SATUERCA – Cero defectos con visión artificial Bcnvision

Destacado

Es un placer presentarles el caso de éxito del grupo Satuerca, en la que Bcnvision desarrolló unas soluciones sobre inspección de piezas para el sector del automóvil.

SAT nació en 1966 en Durango como Sociedad Anónima de Tuercas. Hoy en día son especialistas en la producción de piezas especiales destinadas principalmente a la industria automovilística y se compone por 3 empresas con 2 plantas en España y una en Rumanía. Estamcal es la encargada de la forja y tratamientos térmicos.

En 1998 se creó Mecanifran a unos 3km de Estamcal para poder ofrecer el proceso de mecanizado y así poder aportar mayor valor añadido a sus clientes. En 2007 se fundó Actiro, con planta en Rumanía, con el objetivo de mecanizar piezas para los clientes en esa región. La compañía destaca por los medios de fabricación de sus máquinas de foja Hatebur, hornos para varios tratamientos térmicos y sofisticadas máquinas para la mecanización de piezas en grandes series. Habitualmente se trabaja con forja vertical, en Satuerca forjan con máquinas especiales, que por el hecho de ser horizontales consiguen mayor velocidad de fabricación. Las máquinas de forja verticales pueden trabajar entre 15 y 45 golpes por minuto y en el grupo disponemos de máquinas que trabajan hasta con 180 golpes por minuto. Principalmente fabrican: anillos de rodamiento, engranajes para cajas de cambio, núcleos de embrague, tuercas de conjunto y levas, aunque también fabrican otro tipo de piezas que no son del automóvil. Miden la calidad de los productos y controlan la trazabilidad de ellos, garantizando cero defectos en las piezas entregadas a sus clientes y Bcnvision ha puesto su grano de arena en esta labor. Concretamente en el control superficial y dimensional en piezas de forja con visión 2D y 3D.

Bcnvision entra en escena como partner de Satuerca en el año 2009, con una propuesta atrevida y ambiciosa para el momento, que les ha traído a ambas compañías una gran satisfacción por la buena colaboración y un mejor resultado. Las soluciones desarrolladas por Bcnvision consisten en la inspección de diferentes tipos de piezas en las que detectan golpes en caras y aristas, faltas de llenado y realiza el análisis dimensional al mismo tiempo. Ambas instalaciones comienzan en una estación con cámaras 2D de Cognex de alta resolución y con iluminación a contraluz que envían las coordenadas exactas a varios robots Staübli, para recoger las piezas y llevarlas a la siguiente estación.

En la estación láser, nos encontramos con 3 escáner Smart Ray que inspeccionan, a través de visión 3D, la superficie de la pieza con 0,1 milímetro de precisión. Dos de ellos inspeccionan la parte superior e inferior de forma fija, y el tercero, inspecciona la denominada “banda de rodadura” que es el lateral de la pieza. Todo ello mientras que la pieza realiza un giro de 360º sobre sí misma. Para conseguir la información del giro de la pieza, las cámaras adquieren línea a línea todo el perímetro de la misma. Dicha información de giro es gestionada por un encoder. Permiten analizar hasta 5 tipos de defectos distintos en menos de 1 segundo de tiempo de análisis. También analiza dimensionalmente la pieza en el mismo tiempo para verificar que las dimensiones del perfil sean las correcta. Esta misma aplicación está adaptada a diferentes formatos de piezas.

El resultado: piezas perfectas y clientes satisfechos! En Bcnvision estamos orgullosos de formar parte en casos de éxito como en este, gracias por confiar en Bcnvision.

Si le interesa descargar el caso de éxito escrito visite nuestra web.

¡Si te gusta el artículo, compártelo!

Premio Photoneo al mejor partner europeo

Destacado

Photoneo premia a Bcnvision – Visión artificial como “Top Performing Partner Europe”. La entrega del galardón fue la semana pasada en el Photoneo Partners Meeting en Eslovaquia.

