CORTEX, software de Bcnvision

Destacado

Cortex incluye todo lo necesario para poder disponer de un sistema de visión flexible con cámaras 2D y visión 3D bajo pc y win10 profesional.

Cortex se encarga de procesar la información visual extraída de las cámaras y muestra los resultados de una forma más fácil y visual sin necesidad de conocer el entorno de programación. Tiene integradas, bajo licencias adicionales, diferentes librerías de visión para adaptarse a las necesidades de cada aplicación, incluyendo herramientas avanzadas Deep Learning para los sistemas más exigentes.

Está optimizado para trabajar con procesado en paralelo con capacidad de integrar hasta 16 dispositivos 2D o 3D, aprovechando todos los recursos del sistema y permitiendo, de forma adicional, la modificación de las herramientas de visión offline mientras el sistema está operativo al 100%.

Pantalla principal de Cortex

Existen unos módulos opcionales bajo pedido especifico:

  • CTX-SCD: El Scada permite, en la misma aplicación Cortex, integrar con el mismo protocolo de comunicación utilizado, enviar y recibir datos del PLC y gestionar el control de la maquina en una misma aplicación. Todas las variables del SCADA pueden ser parametrizadas mediante un fichero XML de configuración, sin programación alguna.
  • CTX-DB: El módulo de la BBDD permite obtener de forma rápida un resumen de la detección de los defectos encontrados en una o varios sistemas de visión. Permite visualizar porcentajes de rechazo de los diferentes defectos filtrando por lote o fechas.
  • Integra un servidor que centraliza los datos y que permite conexiones desde cualquier otro dispositivo de la red a través del navegador Chrome o Edge.
  • CTX-HYP: Módulo de integración de cámaras y sistemas Hyperspectrales.
Pantalla de detalles del sistema de visión

El sistema soporta las siguientes librerías:

A continuación, enumeramos los dispositivos que integrada Cortex:

  • Cognex
  • Flir
  • Basler
  • Matrox
  • Phontoneo
  • Smartray
  • RealSense

El software cubre todas las funcionalidades básicas tales como:

  • Trabajar de forma single device o multidispositvo realizando combinaciones avanzadas entre sistemas.
  • Sistema personalizable CustomView y AdvancedScript para mayor adaptación a funcionalidades especiales
  • Grabado de imágenes ok / no ok en .bcnImage y/o .bmp con o sin gráficos incluidos
  • Grabado de ficheros .csv con los resultados deseados
  • Posibilidad de integración del modulo estadístico CTX-DB para el control de producción
  • Visualización de contadores individuales
  • Visualización de contenedores globales
  • Edición de umbrales bajo contraseña
  • Deshabilitación de inspecciones bajo contraseña
  • Integración y visualización de imágenes 2D y 3D multimarca.
  • Visualización de gráficos de resultados
  • Process Affinity integrado a bloques del sistema para un mejor rendimiento
  • Visualizador de pdf (planos de cotas, manuales, etc..)
  • Edición de programas offline
  • Comunicaciones I/O digitales con el hardware específico
  • TCP/IP
  • UDP
  • FTP
  • Comunicaciones industriales (EIP, Profinet, Modbus, Ethercat)
  • Otras comunicaciones industriales bajo consulta
¡Si te gusta el artículo, compártelo!

INDUSTRIA CÁRNICA: SOLUCIONES DE VISIÓN ARTIFICIAL Part.2

Destacado

Continuamos mostrando más ejemplos de aplicaciones de visión artificial en la industria cárnica.

4. APLICACIONES PARA EMPAQUETADO Y ETIQUETADO

  • Presencia/ausencia y contaje
  • Pick & Place para empaquetar
  • Control de etiqueta
  • Lectura del marcaje, lote, caducidad, etc.
  • Integridad del producto
  • Control del termosellado
  • Control del cierre

Tienes alguna aplicación de visión artificial en la industria cárnica? No lo dudes, contáctanos directamente aquí y te demostraremos que podemos hacer.

