Visión artificial basada en 'machine learning': la clave para la fábrica inteligente
La aplicación de técnicas de aprendizaje automático en 'machine vision' permite una mejor visión de todo el proceso de producción, anticipándose a posibles problemas.
El uso de tecnologías de 'machine learning' está sirviendo para dotar de una nueva profundidad en el trabajo con herramientas ya consolidadas. Es el caso de la tecnología de visión artificial convencional, empleada en fabricación y factorías gracias a su aportación en términos de confiabilidad y estabilidad y que, con la aplicación del aprendizaje profundo, está experimentando con nuevas posibilidades gracias a las que se están alcanzando mejores datos en eficiencia económica y rendimiento.
Así lo asegura la consultora ABI Research, según la cual las técnicas de visión artificial basadas en el aprendizaje profundo empleadas en fabricación inteligente crecerán a un ritmo anual del 20% entre 2017 y 2023, de tal modo que en 2023 sumarán ya 34.000 millones de dólares.
Según la empresa, la visión computerizada convencional tiene la ventaja de que es de fácil implantación, y de hecho se emplea habitualmente en el control de calidad, la inspección de seguridad, el mantenimiento predictivo y el monitoreo industrial. Sin embargo, tienen una limitación importante en sus capacidades, ya que en gran parte dependen de normas y criterios preprogramados, que admiten rangos de funciones limitados. Ante esto, la aplicación de 'machine learning' permite una mayor flexibilidad, ya que al ir utilizando la información recabada para irse mejorando, se pueden actualizar de forma más ágil.
En la aceleración actual del despliegue de herramientas de aprendizaje profundo tienen un papel importante la "democratización de las capacidades de 'machine learning'", según explica Lian Jye Su, analista de la firma. La expansión de los marcos de inteligencia artificial de código abierto, como TensorFlow, Caffe2 y MXNet, reduce la barrera de entrada,. Este tipo de herramientas se pueden implementar usando infraestructura 'on-premise' del centro de datos y paquetes de software, lo que amplía considerablemente el abanico de opciones al que pueden optar desde las fábricas en las que empleen visión artificial. Esto, además, evita la dependencia de proveedores. La visión computerizada basada en 'machine learning' recoge datos no sólo de las cámaras, sino también de sensores como radar o sistema LiDAR, lo que enriquece la percepción de todo el proceso de producción, permitiendo un mayor detalle.
Mientras que la visión tradicional se limita a detectar los defectos del producto y los problemas de calidad que pueden definir los humanos, los algoritmos de aprendizaje profundo implementados para la visión artificial pueden ir aún más lejos, permitiendo detectar anomalías o defectos inesperados en los productos. Esto añade agilidad y la posibilidad de conseguir información de valor para los fabricantes.