Trabajar con marcas tecnológicas consolidadas y de referencia como Photoneo es garantía de calidad y fiabilidad.

¡Gracias a los compañeros de Photoneo por este reconocimiento!

¡Si te gusta el artículo, compártelo!

Deep Learning, en el punto de mira de la visión artificial

Destacado

Cuando hablamos de Inteligencia Artificial, Machine Learning o Deep Learning creemos que son conceptos futuristas que están por venir, nada más lejos.                          Desde los años 50 se trabaja en modelos matemáticos asociados a estas tecnologías, pero es ahora, gracias al Big Data, la digitalización, el abaratamiento de los dispositivos de almacenamiento, las mejoras de hardware que permiten procesos en paralelo a mucha velocidad y a modelos matemáticos en redes neuronales (backpropagation,…) que se ha creado el cóctel perfecto que hace posible sacarlas del laboratorio, para convertirlas en una realidad que ya está aquí. El Big Data proporciona el poder de recopilar datos masivamente, relacionarlos entre ellos, gestionarlos, procesarlos y analizarlos con el fin de sacar conclusiones. Ahora es, cuando existen tecnologías capaces de procesar innumerables cantidades de datos para convertirlas en información, que faciliten la toma de decisiones de forma rápida.                      Queremos máquinas sin necesidad de preprogramarles reglas para las infinitas variables que pueden aparecer en el mundo real, pretendemos que aprendan a través de la experiencia. El Machine Learning se ocupa de esto, de dotar a las máquinas de capacidad de aprendizaje. Dentro del Machine learning, y centrándonos en las redes neuronales aparece el concepto de Deep Learning. Las redes neuronales artificiales aprenden de forma jerarquizada, por niveles de capas. Cuantas más capas tengamos, más complejos resultan los algoritmos de procesamiento. Este incremento en el número de capas y su complejidad, es lo que hace que estos algoritmos sean conocidos como algoritmos de Deep learning.                                                            Para ver la diferencia entre un sistema de visión tradicional versus un sistema basado en Machine Learning y Deep Learning, pondremos como ejemplo la lectura de caracteres en visión artificial, lo que denominamos OCR. El software de visión tradicional requiere una serie de bibliotecas de patrones y plantillas que contienen todos los posibles caracteres para reconocer de una foto, una A como una letra. Pero los algoritmos se vuelven poco manejables cuando crecen las bibliotecas de excepciones y defectos.

Deep Learning Lectura caracteres

Lectura de caracteres con tecnología Deep Learning

El sistema de visión con Deep Learning es capaz de leer una A aunque la etiqueta esté doblada, medio borrada o con ruido y solo pueda verse un 30%. Aun así, será capaz de conceptualizar y generalizar la apariencia de los caracteres basado en sus características distintivas, incluso cuando éstas varían sutilmente o a veces se desvíen. Reconocerá correctamente la letra o el número, gracias a las capas de algoritmos integrados en su red neuronal que le permite sacar sus propias conclusiones.

Actualmente ya convivimos con la tecnología Deep Learning, por ejemplo en el reconocimiento de voz, facial y de texto de nuestros móviles y otros dispositivos, incluso tenemos vehículos que circulan solos sin necesidad de la mano humana.            El futuro está aquí y esta tecnología ya está migrando hacia procesos de fabricación avanzada y visión artificial. Disponer de un software de análisis de imagen basado en Deep Learning nos ofrece soluciones a retos de visión complejos, que anteriormente no podía realizarse con visión tradicional o que requerían una cantidad de recursos y dispositivos que no hacían viable la solución.                                                            Ahora es posible distinguir defectos impredecibles al mismo tiempo que tolerar variaciones naturales en patrones complejos. Además, estos pueden adaptarse rápidamente a nuevos ejemplos sin necesidad de reprogramar sus algoritmos principales.

