Download - Presentación proyecto VAMAD
1
PROYECTO VAMAD
PRESENTACIPRESENTACIÓÓN DEL PROYECTO N DEL PROYECTO
VAMAD:VAMAD:
DESARROLLO DE SISTEMAS DESARROLLO DE SISTEMAS
INNOVADORES DE VISIINNOVADORES DE VISIÓÓN ARTIFICIAL N ARTIFICIAL
PARA LA DETECCIPARA LA DETECCIÓÓN DE DEFECTOS EN N DE DEFECTOS EN
SUPERFICIES DE MADERA Y DE SUPERFICIES DE MADERA Y DE
MATERIALES DERIVADOSMATERIALES DERIVADOS
Autor: Miguel Ángel Abián
FIT-170260-2007-1
2
PROYECTO VAMAD
1. Los defectos en el sector del mueble
En el sector del mueble, la aparición de defectos en superficies acabadas de madera o de materiales derivados constituye un problema que ocasiona grandes pérdidas económicas, pues a menudo estos defectos no se detectan a tiempo. Hasta el momento, dichas superficies se inspeccionan visualmente, lo cualenlentece la producción y aumenta los costes de fabricación y del control de calidad.
En la Unión Europea, se calcula que las pérdidas económicasdebido a la detección tardía de defectos en superficies pintadas, barnizadas y lacadas es de unos 50 millones de €uros anuales.
Varios estudios indican que las dos principales causas de reclamaciones en el sector del mueble son los defectos derivadosdel transporte y el deterioro en el acabado (ambas causas suman el 80% de las reclamaciones). Asimismo, la decisión de compra de un determinado mueble se debe en un elevado porcentaje (65%) a la buena apariencia de su acabado.
3
PROYECTO VAMAD
La lista de defectos es muy larga:
- Cráteres
- Goteo
- Blanqueo (tizado)
- Poros
- Ojos de pescado
- Piel (cáscara) de naranja
- Células de Bénard
- Burbujas
- Velado (mareado)
- Ampollas
- Grietas
- Descuelgues
- Descascarillado (exfoliación)
- Decoloración (sangrado)
- Rotura de la película (crack)
- Polvo en la película (contaminación)
- Arrugas (hinchazón, quemado)
- Piel (o cáscara) de naranja
- Rayas
- Marcas de lijado
- Amarilleo
- Desconchados
- …
1. Los defectos en el sector del mueble
4
PROYECTO VAMAD
Ejemplos de efectos: (a) amarilleo; (b) ampollas; (c) burbujeo ; (d) arrugas
1. Los defectos en el sector del mueble
5
PROYECTO VAMAD
Ejemplos de efectos: (a) cráter; (b) escamas; (c) escarchado ; (d) goteo
1. Los defectos en el sector del mueble
6
PROYECTO VAMAD
Objetivo 1: Obtener una clasificación normalizada de los defectos (tipo, tamaño y frecuencia) que aparecen en superficies de materiales derivados de la madera, tanto cruda como acabada.
Objetivo 2: Definir una valoración de las superficies en función de los defectos que se encuentren en ella.
Objetivo 3: Desarrollar una tecnología altamente innovadora de visión artificial e implementarla en varias empresas del sector madera-mueble de las Comunidades Autónomas participantes.
Objetivo 4: Difundir la nueva tecnología en los sectores de la madera, mueble y derivados.
2. Objetivos del proyecto
7
PROYECTO VAMAD
Objetivo 1: Obtener una clasificación normalizada de los defectos (tipo, tamaño y frecuencia) que aparecen en superficies de materiales derivados de la madera, especialmente en las acabadas.
2. Objetivos del proyecto
1. Debe realizarse un estudio de los defectos más relevantes, sus morfologías, tamaños, variaciones y causas a fin de aunar criterios y establecer la plataforma de conocimientos sobre la cual se basará el sistema de VA a la hora de detectar y clasificar anomalías.
2. Debe establecerse un vocabulario común y no ambiguo para los defectos en acabados, así como definiciones precisas de cada uno.
8
PROYECTO VAMAD
2. Objetivos del proyecto
Objetivo 2: Definir una valoración de las superficies en función de los defectos que se encuentren en ella.
