Inspección automatizada de superficies homogéneas mediante visión artificial con aportaciones al reconocimiento de formas

Abstract

Esta tesis se centra en el ámbito de la inspección visual automatizada de superficies planas y homogéneas. Bajo esta problemática, el trabajo desarrollado se ha centrado en cubrir tres hitos: adquisición de imágenes mediante cámaras de visión, detección de los defectos locales en la superficie a inspeccionar y clasificación de las faltas detectadas. El análisis de estas tres cuestiones caen dentro de las disciplinas de Visión Artificial y Reconocimiento de Formas. En el tema de formación de imágenes digitales, se ha tratado tanto el diseño del sistema de iluminación como cuál debe ser la tecnología a emplear para su adquisición. Respecto al primer objetivo, se presenta una metodología para el diseño del sistema de iluminación uniforme aplicado sobre superficies planas. El planteamiento propuesto se basa en el comportamiento de las superficies a inspeccionar ante la luz y en los modelos de fuentes de iluminación. En cuanto a la tecnología a emplear, dependerá de la calidad de la imagen, de la métrica requerida y de los parámetros específicos de cada proceso de inspección visual. Por estos motivos, se hace necesario presentar los elementos que influyen en la toma de decisión respecto a la tecnología de adquisición, haciéndose referencia a lentes, sensores y tarjetas de adquisiciones, mostrándose las pautas a seguir para la óptima selección de cada uno de ellos. La detección de los defectos locales se ha basado en el tratamiento de la información mediante tres bloques: procesado, detección y post procesado. La etapa de procesado tiene como finalidad el realce de los defectos, la cual ha sido efectuada mediante el diseño de filtros lineales, exponiéndose un novedoso método basado en correlación lineal con variable cualitativa. El bloque de detección se encarga de segmentar las imágenes, aislando los defectos del fondo de la imagen. Los métodos utilizados se basan en el conocimiento de las funciones de densidad de los defectos y del fondo. La última etapa, de las mencionadas, trata de filtrar la información recibida de la anterior etapa con la intención de mejorar los resultados de la detección en su conjunto. Las técnicas empleadas se fundamentan en operaciones de morfología binaria. Para acabar con este apartado, se expone un método de evaluación sobre cuál de las diferentes tácticas propuesta para la detección es la mejor. En cuanto a la catalogación de los defectos, se precisa tanto de la exploración de los datos así como de diseño posterior los clasificadores. Los datos se caracterizan por ser de tipo estático y por tener un universo escaso de muestras para sus construcciones. Se ha trabajado tanto en el análisis de los datos como en clasificadores paramétricos y no paramétricos. Para el primer aspecto, se ha utilizado los mapas auto organizados y se ha decantado un método de Clustering paramétrico, basado en transformaciones Box Cox. Mientras para los clasificadores paramétricos se ha conseguido obtener las expresiones analíticas del error y el sesgo, este último para el caso unidimensional, bajo las suposiciones de dos poblaciones normales enfrentadas. Al finalizar la exposición, se compara los resultados obtenidos con las técnicas tradicionales de clasificación. Por último, la realización física de dos sistemas de inspección visual automatizada, uno para el aluminio colado y el otro para la pasta de papel, han servido de bancada para el trabajo experimental elaborado en el transcurso de la presente tesis