Logo Deep Learning Cognez ViDiVisionPro ViDi es el primer software de análisis de imágenes industrial basado en Deep Learning y es ideal para:

    • Detección de defectos complejos
    • Clasificación de textura y materiales
    • Verificación de montajes y localización de piezas deformadas
    • Lectura de caracteres, incluida la impresión distorsionada

Por ejemplo, Cognex ViDi simplifica la inspección automática de complejos patrones de tejido, incluidos el cruzado, el tejido, el trenzado, el acabado e impreso. Como no requiere un tedioso desarrollo de software, el algoritmo de software se entrena con un conjunto de buenas muestras ya conocidas, para crear sus modelos de referencia. La inspección identifica e informa las áreas defectuosas en la tela, mientras que tolera variaciones grandes pero irrelevantes en su apariencia.

¿Cómo funciona Cognex ViDi?

Deep Learning Entrenamiento

Implementación del Cognex ViDi

Existen sistemas de visión basados en Deep Learning que trabajan con miles de imágenes de procesamiento, lo que implica la necesidad de un procesador muy potente. El Software de ViDi se entrena con un número inferior de imágenes, adaptándose a la potencia de procesador habitual de los PCs que se utilizan en el entorno industrial, ya que solo requiere una GPU.                                                         En el periodo de entrenamiento supervisado cargamos un grupo de imágenes etiquetadas (buenas y malas) de una manera similar a como formaríamos a un inspector humano, enseñándole al sistema para reconocer defectos explícitos.        Para defectos que se presentan en múltiples formas, el sistema se entrena a sí mismo en modo no supervisado. Aprende la apariencia normal de un objeto, incluidas sus variaciones considerables pero que decidimos como buenas. El software crea su modelo de referencia basándose en estas imágenes representativas.                          Se trata de un proceso iterativo de mejora constante, durante el cual los parámetros pueden ajustarse y el resultado se valida hasta que el modelo funcione como se desee. Durante el tiempo de ejecución, ViDi extrae datos de un nuevo conjunto de imágenes y sus redes neurológicas localizan las piezas, extraen anomalías y las clasifica.          Otro aspecto importante, es que podemos hacer que el sistema vaya aprendiendo a medida que vamos trabajando con él. De una forma muy sencilla, es posible añadir nuevas imágenes que modifican el modelo entrenado haciendo posible la adaptación a nuevos cambios o nuevas características que no existían previamente.

ViDi funciona con imágenes de alta resolución, incluidas térmicas y a color, para reconocer prácticamente cualquier anomalía. También realiza recuentos complejos y descifra caracteres deformados y difíciles de leer. Cognex ViDi permite a empresas de muchos sectores crear sistemas de inspección innovadores que sobrepasen los límites de la visión artificial. ViDi está disponible con el software de visión artificial VisionPro y Cognex Designer, lo que ofrece a sus clientes una capacidad única para mezclar y combinar herramientas en una aplicación.

Las herramientas para localización, caracterización, clasificación y lectura de caracteres, trabajan de forma independiente o se pueden combinar con otras herramientas de visión de Cognex para abordar retos complejos de visión .

4 HERRAMIENTAS, 4 SOLUCIONES

      1. ViDi Blue-Locate | Localiza características

Deep Learning Herramienta Locate

Encuentra rasgos o elementos complejos

ViDi Blue-Locate encuentra características y objetos complejos aprendiendo a partir de imágenes con anotaciones. Los algoritmos de autoaprendizaje pueden localizar piezas, contar frascos médicos de vidrio translúcido en una bandeja y realizar controles de verificación de montaje en kits y paquetes.

2. ViDi Red-Analyze | Detecta anomalías y defectos estéticos

Deep Learning Herramienta Analyze

Detecta anomalías o defectos estéticos.

Segmenta los defectos u otras regiones de interés con tan solo aprender las variaciones en la apariencia de la zona de interés. ViDi Red-Analyze puede identificar rayones en superficies complejas, conjuntos incompletos o incorrectos, e incluso problemas de tejido en textiles simplemente mediante el aprendizaje de la apariencia normal de un objeto, incluidas sus variaciones significativas pero tolerables. Esta herramienta es capaz de detectar defectos que con visión convencional serían muy difíciles de detectar y complejos de programar.

