Reunión septiembre 2009 proyecto vamad

1

VAMAD

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

Valencia, 14 de septiembre de 2009FIT-170260-2007-1

Carácter documento: Público

Asistentes: AIDIMA, AIDO, AIN, CETEM, Universidad de Karlsruhe

Coordinación y edición: Miguel Ángel Abián

2

VAMAD

E1.1 E1.2 H1.1Dic. 07 En. 08 En. 08

ETAPA 1: Caracterización de la calidad superficial de la madera y de sus materiales derivados, así como de las superficies acabadas.

E2.1 E2.2 H2.1Feb. 08 Mar. 08 Mar. 08

ETAPA 2: Creación de las bases de datos de defectos con las que se entrenará el sistema de aprendizaje supervisado.

E3.1 E3.2 H3.1Sep. 08 Sep. 08 Sep. 08

ETAPA 3: Desarrollo de un prototipo del sistema de visión artificial a escala de laboratorio.

E4.1 E4.2 H4.1Feb. 09 Mar. 09 Mar. 09

ETAPA 4: Desarrollo de un prototipo industrial del sistema de visión artificial.

TERMINADA

TERMINADA

EN MARCHA

RETRASO

1. Marcha del proyecto

TERMINADA

3

VAMAD


E5.1 E5.2 H5.1Sep. 09 Sep. 09 Sep. 09

H5.2 H5.3

ETAPA 5: Integración industrial del sistema de visi ón artificial en empresas de madera y tableros.

E6.1 E6.2 H6.1Dic. 09 Dic. 09 Dic. 09

ETAPA 6: Transferencia del conocimiento.

EN MARCHA

4

VAMAD

1. Marcha del proyectoEntregable 1.1. Informe sobre defectos en superficies acabadas ysobre los defectos relevantes para la industria.

Durante la etapa 1 del proyecto se ha realizado una extensa búsqueda bibliográfica en la que se han localizado normas (españolas, europeas e internacionales), artículos, manuales, documentos y libros sobre los defectos de los acabados de las superficies de madera y de materiales derivados. Al conocimiento obtenido del estudio de dichos documentos se ha sumado el obtenido mediante entrevistas con expertos nacionales e internacionales en defectos de acabados y mediante reuniones con diversas empresas del sector del mueble y afines.

Todo este conocimiento es la base para la clasificación y cuantificación posterior de los defectos de acabados en superficies de madera y derivados, conocimiento que seráintroducido en el sistema de visión artificial que se desarrollará a lo largo del proyecto.

El sector del mueble y afines carece de un vocabulario común y sin ambigüedades para los defectos, lo que imposibilita la aparición y aceptación de calidades estándares para los acabados y dificulta la comunicación entre interlocutores.

5

VAMAD


Poros Cráteres

Grietas Velado

6

VAMAD


Ojo de pezOjo de pescado

PockmarkingCratering

Cráteres

CraqueadoChelckingCracking

Grietas/Cuarteamientos red

ChelckingCracking

Grietas/Cuarteamientos lineales

EscurridurasSangradosColgados

CurtainingSagging

Descuelgues

NebulizaciónEnturbiamiento

ExudaciónBlanqueamiento

LechosoNeblina

BlushingHazing

Velados

SINÓNIMOS EN ESPAÑOLNOMBRE EN INGLÉSNOMBRE DEFECTO

En el entregable 1.1 se presenta una tabla que asigna a cada defecto su traducción al inglés y los posibles sinónimos en inglés que existen, extraídos tanto de publicaciones técnicas como del vocabulario de los técnicos que trabajan en las industrias, así como los sinónimos para cada defecto en español peninsular y americano.

7

VAMAD


Frecuencia de los defectos de acabados

15%

2%

14%

2%

12%2%19%

2%

14%

2%

14%2%

Cráteres

Amarilleo

Grietas

Velado

Burbujas

Goteos

Piel de naranja

Ampollas

Descuelgues

Poros

Granizados

Otros

Se distribuyó por correo electrónico y por fax un cuestionario a 51 empresas del sector de la madera y derivados con el objetivo de conocer sus problemas, tanto técnicos como económicos, con los diferentes tipos de defectos. La gráfica muestra los resultados de la encuesta.