1. Para cada producto derivado de la madera, debe definirse la calidad de sus superficies atendiendo a los criterios de los expertos y a las normas europeas pertinentes en los casos en que haya. Ejemplos: EN 635-2:95 y EN 635-3:95 (tableros contrachapados); EN 13489:02 (parquets flotantes); EN 14322:04 y EN 14323:04 (tableros revestidos de melamina).
2. Mediante entrevistas con expertos y encuestas en las empresas deben determinarse cuáles son los defectos más usuales y los que más pérdidas económicas generan. Esos defectos serán prioritarios para ser detectados mediante el sistema de VA.
9
PROYECTO VAMAD
2. Objetivos del proyecto
Tabla de admisión de defectos
UNE-EN 635-2,UNE-EN 635-3.Clasificación de los defectos de fabricación para tableros contrachapados (frondosas y coníferas).
10
PROYECTO VAMAD
2. Objetivos del proyecto
• Los defectos de aspecto se detectan y se clasifican según la norma EN 14323.
• Las unidades son el mm2/m2 y mm/m2.
• Los requisitos son, para todo rango de grosor del revestimiento, que hayan 2 o menos puntos defectuosos y su longitud sea ≤ 20 mm.
UNE-EN 14323.Tableros revestidos con melamina para utilización interior. Métodos de ensayo
� Los defectos de aspecto son aquellos que tienen una superficie mínima de 0.8 mm2, y pueden observarse a una distancia de 0.7 m bajo un ángulo de 45º.
� Se miden bajo una fuente de luz difusa, que aporte una iluminación uniformemente repartida sobre las superficies de entre 2000 y 5000 Lux. Puede ser de luz natural o artificial y la distancia a la superficie de 1,5 metros.
UNE-EN 14322.Tableros revestidos con melamina para utilización exterior. Definición, requisitos y clasificación.
11
PROYECTO VAMAD
2. Objetivos del proyectoUNE-EN ISO 4628-1. Designación de la intensidad, cantidad y tamañode los tipos más comunes de defectos.
• La cantidad de defectos diseminados sobre el área de ensayo, con mayor o menor intensidad, se debe asignar de acuerdo con la tabla. El grado se debe expresar con un número entero, salvo especificación contraria.
Densa concentración de defectos5
Considerable número de defectos4
Moderado número de defectos3
Pocos, es decir, pequeña, pero significativa cantidad de defectos.
2
Muy pocos, es decir, algunos defectos escasamente significativos
1
Ninguno, es decir, no se detectan defectos0
Cantidad de defectosGrado
12
PROYECTO VAMAD
2. Objetivos del proyecto
Mayores de 5 mm.5
Desde 0.5 mm a 5 mm.4
Claramente visibles con visión normal corregida (hasta 0.5 mm).
3
Incipientemente visibles con una visión normal corregida.2
Visibles sólo con aumentos de hasta X10.1
No visibles con 10 aumentos.0
Tamaño de defectosGrado
� Cuando el área de ensayo muestre defectos de distintos tamaños, se remite al tamaño de los defectos que sean suficientemente numerosos como para poder ser típicos del área de ensayo. El tamaño de los defectos se debe registrar utilizando la designación Sn, donde S indica tamaño y n el número de grado.
� Ej. Defecto mayor de 5 mm � S2.
El tamaño medio de los defectos debe designarse, si es necesario y significativo, de acuerdo con la siguiente tabla.
13
PROYECTO VAMAD
2. Objetivos del proyecto
• Para designar la intensidad de cambio de los defectos se usa la tabla siguiente, que hace referencia a la intensidad de deterioro uniforme en la apariencia (visual) del recubrimiento, tales como cambios de color (por ejemplo, el amarilleo). Los grados se expresan con un número entero.
Cambio muy intenso.5
Considerable, es decir, cambio pronunciado.4
Moderado, es decir, cambio muy claramente perceptible.3
Ligero, es decir, cambio claramente perceptible.2
Muy ligero, es decir, cambio incipientemente perceptible.1
Inalterado, es decir, ningún cambio perceptible.0
Intensidad del cambioGrado
� El tipo de defecto, la cantidad presente y su tamaño se deben expresar como en los siguientes ejemplos:
Ampollamiento: grado de ampollamiento 2(S2)
Descamación: grado de descamación 3(S2).
14
PROYECTO VAMAD
2. Objetivos del proyectoUNE-EN ISO 4628-2. Evaluación del grado de ampollamiento.
Calibración con sistema de imágenes ópticas
Calibración mediante un sistema visual
� La cantidad y el tamaño de las ampollas en un recubrimiento de pintura se evalúan utilizando las fotografías de la calibración bajo una buena iluminación.