Si quieres saber más visita nuestra web bcnvision.es

¿Quieres ver más aplicaciones para la el Sector de la Alimentaria y Bebidas? Seguir leyendo

¡Si te gusta el artículo, compártelo!

INDUSTRIA CÁRNICA: SOLUCIONES DE VISIÓN ARTIFICIAL Part.1

Destacado

Los productos de la industria cárnica deben cumplir un gran número de normas y estándares de calidad. La automatización de procesos ayuda muchísimo a cumplir con todos los requerimientos establecidos y uno de los elementos responsables de diversos controles es la visión artificial. Actualmente es posible realizar aplicaciones, antes impensables, gracias a tecnologías como el Deep Learning.

A continuación, te mostramos aplicaciones posibles en la Industria cárnica desde procesos en el matadero hasta su almacenaje y distribución.

1. APLICACIONES EN MATADERO

  • Clasificación de sexos
  • Inspección interna para encontrar posibles enfermedades
  • Detección de restos fecales

2. APLICACIONES EN SALA DE DESPIECE

  • Clasificación de carne, pieza o tipo de corte
  • Detección de cuerpos extraños
  • Localización de hueso para corte

3. APLICACIONES EN SALA DE PROCESADOS

  • Control de defectos en el producto
  • Control volumétrico
  • Detección de excesos de grasa

Sigue atenta/o a nuestro Linkedin, iremos publicando más información con soluciones de visión para la Industria Cárnica.

Si quieres saber más visita nuestra web bcnvision.es

O contáctanos directamente aquí.

¿Quieres ver más aplicaciones para la el Sector de la Alimentaria y Bebidas? Seguir leyendo

¡Si te gusta el artículo, compártelo!

SOLUCIONES DE VISIÓN ARTIFICIAL PARA ALIMENTACIÓN Y BEBIDAS. Parte 2.

Destacado

2. INSPECCIÓN DEL PRODUCTO ENVASADO

El empaque afecta la percepción del consumidor sobre el valor del producto, su calidad y la seguridad que le aporta la marca. Los sistemas de visión artificial inspeccionan los envases y empaques de los alimentos para asegurar que estén libre de defectos, así como completos, de modo que solo los productos de la más alta calidad lleguen a los clientes finales.

  • Asegurar integridad del producto
  • Clasificación y verificación del empaquetado
Clasificación y Presencia/ausencia del producto.
  • Inspección del envase
  • Control del llenado, taponado y cierre de seguridad
  • Inspección de etiquetas
  • Correspondencia entre producto y envase
  • Lectura caracteres, OCR
  • Lectura de códigos

Estas son algunas de las aplicaciones que estamos realizando actualmente, hay muchísimas más, cada cliente tiene sus propias necesidades.

¿No has visto la 1ª parte de este artículo? puedes verla aquí.

¡Contáctanos y realizaremos las pruebas necesarias para dar con la mejor solución a tu proyecto! ¡Te lo demostramos! Contáctanos a través de este formulario.

Si quieres saber más de Bcnvision visita nuestra web www.bcnvision.es

¡Si te gusta el artículo, compártelo!

SOLUCIONES DE VISIÓN ARTIFICIAL PARA ALIMENTACIÓN Y BEBIDAS. Parte 1.

Destacado

La automatización de procesos en la industria alimentaria es imparable y cada día el mercado ofrece soluciones y tecnologías que mejoran la productividad y su calidad.

La visión artificial se ha convertido en un elemento crucial en la automatización de procesos y , concretamente en el sector de alimentación y bebidas, podemos englobarlos en 4 grandes grupos de soluciones.

A continuación, mostramos ejemplos de algunas de las posibles aplicaciones en:

  1. INSPECCIÓN DE CALIDAD DE PRODUCTO 

Inspeccionar la integridad del producto antes del envasado es fundamental. La visión artificial permite identifica defectos, productos dañados o tolerancias no permitidas en las primeras fases de producción.

