Diante desta necessidade, a visão artificial consolida-se como uma forma rápida e eficaz de controlar a qualidade das peças.

Visão artificial: conceitos básicos

Como ponto de partida, é preciso considerar que uma câmara não vê a imagem completa, mas pixéis de diferentes tonalidades com valores associados: 0 é o preto absoluto e 255 é o branco absoluto. Quantos mais pixéis houver, maior resolução teremos e, portanto, obteremos uma imagem mais nítida.

Ao capturar imagens de uma peça, temos de considerar também o campo de trabalho e a profundidade de campo: ao regular o diafragma, podemos deixar passar mais ou menos luz para a câmara e definir a que distância somos capazes de focar com uma nitidez aceitável. Neste sentido, é fundamental configurar corretamente a iluminação.

Tipos de iluminação

Para isso, ajustaremos os parâmetros de exposição e ganho e trabalharemos com diferentes focos, conforme as necessidades.

• Iluminação frontal: Incide no objeto e a luz reflete na câmara, sendo provável que a imagem se queime.
• Iluminação lateral: Não incide diretamente no sensor da câmara, sendo possível evitar que a imagem se queime, a não ser que o objeto seja muito brilhante.
• Iluminação Domo: Trata-se de uma iluminação branca por dentro com LEDs que apontam para a cúpula interior, por isso o objeto recebe a luz de maneira indireta.
• Iluminação de campo escuro: Ilumina-se a partir das laterais para criar sombras nos possíveis relevos da peça e otimizar o contraste.
• Iluminação por contraste: Embora nem sempre seja possível realizá-la, esta iluminação é muito utilizada para aplicações de medida devido à sua grande precisão, visto que consiste em situar um painel de luz a focar a câmara com a peça à frente, de maneira que se captura a silhueta do objeto a 0 (preto absoluto) com um fundo a 255 (branco absoluto).

Programação de sistemas de visão artificial

Os sistemas de visão artificial são muito úteis para detetar a presença de componentes e defeitos, entre outros detalhes. Atualmente, temos várias formas de programá-los:

• Ferramentas convencionais: Trata-se de matemática aplicada aos pixéis para extrair dados referentes a medidas, manchas, presença de componentes, etc.
• Deep learning: Nasce com o objetivo de simplificar a visão artificial e potenciar o que não se podia detetar apenas com ferramentas convencionais. Para isso, imita o comportamento do cérebro e atua a partir de exemplos, reconhecendo pixéis comuns a partir destes para detetar pontos de interesse.

É mais potente do que o convencional, mas é uma tecnologia nova e cara que exige muito processamento, pelo que é preciso avaliar quais são as aplicações onde vale a pena utilizá-la.

• Edge learning: Nasce do deep learning, mas com a facilidade de nos oferecer uma rede pré-treinada com bibliotecas de imagens, capaz de mudar os resultados com o que nós lhe fornecemos. É menos potente, mas simplifica o processo.

Para tirar o máximo partido dos seus produtos com um controlo de qualidade adequado, explore as nossas aplicações XX.