3.ViDi Green-Classify | Clasifica objetos o escenas

Clasifica objetos y/o escenas

ViDi Green-Classify separa diferentes clases de una colección de imágenes etiquetadas. Al prepararse para tolerancias aceptables, puede identificar productos en función de sus empaques, clasificar la calidad de la costura de soldadura y separar las anomalías aceptables o inaceptables.

      4.ViDi Blue-Read | Lee texto y caracteres

Lee texto y caracteres

ViDi Blue-Read descifra códigos deformados, torcidos y/o mal grabados mediante el uso de reconocimiento óptico de caracteres. El sistema utiliza redes neuronales para la identificación de los caracteres, permitiendo un incremento sustancial en el porcentaje de acierto respecto al OCR convencional. La biblioteca de fuentes entrenada previamente, puede identificar la mayoría de los textos sin programación o identificar fuentes adicionales para una implementación rápida y fácil. Esta sólida herramienta puede entrenarse para adaptarse a los requisitos específicos de aplicación «OCR». No se requiere experiencia en visión.

¿Cuándo usar visión artificial tradicional o Deep Learning?

La elección entre la visión artificial tradicional y el Deep Learning depende del tipo de aplicación, de la cantidad de datos que se estén procesando y de las capacidades de procesamiento. De hecho, el Deep Learning no es la solución adecuada para todas las aplicaciones. Las tecnologías de programación tradicionales basadas en reglas son mejores para calibrar y medir, así como para realizar una alineación precisa. En algunos casos, puede que la visión tradicional sea la mejor opción para medir con precisión una región de interés, y el Deep Learning para inspeccionar esa región. El resultado de una inspección basada en el Deep Learning puede pasarse a la visión tradicional para tomar medidas precisas del tamaño y la forma del defecto.

En la siguiente imagen se identifica las aplicaciones más adecuadas para la visión artificial tradicional y para los enfoques basados en el Deep Learning, incluidas las apropiadas para ambas.

¿Tiene alguna aplicación compleja que no puede solucionar con visión artificial tradicional y cree que en el Deep Learning podría estar la clave para resolverlo?

En Bcnvision estamos preparados para combatir los retos más complejos de visión artificial. Le asesoramos y acompañamos en todo el proceso hasta encontrar el sistema de visión que más se adapte a sus necesidades y requerimientos. Ponemos a su disposición el avance tecnológico que ofrece el Deep Learning de mano de Cognex ViDi.

¿Quiere realizar una prueba?

Consúltenos en https://bit.ly/2tafW82                                                              www.bcnvision.es

¡Si te gusta el artículo, compártelo!

¿Qué es el HDR High Dynamic Range en visión artificial?

El concepto de High Dynamic Range (HDR) o alta gama dinámica, es la tecnología que mejora la calidad de imagen proporcionando un mayor rango de niveles de exposición de luz en todas las zonas de la imagen.

Aplicado a la visión artificial el HDR aumenta los cambios de contraste localizados de forma automática, creando así imágenes más uniformes en una sola adquisición, aumentando también una mayor profundidad de campo, velocidades de línea más rápidas y una mejor lectura de códigos difíciles.
Cognex ha mejorado el HDR con el HDR+ que contiene un algoritmo avanzado que amplía los límites de la tecnología HDR.

Beneficios de HDR+

Los sistemas Cognex con HDR+ cuentan con la última tecnología de sensores de imagen CMOS, siendo 16 veces más detallada que la de los sensores convencionales. Dado que la imagen en bruto del sensor tiene 16 veces más información que los captadores de imágenes tradicionales, la calidad de la imagen y el contraste son mejores, proporcionando:

  • Imágenes de contraste más alto
  • Más detalle en la imagen
  • Habilidad para ver características que antes no eran visibles
  • Capacidad para aumentar el campo de visión
  • Capacidad para disminuir la intensidad de luz en la misma imagen

Mayor profundidad de campo

HDR+ reduce la sobreexposición y la subexposición brindando una mayor profundidad de campo, un 10% más que la tecnología HDR y un 30% más que los sensores de procesamiento de imágenes convencionales.