8

VAMAD

1. Marcha del proyectoEntregable 1.2. Informe sobre la recopilación de muestras físicas de defectos

En la etapa 1 del proyecto se ha recopilado una gran cantidad de muestras de acabados de madera o derivados con defectos en el acabado.

Para garantizar que dichas muestras sean representativas de los problemas que sufren las empresas, muchas de ellas se recogieron en empresas de Murcia y de la Comunidad Valenciana y son consecuencias de fallos reales durante los procesos de acabado (pintado, barnizado, lacado, aplicación de lasures, revestimiento de tableros con melaminas, con papel termofusible, con chapas, etc.). Un grupo más reducido de las muestras se ha creado en los laboratorios de AIDIMA y CETEM mediante, por ejemplo, métodos de aplicación erróneos o incompatibilidades entre los recubrimientos y el sustrato.

Las muestras defectuosas servirán para crear un banco de imágenes con que se entrenaráel sistema de clasificación que se usará en el proyecto (etapa 3: Desarrollo de un prototipo del sistema de visión artificial a escala de laboratorio). Este sistema necesitará disponer de una gran variedad de texturas para discriminar entre el dibujo de la madera y los defectos. Por eso, se ha obtenido una amplia representación de los sustratos utilizados en la industria.

Se sigue trabajando en la recopilación de muestras físicas procedentes de la industria u obtenidas artificialmente en los laboratorios de AIDIMA y CETEM.

9

VAMAD


Creación artificial de defectos

10

VAMAD


Creación artificial de defectos en un túnel de ultravioleta

11

VAMAD


Colección de muestras defectuosas

12

VAMAD


Colección de muestras defectuosas

13

VAMAD

1. Marcha del proyectoEntregable 2.1. Informe sobre el banco de imágenes de defectos

Las superficies barnizadas se ubican dentro del grupo de superficies consideradas "no cooperativas". Esta denominación responde al hecho de que la información obtenida, mediante su observación, cambia con el ángulo de iluminación y observación elegido. Por lo tanto, la adquisición de imágenes de este tipo de superficies, dado un punto de observación fijo, representa un desafío desde el punto de vista de la iluminación.

En nuestro caso, los defectos del barnizado solamente son parcialmente visibles bajo un grupo limitado de ángulos de iluminación y observación. Esta característica descarta el uso de luz difusa en favor de luz direccional. Bajo luz direccional, la información sobre el defecto captada en la imagen no sólo es parcial, sino que cambia a medida que se elige otra dirección de iluminación. Por tanto, una imagen tomada bajo un determinado ángulo de luz describe sólo una parte del defecto, y resulta necesario inspeccionar la superficie bajo otras direcciones de iluminación a fin de completar esta descripción. Sólo así se obtiene la información necesaria para clasificar la pieza defectuosa.

Lo anterior se traduce en la necesidad de generar una serie de imágenes. La serie se consigue fotografiando sucesivamente la misma superficie, pero iluminando cada vez desde una dirección distinta. De esta manera, cada fotografía posee una parte de la información necesaria para reconocer el defecto. Analizando las series de imágenes con algoritmos desarrollados por la Universidad de Karlsruhe, se podrárecopilar e interpretar su contenido.

14

VAMAD

1. Marcha del proyectoLas series de imágenes se han ido almacenando en un banco de imágenes, el cual

servirá en el futuro como entrada al sistema de aprendizaje supervisado encargado de la clasificación de los defectos.

Serie de 16 imágenes correspondientes a un cráter

15

VAMAD


Serie de 16 imágenes correspondientes a una grieta y una burbuja

16

VAMAD


Sistema de adquisición de imágenes propuesto por la Universidad de Karlsruhe. Para este muestreo se considera un ángulo de elevación θθθθ fijo y un desplazamiento discreto ∆ϕ∆ϕ∆ϕ∆ϕ en dirección del ángulo azimut. Es decir, a partir de un punto de partida dado por (θθθθ, ϕϕϕϕ=0) la fuente de iluminación se va rotando alrededor de la muestra tomándose una fotografía luego de cada desplazamiento igual a ∆ϕ∆ϕ∆ϕ∆ϕ.