15
PROYECTO VAMAD
2. Objetivos del proyectoUNE-EN ISO 4628-4. Evaluación del grado de agrietamiento.
� La cantidad y el tamaño de las grietas en un recubrimiento de pintura se evalúan utilizando las fotografías de la calibración bajo una buena iluminación.
Calibración de arrugas con dirección preferente
Calibración de arrugas sin dirección preferente
Calibración de arrugas de forma sigmoidal
16
PROYECTO VAMAD
El objetivo principal del proyecto es desarrollar un sistema de visión artificial automatizado e innovador para la detección de defectos en superficies de madera maciza y de tableros derivados de la madera (fundamentalmente aglomerados de partículas y de fibras MDF rechazados o melaminizados, pero también contrachapados y alistonados).
La inspección de superficies acabadas es difícil debido al gran número de posibles defectos y a que muchos de ellos sólo pueden detectarse correctamente si la superficie de interés se estudia desde distintas direcciones de iluminación. Una imagen de un defecto desde un determinado ángulo de iluminación puede ocultar el defecto o hacerlo indetectable por las técnicas convencionales. Tanto las superficies de madera como las de roca pulida o las metálicas de alta precisión son superficies no cooperativas (superficies muy reflectantes).
2. Objetivos del proyecto
Objetivo 3: Desarrollar una tecnología altamente innovadora de visión artificial e implementarla en varias empresas del sector madera-mueble de las Comunidades Autónomas participantes.
17
PROYECTO VAMAD
2. Objetivos del proyecto
En general, diseñar un sistema de visión artificial es una tarea multidisciplinar que abarca los siguientes aspectos:
1) preparación de las muestras; 2) presentación de las muestras a la cámara; 3) iluminación; 4) óptica; 5) adquisición de la imagen; 6) procesado de señales analógicas y digitales; 7) arquitectura de sistemas informáticos; 8) software;9) interfaz del sistema de visión con otras máquinas;10) conexión en red;11) interfaz con el usuario; 12) prácticas de seguridad y calidad.
18
PROYECTO VAMAD
2. Objetivos del proyecto
Objetivo 4: Difundir la nueva tecnología en los sectores de la madera, mueble y derivados.
1. Deben prepararse materiales de difusión (folletos, trípticos, notas de prensa, artículos científicos o técnicos) del proyecto y sus resultados.
2. Deben difundirse los resultados entre las empresas de madera y materiales derivados (mediante seminarios, jornadas técnicas, revistas sectoriales, recintos en ferias, etc.).
3. Al final del proyecto, debe prepararse material para formar a los técnicos de las empresas en el uso del sistema de VA.
19
PROYECTO VAMAD
3. Base técnica del proyecto
El sistema de visión artificial puede describirse como la fusión de las siguientes técnicas del área del procesamiento digital de imágenes y del tratamiento de señales:
1) Técnicas de iluminación2) Métodos de fusión de datos3) Métodos de reconocimiento de patrones mediante invariantes4) Clasificador de aprendizaje supervisado
20
PROYECTO VAMAD
Número de imágenes
Serie de imágenes:
3. Base técnica del proyecto
21
PROYECTO VAMAD
3. Base técnica del proyecto
Cámara
Superficie barnizada
r
θ θ‘θθ‘nn
Detección por modelado
22
PROYECTO VAMAD
( ) =r,m xext0int1 rr ≤−≤ xx
woanders0
( ) 0cw,w2w2
c
0
extint
>++=⋅==rr
rrrr
,
,,
x
r
( ) ( ) ( )rrr ,,h,m,,t ϕϕ xxx ⋅=
( )
⋅= ⋅
−− 2
p
222
1 σ
πσϕ
xx
x er,,h
( )
0q2360
q
2
int
Tintext0p
>
⋅⋅=
−−=
,sin
cos,sin
Br
rr
σ
ϕϕxx
Detección por modelado
23
PROYECTO VAMAD
* =Es máximo para:
Máximo para:
o(x)
( )xg
( )xo
( ) ( ) ( )xxxx rog +−⋅= 0c
( ) ( ) xxxx dτ−−∫ ∫ 0og
0x=τ
( )xx −∗∗ og )(
oxx =
Filtro de correlación( )xx −= ov )( ( )ff ∗=OV )(
Filtro de correlación
24
PROYECTO VAMAD
Filtro de correlación usando modelos
• A. Pérez, M. Abián, F. Puente León and R. Pérez. Detection of circular defects on varnished or painted surfaces by image fusion. Proceedings of the IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems, páginas 255-260, 3-6 Septiembre 2006, Heidelberg.