Velocidades de línea más rápidas

HDR+ reduce significativamente los tiempos de exposición, aumentando la posibilidad de más velocidad en la línea un 82%.

Mejor lectura de código e inspección de piezas

HDR+ aumenta el rango dinámico para revelar detalles ocultos en las sombras. Proporciona también una iluminación más uniforme por todo el campo de visión sin ajustes de iluminación adicionales.

¡Dale al Play para ver el vídeo sobre el HDR de Cognex y Suscribete a nuestro canal de YouTube!

¡Si te gusta el artículo, compártelo!

Última serie DataMan 370 de Cognex

Lectores de códigos de alta velocidad con iluminación avanzada.

La Serie DataMan 370 ofrece el doble de velocidad que sus competidores o lectores convencionales de su clase, además de una mayor robustez y flexibilidad ofrece velocidades de decodificación más rápidas para un mayor rendimiento por instalación, incluso con múltiples códigos y simbologías.

Estos nuevos lectores de la multinacional americana utilizan los últimos algoritmos de decodificación de Cognex para abordar con facilidad la mayoría de los códigos 1D y 2D desafiantes, con daños en la impresión, desenfoque, baja resolución y otros problemas del mundo real.

Estas herramientas se combinan con la tecnología de imágenes de alto rango dinámico (HDR) para obtener una mayor profundidad de campo y un mejor manejo de los códigos de bajo contraste.

Contamos con 2 modelos dentro de la serie, el 374 y el 375, que se diferencian básicamente en la resolución de la imagen y velocidad de procesamiento.

La nueva iluminación integrada de alta potencia combina tecnología avanzada de enfoque automático con sensores de distancia, para garantizar la mejor formación de imagen en todo momento. Además, también ofrece la capacidad de autoajuste más rápida y fiable del mercado, lo que permite a los operadores configurar nuevas aplicaciones en segundos.

El diseño modular probado de DataMan 370 comparte las mismas opciones de luz y lentes que las series DataMan 360 y DataMan 470, lo que permite actualizaciones de tecnología sin problemas. Al igual que el resto de la gama de lectores de códigos de barras, es fácil de instalar y presenta una interfaz de usuario intuitiva, así como comentarios sobre el rendimiento del proceso en tiempo real.

¡Si te gusta el artículo, compártelo!

Bcnvision, nuevo asociado de la AER, Asociación Española de Robótica y Automatización.

Minientrada

AER, Asociación Española de Robótica y Automatización cuenta con la nueva incorporación de Bcnvision como nuevo asociado. Es una asociación sin ánimo de lucro que agrupa a los principales actores del mercado de la robótica industrial y la automatización. Actualmente ya cuenta con 30 asociados y 10 colaboradores. Su misión es promover la transformación del tejido productivo en el territorio español mediante tecnologías de robótica industrial y automatización, así como establecer una agenda estratégica para afrontar los retos de futuro. Además tiene el objetivo de aportar conocimiento de forma transversal para la mejora de la competitividad y eficiencia empresarial en todos los sectores de demanda.

AER es miembro fundador de la Federación Internacional de Robótica (IFR) y miembro de la Asociación Española de Normalización (UNE) ejerciendo las funciones de secretaría técnica del CTN 116 – Sistemas Industriales Automatizados.

¡Si te gusta el artículo, compártelo!

Bcnvision en Advanced Factories 2019

Minientrada

Bcnvision en Advanced Factories 2019

Bcnvision volverá a estar presente en Advanced Factories 2019 mostrando las tecnologías más vanguardistas de la visión artificial.

Advanced Factories se ha convertido es la cumbre anual sobre innovación industrial que reúne a las empresas más innovadoras en automatización industrial, robótica, máquina-herramienta, digital manufacturing e inteligencia artificial, convirtiéndose en una cita ineludible para todas la empresa tecnológicas.