Se sigue trabajando en aumentar las fotografías del banco de imágenes.

17

VAMAD

Entregable 2.2. Informe sobre las características invariantes y el clasificador de aprendizaje supervisado


Este informe expone un método desarrollado por la Universidad de Karlsruhe para obtener características invariantes a partir de series de imágenes. Este método ha sido desarrollado a fin de detectar y clasificar defectos en superficies no cooperativas (aquellas en que la información obtenida mediante observación cambia con el ángulo de iluminación y observación elegido). En nuestro caso, los defectos de interés son defectos de barnices, lacas o lasures sobre substratos de madera. Cada defecto se cataloga y recibe un nombre de acuerdo a su apariencia, la cual está directamente relacionada con sus causas. La clasificación de los defectos consiste en asignar a cada defecto detectado una clase preestablecida que indique la naturaleza del mismo.

Debido a las características no cooperativas de la superficies barnizadas debe trabajarse con series de imágenes, donde cada imagen presente la misma superficie, pero iluminada desde una dirección distinta. En este proyecto, las series de imágenes se obtienen rotando una fuente de luz puntual alrededor de la superficie inspeccionada y fotografiando después ésta cada vez que la iluminación recorre un desplazamiento azimutal determinado. El método exacto de obtención de las series de imágenes se explicó en el entregable 2.1 (Informe sobre el banco de imágenes de defectos).

18

VAMAD


De las series de imágenes debe extraerse información relevante para la clarificación de los defectos. Esta información recibe el nombre de características. Para que puedan aplicarse al proyecto, estas características deben cumplir ciertas condiciones que aumentan la complejidad del método. Entre estas condiciones se destaca el hecho de que deben ser independientes de la textura del substrato. Esto es relevante cuando se trabaja con acabados transparentes, los cuales dejan expuesta la textura del substrato o soporte. Este requisito implica, por tanto, que la características extraídas deben experimentar ningún o muy poco cambio cuando distintos tipos de substratos son utilizados. Además, los defectos deben reconocerse correctamente sin que importe su tamaño, ubicación o rotación relativa.

La información relevante sobre los defectos está contenida en cada imagen de la serie; es decir, tanto en la intensidad de cada punto en relación con su entorno bidimensional, como también en su relación con su entorno tridimensional (esto es, en los cambios de intensidad que se producen de una imagen de la serie a la otra). Debe definirse, por lo tanto, una función núcleo capaz de recolectar esta información.

En el método propuesto, las invariantes se consiguen mediante un proceso mixto: la invariancia frente a la rotación se obtiene por integración; y la invariancia frente a la translación, mediante la construcción de histogramas de lógica difusa.

19

VAMAD

Para clasificar las características extraídas de las series de imágenes se utiliza un support vector machine (SVM). Este clasificador es de aprendizaje asistido. Esto significa que, durante la etapa de entrenamiento, un experto ofrece al clasificador una lista de objetos que han sido clasificados previamente, a fin de que éste “aprenda” para luego poder reconocer objetos similares. Durante la fase de entrenamiento el clasificador asocia cada clase con las características extraídas de las imágenes y establece fronteras entre las distintas clases en un espacio multidimensional.

Para el entrenamiento del SVM se utiliza una lista de series de imágenes llamada lista de entrenamiento. La misma desempeña un papel decisivo en la determinación de las fronteras entre clases que luego se utilizarán en la clasificación. Es importante que esta lista cuente con un número adecuado de defectos representativos de cada clase, asícomo de texturas de substrato.

Para probar el sistema se utiliza una lista de series de imágenes disjunta a la de entrenamiento que recibe el nombre de lista de prueba. Los resultados de esta lista sirven para ajustar tanto la lista de entrenamiento como la lista de funciones núcleo.


20

VAMAD


Ejemplo de parámetros de la función núcleo: a=2, r2=2r1, αααα=45°, ββββ=90° y ∆σ∆σ∆σ∆σ=180°.