25
PROYECTO VAMAD
La idea de construir características invariantes a rotaciones y traslaciones basadas en integración consiste en aplicar funciones de kernel no lineales f(I) a imágenes en escala de grises (I) y en integrar el resultado sobre todas las posibles rotaciones y traslaciones:
3. Base técnica del proyecto
donde Tlfl(I) es la característica invariante de la imagen; M y N son las dimensiones de la imagen; y g es un elemento del grupo de transformaciones G.
La ecuación anterior sugiere que las características invariantes se pueden calcular aplicando la función no lineal f a las vecindades de cada píxel en la imagen y luego sumando todos los resultados para obtener un solo valor que represente la característica invariante.
Características invariantes
26
PROYECTO VAMAD
3. Base técnica del proyectoCaracterísticas invariantes
Ejemplo de una función de kernel de tipo monomio:
f(I) = I(0,3) x I (0,6)
El valor en escala de grises de un punto en el círculo de radio r=3 alrededor de (n0, n1) se multiplica por el valor en escala de grises de un punto sobre el círculo de radio r=6. Se considera también un desplazamiento de 90º entre los puntos.
27
PROYECTO VAMAD
Imagen:
Transformación:
Característica invariante (integral de Haar):
Grupo euclídeo 2D:
Integral de Haar
28
PROYECTO VAMAD
SUPPORT VECTOR MACHINE (SVM)
• Técnica para clasificación y regresión.
• Método de aprendizaje supervisado.
• Usa un conjunto de ejemplos para entrenamiento.
• Solución “única”.
• Robusto a ruido, multiples dimensiones y redundancia en las dimensiones.
• SVM usan modelos lineales para implementar clases con separaciones no lineales.
• Se transforma la entrada utilizando una transformación no lineal; es decir, transforma el espacio de entrada en un nuevo espacio.
3. Base técnica del proyecto
29
PROYECTO VAMAD
Posibles fronteras de decisión para datos linealmente separables
3. Base técnica del proyecto
SUPPORT VECTOR MACHINE (SVM)
30
PROYECTO VAMAD
• Dado un conjunto de ejemplos de entrenamiento, construir un hiperplano “w” como superficie de decisión.
• De tal forma que la separación de las dos clases sea máxima (principio de generalización).
3. Base técnica del proyecto
Objetivos de la SVM:
SUPPORT VECTOR MACHINE (SVM)
31
PROYECTO VAMAD
Margen de decisión
B1b11
b12
B2
3. Base técnica del proyecto
SUPPORT VECTOR MACHINE (SVM)
32
PROYECTO VAMAD
• El entrenamiento es relativamente fácil.
• No hay óptimo local, como en las redes neuronales.
• Se escalan relativamente bien para datos en espacios dimensionales altos.
• El compromiso entre la complejidad del clasificador y el error puede ser controlado explícitamente.
• Datos no tradicionales como cadenas de caracteres y árboles pueden ser usados como entrada a la SVM, en vez de vectores de características.
3. Base técnica del proyecto
Ventajas de la SVM:
SUPPORT VECTOR MACHINE (SVM)
33
PROYECTO VAMAD
Arco fijo
Arco móvil
XY- Plataforma
IluminaciónIluminación
Cámara
Plato móvil
Propuesta para el prototipo de laboratorio del sistema de VA
3. Base técnica del proyecto
34
PROYECTO VAMAD
4. Estructura del proyectoAIDIMA y CETEM: conocimiento de madera y materiales derivados (y sus defectos)
AIN: conocimiento de los problemas de los prototipos y experiencia en integración industrial de prototipos de VA
UPMunich (subcontrat.): conocimiento de técnicas innovadoras de visión artificial
Definición de defectos para detectar, recopilación de muestras y pruebas
del sistema
Prototipo industrial
Instalación del prototipo industrial en empresas
Sistema final instalado en la industria
AIDO: conocimiento de técnicas tradicionales de visión artificial y experiencia en prototipos de VA
Prototipo de laboratorio