Equipamiento necesario en soluciones de computer vision

La visión artificial es una tecnología cada vez más presente en nuestro día a día. Teniendo esto en cuenta, cabe señalar que las cámaras de visión artificial son el elemento clave a la hora de emplear esta tecnología, ya que el primer paso es la adquisición de la imagen. Se ocupan de capturar la luz y a partir de ahí, producen diferentes imágenes. Además, son capaces de detectar imágenes que el ojo humano no puede ver. A continuación, vamos a hablar acerca de estas cámaras, qué tipos de ellas existen y, en definitiva, qué equipamiento es necesario en soluciones de computer vision. Si quieres conocer más acerca de este mundo, continúa leyendo.

Equipamiento de computer vision: tipos de cámaras de visión artificial

Como ya hemos mencionado, existen varios tipos de cámaras de visión artificial. Podemos dividirlas, principalmente, en dos tipologías: tipos de cámaras por el modo de captación de imagen y según el modo que utilizado para analizar la imagen.

Tipos de cámaras por el modo de captación de imagen

• Cámaras de luz visible: ve lo mismo que percibe el ojo humano. Permiten efectuar análisis sobre imágenes tal y como las vería un humano: conteo de objetos, color, forma,…
• Cámaras infrarrojas: Permiten, mediante análisis del infrarrojo cercano, distinguir distintos tipos de materia. Se usan, por ejemplo, en el procesado de higos para identificar y sacar las piedras de la línea de producción.
• Cámaras 3D: Permiten obtener una recreación 3D de un objeto, pudiendo calcular su volumen y cubicación, guiado de robots…
• Cámaras multiespectrales / hiperespectrales: Permiten ver longitudes de onda más allá del rango visible (hasta los 2.500 nanómetros) y gracias a eso se consigue profundizar en la composición de la materia, pudiendo detectar sustancias químicas, bacterias… o, por ejemplo, detectar listeria o salmonella en la carne, aflatoxina en higos, amigdalina en almendras, etcétera.

Tipos de cámara según el modo en que analizan la imagen

Antes de nada, cabe mencionar que esta distinción aplica sobre todos los modelos del punto anterior.

• Tradicionales: No analizan la imagen. Simplemente captan la imagen y la envían a un servidor externo en las instalaciones del cliente o a la cloud para ejecutar la analítica. 
  • Ventajas: la cámara es más “tonta” y por tanto más económica. En entornos en que sean necesarias muchas cámaras, puede tener un impacto alto en precio
  • Desventajas: requiere más ancho de banda
• Autónomas: Tienen capacidad de procesamiento para correr el algoritmo que tiene que hacer la detección. 
  • Ventajas: no es necesario emitir el video, se puede enviar directamente la información extraída ahorrando ancho de banda y mejorando la privacidad. Además, al procesarse en local, la latencia es más baja. Esto es importante sobre todo en procesos industriales donde no es una opción parar una línea de producción.
  • Desventajas: el precio es más elevado y no se pueden reutilizar las cámaras que ya tenga el cliente.

Iluminación

Tan importante como las cámaras que tienen que captar la imagen, es la materia con la que trabajan: la luz. Según el tipo de caso de uso, el material y la necesidad de precisión, se puede optar por distintos tipos de iluminación. Para casos de uso más generalistas se aborda con modelos de iluminación más tradicional, pero sobre todo en entornos industriales se hacen otros tipos de planteamientos como: iluminación frontal, lateral, de fondo, campo oscuro, difusa de domo o sobre el eje de la cámara. También existen alternativas como la luz estructurada, que permite trabajar con bastante precisión la profundidad de piezas, entre otras alternativas

Asimismo, también los alteradores de la luz, como filtros y polarizadores, son elementos de esta categoría.

Procesamiento de imágenes

Si hablamos del equipamiento de computer vision, tenemos que hablar de procesamiento de imágenes. El procesamiento de imágenes consiste en manipular una imagen para mejorarla o extraer información de ella. Pero las diferentes fases que requiere el procesamiento de las imágenes implica  procesar cantidades masivas de datos, algo que no se puede hacer de manera manual. Aquí es donde los algoritmos de IA y aprendizaje automático (Machine Learning)se vuelven muy útiles.

El uso de Inteligencia Artificial y Machine Learning aumentan en definitiva la velocidad del procesamiento de datos y la calidad del resultado final. Por ejemplo, con la ayuda de plataformas de IA, podemos realizar con éxito tareas tan complejas como la detección de objetos, el reconocimiento facial y el reconocimiento de texto. Pero, por supuesto, para obtener resultados de alta calidad, necesitamos elegir las herramientas y métodos adecuados.

Parte, por lo tanto, del equipamiento son los sistemas para ejecutar las redes neuronales (algoritmos) que permiten detectar los objetos y eventos en los vídeos que se capturan a través de las cámaras. Para funcionar, estas redes neuronales necesitan mucha capacidad de cómputo y los servidores que se utilizan necesitan GPU (Graphics Processing Unit). Esto es relevante, porque sobre todo en entornos cloud no hay tantos modelos disponibles y condiciona la arquitectura de las soluciones.

Comunicaciones

Y aunque no sea equipamiento propiamente dicho, también merece la pena destacar destacar la importancia de la comunicaciones (5G, Wifi, MacroLan…) porque sin ellas, todos los puntos anteriores serían elementos inconexos. 

Es clave también identificar las comunicaciones necesarias, ya sean fijas, móviles o inalámbricas para poder transmitir el video capturado para su procesamiento. En este sentido computer vision también aprovecha mejor las ventajas que ofrece el 5G, donde la información viaja a más velocidad y las decisiones se pueden tomar más rápidamente. Y todo ello manteniendo la información siempre segura.