Comprobar la viabilidad en el procesamiento de imágenes: cámara, luz, algoritmo

Procesamiento de imágenes

Muchos proyectos de procesamiento de imágenes no fracasan por el software, sino por las suposiciones: que la cámara ve el defecto, que la luz es suficiente, que se puede cumplir el tiempo de ciclo. Un estudio de viabilidad aclara estas cuestiones antes de invertir dinero en la instalación y en el desarrollo.

Primero la tarea, después la técnica

Al principio hay una descripción precisa: ¿qué se debe detectar, medir o contar? ¿Cuál es el tamaño de la característica relevante más pequeña? ¿A qué velocidad pasan las piezas y cuánto tiempo queda por imagen? ¿Qué tasa de error es aceptable? A ello se suma una colección de piezas de muestra reales: piezas buenas, muestras límite y defectos típicos.

Cámara: ¿ve lo que debe ver?

El cálculo más importante se refiere a la resolución. Del campo de visión y el número de píxeles se deduce cuántos milímetros representa un píxel. La característica más pequeña debe abarcar varios píxeles; si no, se pierde en el ruido:

def pixel_pro_merkmal(sichtfeld_mm, pixel_breite, merkmal_mm):

    mm_pro_pixel = sichtfeld_mm / pixel_breite

    return merkmal_mm / mm_pro_pixel



# Ejemplo: campo de visión de 100 mm, sensor de 2448 píxeles de ancho, arañazo de 0,2 mm

print(f"{pixel_pro_merkmal(100, 2448, 0.2):.1f} Pixel")  # 4.9 Pixel

Además, cuentan el tipo de sensor (matricial o lineal, monocromo o en color), el tiempo de exposición frente a la falta de nitidez por movimiento, la frecuencia de imagen y la interfaz. En las tomas termográficas, de fluorescencia o 3D se añaden cuestiones propias, como la resolución de temperatura, la sensibilidad o la distancia de medición. Para comparar objetivamente las cámaras industriales existe el estándar EMVA 1288. Describe parámetros como el ruido y la sensibilidad según reglas uniformes.

Iluminación: la palanca subestimada

La iluminación decide el contraste, y el contraste, la robustez. La luz transmitida muestra los contornos con nitidez. La luz incidente en ángulo rasante resalta arañazos y relieves. La luz difusa atenúa los reflejos en piezas brillantes. La luz de color o pulsada puede separar características o congelar movimientos. Por eso, pruebe varias iluminaciones con las mismas piezas de muestra antes de hablar de algoritmos. Y piense en la luz ambiente: las ventanas de la nave y las luminarias del techo cambian a lo largo del día.

Algoritmo: empezar por lo sencillo

Solo cuando hay imágenes con buen contraste merece la pena mirar el análisis. Empiece por el método más sencillo que podría resolver la tarea. ¿Bastan los umbrales, los bordes y la geometría? Entonces ahorra datos, tiempo de cálculo y esfuerzo de explicación. Solo cuando se demuestra que eso no basta entran en juego los métodos que aprenden. Los prototipos en Python, MATLAB o Halcon se crean más rápido que el software de producto posterior.

El estudio de viabilidad de un vistazo

De la práctica

En el lector para PCR digital del proyecto conjunto FREEDOM, financiado por el BMBF, además de la arquitectura de software nos encargamos del control de la cámara y de los LED, de la captación de imágenes y del análisis de imágenes. En un equipo de laboratorio para análisis de fluorescencia integramos una cámara de fluorescencia y un láser que excita las células para que emitan fluorescencia. La calibración y el procesamiento de imágenes aportan allí información más precisa sobre las muestras de células. Y para un fabricante de sensores montamos escáneres 3D en el laboratorio en distintas posiciones y, además, modelamos un montaje en 3D para simular datos de escaneado. Así se pudieron probar muchas variantes sin montar cada una físicamente. La lección de los tres proyectos: la toma, la iluminación y el análisis deben planificarse conjuntamente.

Errores típicos

• Comprar la cámara según la hoja de datos antes de haber fotografiado las piezas de muestra.
• Probar con piezas de exposición perfectas en lugar de con muestras límite reales de la producción.
• Tratar la iluminación como un accesorio que se compra al final.
• Darse cuenta de la falta de nitidez por movimiento y del tiempo de ciclo cuando la instalación ya está en marcha.
• Medir el prototipo en el PC del desarrollador, aunque más tarde los cálculos se hagan en un sistema embebido.
• No tener un resultado por escrito: sin límites documentados, la discusión vuelve a empezar en la aceptación.

De nuestros proyectos en tecnología de laboratorio y de medición: PCR digital (proyecto conjunto FREEDOM del BMBF), análisis de fluorescencia, calibración y reconocimiento de objetos con escáneres 3D. Para saber más: EMVA 1288: estándar para la caracterización de cámaras industriales.