Por: Valentina Gómez Delgado
La inspección de calidad es una de las tareas más importantes en la industria de la construcción y manufactura para garantizar la confiablidad y seguridad de los productos ofrecidos al cliente. Sin embargo, realizar estas inspecciones de forma tradicional y manual puede ser un proceso lento y tendencioso a errores humanos, lo cual puede afectar la eficiencia y precisión de la inspección. Por esto, cada vez son más las empresas que están optando por nuevas tecnologías tales como: Modelos predictivos, Machine Learning y en especial la visión artificial para integrarlas a sus procesos y obtener mejores resultados de calidad y eficiencia, además de innovar y revolucionar sus procesos tradicionales, lo que se puede traducir en ahorro de tiempo y recursos.
En el presente artículo, veremos un modelo de visión artificial entrenado con el servicio Custom Vision de Azure y Python como lenguaje de programación de la interfaz, que nos permite ver en tiempo real el reconocimiento de la pieza con y sin fallo de calidad. Este servicio de Azure permite entrenar modelos de visión artificial de forma personalizada según el problema a trabajar.
Para el entrenamiento de este modelo, se proporcionaron imágenes de alta calidad de las piezas a evaluar para detectar si la pieza cuenta con o sin fallo de calidad, estas imágenes son subidas a la plataforma de Azure en el recurso Custom Vision para el proceso de entrenamiento, el cual se encarga de encontrar las características específicas de la pieza, en este caso para reconocer si tiene algún defecto o no, y desarrollar un modelo automático apropiado según la información recopilada; luego mediante la API (Application Programming Interface, herramienta de comunicación entre programas) se integra el modelo entrenado por Azure Custom Vision a la interfaz desarrollada en python para que mediante una cámara con transmisión en tiempo real muestre los resultados obtenidos del modelo.
A continuación, se presenta la pieza con y sin fallo que fue proporcionada al servidor para el entrenamiento de Visión artificial con Azure.
Un modelo como este, podría entrenarse para cualquier tipo de pieza o proceso, tomando primero como referencia una pieza en buen estado y otras que presenten diversos fallos que se pueden dar en el proceso, con el fin de entrenar el modelo para detectar si está bien o no la pieza.
En otro caso se podrían usar imágenes adecuadas para entrenar el algoritmo y poder supervisar el uso correcto de los EPI (Equipos de Protección Individual), buscando en todo momento tener una respuesta de precisión y eficiencia en el tiempo real del proceso; con esto las empresas podrán identificar rápidamente las piezas defectuosas o las malas prácticas implementadas en el proceso para tomar una rápida medida de corrección antes que esta pueda afectar mayormente el resultado final del producto o servicio.
Una vez realizados los pasos anteriores, el modelo de Azure fue probado mediante la interfaz desarrollada en Python con colaboración de TKinter y opencv, los cuales son paquetes de funciones del lenguaje de programación usados para la ejecución de tareas específicas, en este caso el desarrollo de una interfaz y la materialización de los conceptos de la visión artificial. Allí se presentan en tiempo real las piezas de la Fig1, donde se evidenció cómo el modelo logró etiquetar e identificar con éxito las piezas con una excelente precisión y eficiencia, ya que la respuesta fue inmediata. A continuación, se presentan los resultados obtenidos.
Fig 2: Reconocimiento en tiempo real de la pieza con fallo
Fig 3: Reconocimiento en tiempo real de la pieza sin fallo
Pese a que los resultados obtenidos son los esperados, el papel de la visión artificial no termina allí en la mayoría de los casos; lo esencial es sacar el mayor provecho de estas tecnologías para adaptarlas a las necesidades de un contexto dado.
Un ejemplo claro de esto, donde se integra la inteligencia artificial con otras herramientas, se puede dar en una empresa encargada del proceso de sellado de envases; imagina que estas en este proceso de producción y necesitas verificar si el envase está bien sellado o tiene un error, ya sea porque la tapa no está bien puesta o porque el envase no es completamente hermético. En este caso, utilizando un modelo de visión artificial implementado con una cámara de alta resolución, se podría detectar de forma precisa si el sellado del envase es correcto o no y si se identifica un envase mal sellado, la visión artificial puede encargarse de desviar el envase para su corrección inmediata y posteriormente, reintegrar este al proceso; además, se puede llevar un registro de cuantos envases han pasado con sellado correcto y cuantos con sellado defectuoso, permitiendo mostrar esta información en tiempo real a las personas encargadas de la calidad del proceso, para sus respectivos análisis. Una cuenta de ello, puede ser interpretar un alto porcentaje de defectos como un problema en el diseño de la estandarización del proceso, una mala ejecución llevada a cabo por un operario o un fallo por falta de mantenimiento en una máquina; gracias a esto se pueden tomar decisiones coherentes, oportunas y a tiempo en la empresa.
Otros beneficios de Azure Custom Vision en aplicaciones de visión artificial.
Como lo mencionamos y demostramos anteriormente implementar aplicaciones de visión artificial utilizando Microsoft Azure mediante su servicio Custom Vision puede generar múltiples beneficios a tu empresa, como la automatización de procesos manuales y repetitivos que puede mejorar la eficiencia y reducir los errores del proceso, mediante el desarrollo de modelos personalizados de una forma rápida y sencilla.
Además, AzureCustom Vision tiene la capacidad de integrarse con otras herramientas y servicios de Azure, como Azure Machine Learning donde se entrenan, desarrollan y despliegan modelos a gran escala, integrando estos dos servicios de Azure, la empresa podrá implementar modelos de aprendizaje más avanzados, como un sistema de detección de defectos en la línea de producción, que a su vez registre datos de sensores para predecir cuándo se producirá un problema de calidad, de esta forma tomar medidas preventivas y correctivas para evitarlo. Por lo anterior, Azure es una herramienta diversa y versátil que le permitirá a la empresa implementar e integrar varias herramientas y servicios según sus necesidades.
Si estas interesado en implementar estas y más herramientas de inteligencia artificial para la innovación y mejora de los procesos de tu empresa, no dudes en consultarnos. Separa tu asesoría gratuita en este link https://www.iac.com.co/productos/inteligencia-artificial/
