El aprendizaje profundo es un tipo de IA que aprovecha las redes neuronales y se puede explicar con sencillez: al igual que los humanos aprendemos lo que es una casa a partir de numerosos ejemplos, un sistema de aprendizaje profundo puede también llegar a comprender la naturaleza de un objeto a partir de imágenes etiquetadas.

Tanto si se trata del parachoques de un coche, del envoltorio de un paquete como de otra cosa, el aprendizaje profundo es un enfoque basado en ejemplos para superar los desafíos de inspección. Además, cada inspección se puede mejorar de manera continuada alimentado al algoritmo existente con más datos de imagen de ejemplo. Estos nuevos datos potencian el sistema y lo llevan a producir resultados más precisos.

Un sistema de visión con inteligencia artificial integrada, por ejemplo, es capaz de combinar la opinión de un inspector humano con la robustez y consistencia de una solución automatizada de inspección y control de calidad. Justamente esta es la principal ventaja del nuevo sistema de visión In-Sight D900 de Cognex.

Como primera solución de su categoría, integra el software de aprendizaje profundo de Cognex, conocido como In-Sight ViDi, en una cámara inteligente de calidad industrial.

El hardware de la In-Sight D900 es el de una cámara inteligente compacta y de calidad industrial que se puede instalar y utilizar en la línea sin necesidad de un PC. El sistema de visión modular con protección IP67 incluye luces, lentes, filtros y cubiertas intercambiables en el campo que se pueden personalizar para satisfacer los requisitos concretos de la aplicación.

El procesamiento de imágenes con Rango Dinámico Alto Plus (HDR+) crea imágenes con exposición uniforme, un indicador LED permite el control aprobado/suspenso a distancia y los resultados de la inspección se guardan localmente en una tarjeta SD. El motor de inferencia incorporado se añadió para ejecutar aplicaciones de aprendizaje profundo.

La In-Sight D900 trabaja con la interfaz de usuario de hoja de cálculo que simplifica el desarrollo de aplicaciones y la integración industrial. Los ingenieros de aplicación tienen acceso a toda la suite de herramientas de visión de máquinas tradicional como PatMax, detectores de bordes y herramientas de medición. Pero con la In-Sight ViDi™ la D900 tiene tres herramientas de aprendizaje profundo que apuntan a aplicaciones concretas y generalizadas: ViDi Read, ViDi Check y ViDi Detect.

La hoja de cálculo In-Sight simplifica el desarrollo de aplicaciones y optimiza la integración industrial con un conjunto de funciones de E/S y comunicaciones. Permite también combinar las herramientas tradicionales de visión industrial basadas en reglas de Cognex (como PatMax Redline™) con herramientas de aprendizaje profundo en el mismo proyecto.

Con la herramienta In-Sight ViDi Read el usuario puede resolver desafiantes aplicaciones de OCR en minutos. Este módulo descifra códigos muy deformados, torcidos y mal grabados mediante el uso de reconocimiento óptico de caracteres. Funciona de inmediato, reduciendo el tiempo de desarrollo gracias a la biblioteca de fuentes precargadas de aprendizaje profundo. El usuario define la zona de interés y establece el tamaño del carácter.

La herramienta Vidi Check de la In-Sight D900 permite a los fabricantes realizar comprobaciones rápidas y precisas de los montajes. El sistema es capaz de detectar características y objetos complejos y verificar que las piezas y los kits estén montados correctamente en función de su ubicación dentro de una distribución predefinida. La herramienta puede ser entrenada para crear una gran biblioteca de componentes que pueden localizarse en la imagen, incluso si se presentan en diferentes ángulos o tamaños.

La herramienta In-Sight ViDi Detect facilita el análisis de tareas complejas de detección de defectos. Es capaz de aprender a partir de imágenes de piezas correctas para así identificar las defectuosas. La In-Sight ViDi Detect es ideal para encontrar anomalías en piezas y superficies complejas, incluso en situaciones donde los defectos pueden ser impredecibles en apariencia.

Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.