  • Detección de cuerpos extraños
  • Detección de contaminación cruzada
  • Detección de manchas y cuerpos extraños
  • Detección de defectos
  • Control de volumen y mediciones
  • Inspección de color / Control del tostado
  • Detección de grasa

Sigue atento a nuestro Linkedin, iremos aumentado la información con más soluciones de visión en alimentación y bebidas.

Si quieres saber más visita nuestra web www.bcnvision.es

O contáctanos directamente en este formulario.

¿Conoces la tecnología Deep Learning aplicada a la visión artificial? Haz click aquí para saber más.

¡Si te gusta el artículo, compártelo!

Deep Learning aplicado a las Ciencias de la Vida

Destacado

Los estudios en laboratorios y las tecnologías para llevarlos a cabo han avanzado muchísimo en los últimos años. Uno de los grandes avances tecnológicos es el Deep Learning aplicado a la visión artificial.

En muchas aplicaciones de laboratorio es necesaria una visión suficientemente flexible como la humana para poder tomar decisiones basadas en un juicio y una experiencia. En muchos casos los problemas de calidad de imagen, de reflejos, superficies brillantes, etc. hacen muy difícil o casi imposible a los algoritmos tradicionales de visión artificial inspeccionar con precisión para detectar anomalías, siendo prácticamente imposible detectar con acierto las diferencias e ignorar características irrelevantes.

Afortunadamente los avances en el análisis de imágenes con Deep Learning han hecho posible la automatización de estas aplicaciones de forma exitosa y fiable.

Detección de defectos, clasificación, lectura de caracteres y verificación de ensamblajes

Las aplicaciones de microscopía clínica y de investigación que anteriormente requerían inspección humana se están reinventando con la aplicación de análisis de imágenes basado en el Deep Learning. Las muestras patológicas e histológicas, por ejemplo, requieren una detección y segmentación precisa de defectos a pesar de los patrones variables e impredecibles de los defectos.

Una célula cancerosa podría aparecer en varios tamaños y formas, y sus diversas formas son, en la mayoría de los casos, más diferentes de lo que son similares. Es efectivamente imposible enseñar a un sistema de inspección a identificar todas las anomalías posibles sin una programación extensa, e incluso entonces, la posibilidad de identificación falsa o de rechazo es alta. En una situación como esta, el análisis de imágenes basado en Deep Learning en modo no supervisado ofrece un modo de inspección altamente preciso y eficiente.

En una aplicación de detección de anormalidades celulares, un ingeniero utiliza imágenes de muestra de posibles anormalidades celulares, como el cáncer, para enseñar al software a conceptualizar y generalizar la apariencia normal de una célula o grupos de células. Estos portaobjetos están etiquetados como «buenos» ejemplos de células sanas y además tienen en cuenta las variantes normales de células sanas, como la mitosis. Luego, durante el tiempo de ejecución, cualquier variación se marca como anómala, marcando el daño celular. Pero esta aplicación requiere un paso más. Una vez que se marca una celda o un grupo de celdas, la región de interés particular debe segmentarse dinámicamente en tiempo real para una revisión adicional. La célula exhibe un daño potencial, después de todo, porque su apariencia se aleja de la norma, pero no es necesariamente cancerosa. Estas desviaciones pueden ser causadas por artefactos en la diapositiva.

Normalmente, una inspección humana, probablemente un patólogo, tendría que revisar este subconjunto de muestras para hacer un diagnóstico firme. Pero, de nuevo, el software basado en Deep Learning puede volver a ejecutar su algoritmo sobre las zonas objetivo del subconjunto, esta vez con reentrenamiento en modo supervisado, para analizar entre «bueno» (tolerable, no dañado) y «malo» (patológico, dañado) células.