21

VAMAD

Ejemplo de serie de imágenes de la lista de entrenamiento: grupos de burbujas


22

VAMAD

Ejemplo de serie de imágenes de la lista de prueba: burbuja


23

VAMAD

Entregable 3.1. Informe sobre el prototipo de visión artificial de laboratorio


La construcción de un prototipo de laboratorio se presenta como un paso intermedio indispensable previo al diseño del prototipo industrial. El objetivo de este prototipo es simular todas las condiciones posibles de adquisición de imágenes con el objetivo de determinar la configuración del prototipo final industrial.

En la concepción del prototipo de laboratorio se fijó como meta alcanzar un diseño que presente alta flexibilidad y precisión. Además, se buscó encontrar el mejor compromiso entre las funciones automáticas y manuales, a fin de que la adquisición de imágenes resulte cómoda, precisa, reproducible y rápida, al mismo tiempo que los costes y tiempos de desarrollo fueran aceptables.

24

VAMAD


25

VAMAD


26

VAMAD


27

VAMAD


28

VAMAD


29

VAMAD


30

VAMAD


(izq) Característica que representa una grieta. (derecha) Característica que representa una superficie sin defecto.

31

VAMAD


32

VAMAD


33

VAMAD


34

VAMAD


35

VAMAD


Hay que tener en cuenta que hay defectos muy similares (cráteres y burbujas, por ejemplo).

36

VAMAD

1. Marcha del proyectoEntregable 4.1. Informe sobre patentes de sistemas de visión artificial para la detección de defectos en superficies

Este documento es una recopilación de documentos de patentes internacionales donde se ha intentado plasmar todos aquellos desarrollos de productos, sistemas y metodologías patentados relacionados con sistemas de visión artificial para detección de defectos en superficies.

Con el estudio de esas patentes se pretende comprobar si algún sistema o metodología patentado pudiera ser de interés, bien total o parcialmente, para la implementación del prototipo industrial que se desarrollará a lo largo de la etapa 4.

El estudio se ha realizado sobre la base de datos Espacenet y en el quedan incluidos aquellos documentos que se consideraron de interés desde el periodo de 1980 a 2008.

37

VAMAD


TÍTULO: Natural wood surface optically inspecting method for use in production line, involves combining two set of local physical properties extracted from grey-scale value images, and calculating surface quality assessment from combined NUMERO DE PATENTE: WO2008031621-A1

38

VAMAD

1. Marcha del proyectoTÍTULO: Planar object`s e.g. magnetic thin film disk, property e.g. thickness, and defect e.g. wear, measuring method for use in e.g. semiconductor industry, involves determining roughness bias parameter from two surface roughness dataNÚMERO DE PATENTE: US2007115483-A1

39

VAMAD

En resumen, ninguna de las 17 patentes analizadas, seleccionadaspreviamente de entre 386 patentes obtenidas mediante búsquedas por descriptores en Espacenet, resulta adecuada para el proyecto.

Los principales inconvenientes que presentan son los siguientes:


1. Incapacidad para separar los defectos de acabado de la propia textura del substrato.

2. Incapacidad para obtener series de imágenes de una misma superficie.

3. Incapacidad para inspeccionar toda la superficie de interés.

40

VAMAD

Entregable 4.2. Informe sobre los requisitos del sistema de visión artificial y estudio de soluciones comerciales


Este informe expone los requisitos que debe cumplir el sistema de visión artificial que se desarrollará en el proyecto, en cuanto a velocidad de línea y tamaños de las piezas que inspeccionará.

Este informe también presenta un estudio en que se recopila información de prototipos y sistemas industriales, basados en visión artificial, orientados a la inspección superficial de diferentes materiales con objetivo de detectar la presencia de anomalías y defectos característicos de cada material o producto del proceso de producción. A diferencia del entregable anterior, aquí se presentan soluciones comerciales con cierta aceptación en la industria.

La finalidad de tal recopilación de información es disponer de información de sistemas de captura, iluminación, disposición entre ambos, resolución, velocidades de inspección y campos de visión que permita a los participantes evaluar su posible aplicación al proyecto.

