tot, sinĆ³ que a cada pĆxel individual de la imatge se li assigna una classe.
El resultat: una delineaciĆ³ exacta dels objectes, les Ć rees i les zones d’error.
Exemples:
Aquest mĆØtode Ć©s particularment eficient quan es requereix precisiĆ³ de detall , per exemple en la inspecciĆ³ de superfĆcies , les proves de soldadura o el control de qualitat Ć²ptica de recobriments i pelĀ·lĆcules.
Quan la visiĆ³ artificial es converteix en lectura
A mĆ©s dels models establerts per a la classificaciĆ³, el reconeixement d’objectes i la segmentaciĆ³, cada cop mĆ©s empreses confien en models d’IA entrenats especĆfics per a aplicacions .
Un exemple Ć©s el reconeixement Ć²ptic de carĆ cters (OCR) mitjanƧant l’aprenentatge profund ; per abreujar, Deep OCR .
Mentre que els sistemes OCR tradicionals es basen en fonts clarament estructurades i fons uniformes, l’OCR profund utilitza xarxes neuronals profundes entrenades en grans quantitats d’imatges de text del mĆ³n real . AixĆ² permet al sistema:
Aquesta tecnologia Ć©s una fita per a aplicacions com ara:
La IA fa que el processament d’imatges industrials sigui mĆ©s intelĀ·ligent, mĆ©s precĆs i mĆ©s flexible.
La integraciĆ³ de la intelĀ·ligĆØncia artificial en el processament d’imatges industrials permet escenaris d’aplicaciĆ³ completament nous.
Les cĆ meres intelĀ·ligents i els sensors de visiĆ³ moderns, que ja integren algoritmes d’avaluaciĆ³ amb suport d’IA, permeten dissenyar processos de manera mĆ©s rĆ pida, fiable i adaptativa .
CĆ rrec