Además, con Deep Learning también es posible la clasificación de muestras de sangre, la lectura de caracteres (OCR) en superficies transparentes, reflectantes y/o flexibles en la que los caracteres se presentan deformados y la lectura es mucho más complicada, como por ejemplo pasa en bolsas intravenosas de suero. De esta manera pueden cumplir con las normas de seguridad y llevar una correcta identificación automática de la trazabilidad.

Por otro lado, el correcto ensamblaje de las muestras para análisis (sangre, orina o tejido) en lo que se conoce como verificación previa al ensamblaje, es esencial para reducir cualquier error potencial que pueda amenazar la contaminación, mezclar o etiquetar mal los diagnósticos, o ralentizar o romper equipos costosos. Durante estas inspecciones, el sistema automatizado debe verificar que no haya tubos de ensayo desalineados o ausentes, tapas que no se hayan quitado o recipientes extraños cargados en la rejilla del analizador. La verificación de que el bastidor del equipo se ha poblado completa y correctamente implica la gestión de varios factores: los tubos y recipientes de muestra y reactivo varían según la forma, el tamaño y la dimensión del fabricante, y puede ser imposible para la máquina predecir la posición de las muestras en la plataforma.

Con estas variaciones impredecibles en las configuraciones de prueba, tiene sentido utilizar el Deep Learning para realizar la verificación de ensamblaje.

La herramienta generaliza las características distintivas de las muestras y reactivos en función de su tamaño, forma y características de superficie y aprende su apariencia normal, así como su ubicación general en los bastidores o microplacas de la plataforma. De esta manera, el Deep Learning es capaz de automatizar y resolver una aplicación que antes era difícil de programar de una manera rápida, altamente precisa y fácil de implementar.

Aquí puedes ver una pequeña demostración de como la visión Deep Learning resulve fácilmente aplicaciones de localización, contaje y clasificación en un laboratorio.

Si quiere más información sobre los productos de DEEP LEARNING que disponemos en Bcnvision visita www.bcnvision.es y contacta con nosotros a través del formulario de contacto.

¡Si te gusta el artículo, compártelo!

VERIFICADORES DE CÓDIGO

Destacado

Los códigos de barras son patrones que se ponen es productos, piezas y packaging que aportan algún tipo de información.

Podemos encontrarnos con información de marketing, con códigos QR que te llevan a una web, a una promoción, concurso, etc. Informativos con códigos de barras que aportan información sobre el país de procedencia/fabricación, el nombre de la empresa que fabrica el producto, el número de identificación, el código de verificación, etc. o también pueden contener información sobre la propia trazabilidad del producto, su ciclo de vida dentro del proceso productivo, la lectura de los cuales aporta un control de seguimiento que asegura una correcta cadena de suministro y áreas de producción.

¿Qué es un verificador de códigos y qué beneficios tiene?

Un verificador es una cámara capaz de calificar la calidad de los diversos códigos 1D, 2D y DPM basados en una norma como, por ejemplo, en la norma ISO. Los verificadores asignan una calificación basada en varios parámetros de calidad establecidos. Estos dispositivos alertan a los productores de defectos en los códigos, identificando la problemática, evitando errores de fabricación, paradas en la producción, devoluciones e incluso multas. La detección de una disminución de calidad en los códigos y su rápida solución evita grandes incidencias y reducción de costes además de poder cumplir con los requisitos de calidad que se exigen por ley. Además, la mayoría del software de verificación también comprueba que los datos del código de barras estén formateados de acuerdo con el estándar de aplicación para una industria específica.

¿Cuándo necesitamos realizar una verificación de códigos?

Si queremos reducir o eliminar los costes que genera la utilización de un mal código, como productos o empaques desperdiciados, la reimpresión de los códigos o las devoluciones, los verificadores de códigos son ideales para comprobar la continua calidad de sus códigos. Pero si además hablamos de códigos en productos de industrias reguladas, como son:

– Sector médico o farmacéutico – Sector del automóvil – Aeroespacial – Packaging – Impresión

entre otros, y necesita producir informes que deba imprimir o exportar para demostrar y confirmar que la calidad de los códigos es la que le exigen, los verificadores pasan a ser indispensables en su cadena de producción.