41

VAMAD


Sistema de OCS evaluado para el proyecto.

42

VAMAD


Sistema de ISRA VISION (Surface Inspector) evaluado para el proyecto.

43

VAMAD

Entregable 4.3. Configuración del sistema de visión para el prototipo industrial

En este documento se describe el sistema de visión artificial en cuanto a configuración y elementos integrantes partiendo de las especificaciones siguientes, que proceden de prototipo de laboratorio y del entregable E4.2 (Informe sobre los requisitos del sistema de visión artificial y estudio de soluciones comerciales):

a) Ancho del campo de visión de 800 mm, que será el campo para las pruebas iniciales.

b) Velocidad de avance de 8 m/min, que es la velocidad máxima de funcionamiento.

c) Resolución 16 píxeles/mm.

d) Uso de 4 fuentes de iluminación de tipo estroboscópico colocadas con una inclinación θy posicionadas en φ, φ+90, φ+180 y φ+270.

e) 4 imágenes por zona inspeccionada, una por cada inclinación de la iluminación φ, φ+90, φ+180 y φ+270.


44

VAMAD


45

VAMAD


46

VAMAD

Entregable 4.4. Informe sobre el prototipo industrial de visión artificial

Este informe recopila los pasos seguidos en la definición, diseño y construcción de un prototipo industrial para el sistema de inspección superficial de madera y derivados del proyecto VAMAD.

El prototipo industrial desarrollado recoge la experiencia adquirida con el modelo desarrollado a escala de laboratorio y está diseñado para cumplir con dos requisitos fundamentales. En primer lugar, se buscaba un modelo robusto, transportable e instalable en las condiciones previsibles en diferentes entornos industriales. En segundo lugar, la estructura debía disponer de dimensiones adecuadas y la flexibilidad suficientepara adaptarse a muestras con diferente anchura, grosor y dimensiones tal y como sucede en las aplicaciones reales.

El informe incluye la información y los resultados obtenidos en el desarrollo de las tareas 4.1, 4.2 y 4.3 de la etapa 4: Desarrollo de un prototipo industrial del sistema de visión artificial.


47

VAMAD


48

VAMAD


49

VAMAD


50

VAMAD


51

VAMAD


52

VAMAD

El sistema diseñado cumple las especificaciones requeridas de poder verificar los algoritmos innovadores de visión propuestos en este proyecto en condiciones reales de funcionamiento tanto en un entorno preindustrial como industrial. Sin embargo, presenta algunas restricciones de funcionamiento impuestas por el alto coste de cámaras y sistemas de iluminación, y por la necesidad de crear un diseño flexible que admita el máximo grado de libertad en todos sus parámetros. Estas limitaciones permiten orientar el trabajo de mejora y perfeccionamiento de futuras versiones.

La primera limitación citada implica que en este prototipo no es posible inspeccionar todo el ancho de la muestra dada la alta resolución requerida (16 píxeles/mm) con sólo tres cámaras. En siguientes fases, parece interesante trabajar en la reducción de la resolución necesaria en las imágenes a 8 píxeles/mm para inspeccionar toda muestra y reducir el procesamiento y el coste. En este sentido, hay que recordar que la estructura de soporte utiliza componentes modulares, guías sin perforaciones y un ensamblaje sencillo que facilita los cambios. Esta modificación podría ser abordada con unos cambios mínimos en el prototipo.

La consideración de dotar al sistema de todos los grados de libertad posibles para no realizar un prototipo cerrado que no permitiera cambios, implica una mayor complejidad en la puesta a punto del prototipo. Sin embargo, esta flexibilidad en esta fase previa de prototipo preindustrial permite seguir trabajando en la optimización de todos los parámetros del sistema de visión. Una vez definidos mejor los grados de libertad sería posible reducirlos para dotar al sistema de mayor robustez y fiabilidad.


53

VAMAD

2. Fotografías de la reunión

54

VAMAD


55

VAMAD


56

VAMAD


Reunión septiembre 2009 proyecto vamad

Documents

Transcript of Reunión septiembre 2009 proyecto vamad