Este 2019, Bcnvision presentará un avance revolucionario, VisionPro ViDi de Cognex , un potente software industrial de análisis de imágenes basado en Deep Learning.

También se podrán ver otras novedades de Cognex, como los potentes lectores industriales DM474, diseñados para resolver las lecturas de códigos más complejas, aquellas en las que los sectores industriales estándar no ofrecen suficientes garantías.

Un amplio abanico de soluciones en cámaras 2D, 3D, perfiladores láser además de los últimos avances en soluciones Bin Picking avanzadas.

Tenemos mucho que decir, que enseñar y que “ver”.

¿Va a perdérselo? Le esperamos en Advanced Factories stand E515.

¡Si te gusta el artículo, compártelo!

Los sistemas de visión artificial más avanzados llegan a la BIEMH de la mano de Bcnvision

Bcnvision presenta en la BIEMH la más robusta solución Bin Picking en 3D para la recogida de piezas en contenedor con un Robot Stäubli.

Los sistemas Bin Picking son soluciones de robótica guiada por visión (VGR) que permiten seleccionar y extraer piezas apiladas aleatoriamente en un contenedor o palet.

Utilizan un sistema de visión para el reconocimiento y la localización de las piezas y un sistema robótico para la extracción y posterior reubicación de estas.

biemh bin picking

La solución Bin Picking de Bcnvision utiliza el robusto escáner 3D PhoXi de Photoneo, un escáner de luz láser estructurada que permite obtener nubes de puntos con una resolución de 3,2 millones de puntos en cada escaneo dando lugar a reconstrucciones 3D rápidas y precisas.
Este sistema de visión artificial y los potentes algoritmos desarrollados permiten al robot trabajar no sólo con la coordenada de recogida, sino con los datos de toda la trayectoria eliminando así las posibles colisiones con otros elementos.

Esta solución se presentará junto un robot TX90L de Stäubli.

Le invitamos a ver la demostración en vivo de esta potente solución en el Stand de Bcnvision. Pabellón 3 Stand C49.

 

¡Si te gusta el artículo, compártelo!

EVENTO: The Future of Robot Programming

evento euclid labs

Bcnvision como Partner de Euclid Labs le invita a asistir a un evento exclusivo de networking organizado por Euclid Labs la primera noche de Automática 2018 (Munich).
En el evento, que reunirá a gerentes y líderes de la industria de la robótica, se presentará la nueva tecnología de programación de robots de Euclid Labs y se realizarán inspiradoras ponencias de dos visionarios líderes en el sector:

Franka Emika GmbH, ganadora del Premio Alemán del Futuro 2017

ArtiMinds Robotics GmbH, pionera en el control de robots sin código

Consulte toda la información en: http://www.euclidlabs.it/event/

 

 

¡Si te gusta el artículo, compártelo!

Bcnvision, premio Cognex al mejor servicio técnico a nivel europeo

El 12 y 13 de abril tuvo lugar la celebración del Cognex Partner Award 2018 en Budapest. Durante el evento, la multinacional Cognex líder en visión artificial premió a sus distribuidores oficiales en Europa por el desempeño realizado.

Bcnvision fue galardonado con el premio a la excelencia al mejor servicio y soporte técnico a nivel europeo.

Un año más Cognex reafirma su confianza en Bcnvision como partner especialista en sistemas de visión artificial, gracias a un equipo técnico experimentado y comprometido que representa el 60% de su platilla y a los buenos resultados obtenidos gracias a la integración de nuevas plataformas de gestión de incidencias y asistencia remotas.

Bcnvision continúa creciendo año tras años gracias a la labor de su equipo y a la confianza de sus clientes. Actualmente, cuenta con una plantilla de más de 38 personas y delegaciones en Barcelona, Bilbao y Vigo.

 

 

¡Si te gusta el artículo, compártelo!