La Inteligencia Artificial y concretamente el Deep Learning continúa siendo uno de los desarrollos más importantes en visión artificial de los últimos años.
Mediante el uso de redes neuronales artificiales que imitan la forma en que funciona el cerebro humano para el reconocimiento y la toma de decisiones, el Deep Learning optimiza la inspección de calidad en entornos de fabricación al abordar problemas que son difíciles o imposibles de manejar con algoritmos convencionales de visión artificial basados en reglas.
El Deep Learning es muy útil en la clasificación de objetos, la detección y segmentación de defectos. Se ha implementado en muchas industrias, incluidas la metalúrgica, automotriz, aeroespacial, logística, y semiconductores, entre otros.
También es especialmente efectivo en sectores como la alimentación y la agricultura, ya que los productos orgánicos tienen muchas variaciones naturales que deben tenerse en cuenta al evaluar posibles defectos y problemas de clasificación. El Deep Learning es ahora más fácil de usar y más práctico que nunca y, junto con otras tecnologías de visión, abre nuevas áreas de aplicación, lo que hace que la inclusión de la inspección por visión como parte de la Industria 4.0 sea aún más beneficiosa.
En JG Automotive, junto a nuestro socio LINCODE empleamos estas aplicaciones que incluyen identificación de defectos, reconocimiento de caracteres, etc. La detección de anomalías se puede utilizar en cualquier aplicación que implique la identificación de defectos en una superficie o escena. Para localizar uno o más objetos de interés en una imagen, se pueden utilizar métodos de detección de objetos, que combinan tanto la localización como la clasificación en una sola operación. Hay que mencionar además que tiene la capacidad de realizar la detección de defectos en piezas en movimiento, con varios tipos de reconocimiento de características de forma simultánea.
Las aplicaciones del Deep Learning en el mundo real incluyen la detección de defectos superficiales y estéticos complejos, como rayones y abolladuras en piezas torneadas, cepilladas o brillantes.
Los métodos de Deep Learning también se implementan en aplicaciones de imágenes 3D en un enfoque similar al utilizado para imágenes 2D. Las redes neuronales estándar se entrenan con conjuntos de imágenes 3D para la clasificación de objetos o la detección y segmentación de defectos, incluida la detección de anomalías, antes de usarse en imágenes reales.
En JG Automotive nos encanta ser pioneros en ofrecer estas soluciones basadas en Inteligencia Artificial.
