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

- …


4

PROYECTO VAMAD

Ejemplos de efectos: (a) amarilleo; (b) ampollas; (c) burbujeo ; (d) arrugas


5

PROYECTO VAMAD

Ejemplos de efectos: (a) cráter; (b) escamas; (c) escarchado ; (d) goteo


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.


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


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


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


• 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


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


• 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).


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


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


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:


21

PROYECTO VAMAD


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:


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.


29

PROYECTO VAMAD

Posibles fronteras de decisión para datos linealmente separables



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).


Objetivos de la SVM:


31

PROYECTO VAMAD

Margen de decisión

B1b11

b12

B2



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.


Ventajas de la SVM:


33

PROYECTO VAMAD

Arco fijo

Arco móvil

XY- Plataforma

IluminaciónIluminación

Cámara

Plato móvil

Propuesta para el prototipo de laboratorio del sistema de VA


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

presentación proyecto vamad

Technology