Diferencias entre lectores de códigos y verificadores

Los lectores de códigos escanean los códigos y los traducen en dígitos alfanuméricos en los que se incluye la descripción del artículo, la cantidad de artículos en stock y el precio y se envía a una base de datos donde se almacena. En general podríamos decir que los lectores de códigos nos indican que han podido realizar con éxito la lectura del código y nos aportan toda la información que llevan, pero no garantiza la calidad de éste.
Es decir, que los lectores de códigos de barras se utilizan para leer códigos y los verificadores de códigos de barras se utilizan para clasificar la calidad de los códigos. Los verificadores garantizan que los códigos cumplan con el umbral de calidad de la industria, más que de un productor individual. Son una medida superior de legibilidad de símbolos dado que normalizan el rango de rendimiento entre varios tipos de lectores, desde lectores láser hasta lectores basados en imágenes.

El proceso de verificación es muy distinto a leer un código:

  1. El verificador debe ser calibrado. Las tarjetas de calibración contienen símbolos con imperfecciones intencionadas y se utilizan para controlar las capacidades de informar del verificador y para documentar la conformidad con estándares de la industria, tales como especificaciones ISO/IEC 15415. 
  2. Los estándares de la industria determinan el tipo de arreglos de iluminación permitidos, generalmente una variación de 30, 45, 90 grados e iluminación de domo. 
  3. A los verificadores les lleva más tiempo analizar un código y generar más datos que un lector. Miden parámetros de calidad diferentes como contraste de símbolos, modulación, defectos y legibilidad, al final producen una clasificación (generalmente de la A a la F). Se pueden imprimir o exportar informes para demostrar el cumplimiento de los estándares de calidad.

¿Mi «verificador» es un verificador?

Cinco preguntas clave que ayudan a determinar si un verificador cumple con su definición técnica:

  1. ¿Hay un procedimiento/rutina de calibración adjunta integrada en el dispositivo?
  2. ¿Tiene las posiciones de iluminación precisas establecidas en las normas ISO 29158 (AIMDPM), ISO 15415 o ISO 15416?
  3. ¿Genera un informe que califique códigos con un grado y una disposición óptica (incluyendo ángulo de iluminación, longitud de onda de la luz y tamaño de la abertura)?
  4. ¿Valida que los datos dentro del código estén formateados correctamente?
  5. ¿Produce resultados repetibles?

Saber más sobre el Verificador 475V de Cognex.

Visita nuestra web www.bcnvision.es y contacta con nosotros.

¡Si te gusta el artículo, compártelo!

Cámaras termográficas para medir la temperatura Corporal

Destacado

¿Como nos pueden ayudar para la prevención del contagio por COVIT-19?

Las cámaras termográficas o cámaras térmicas detectan y miden la energía infrarroja de los objetos. Los datos infrarrojos se representan en una imagen que muestra las diferentes temperaturas sobre el objeto. 

Las cámaras termográficas ya se han utilizado anteriormente en casos concretos para el control de accesos en espacios públicos, aeropuertos, estaciones de tren o fábricas   para una detección rápida y sin contacto de persones con una temperatura corporal elevada (ETB).

A raíz de la pandemia global del COVID-19 (coronavirus), es necesario extremar las medidas de precaución y seguridad y para este propósito las cámaras térmicas pueden ser una excelente herramienta. Hay que resaltar que ninguna cámara térmica puede detectar coronavirus ni ningún otro virus.  Su utilización no sustituye en ningún caso a una prueba de diagnóstico oficial.

Identificar a las personas con temperatura corporal alta puede ayudar a disminuir o reducir drásticamente la propagación del coronavirus.

Las cámaras térmicas se utilizan únicamente para detectar una temperatura corporal elevada, es decir fiebre. Si la temperatura de la piel en áreas clave (principalmente alrededor de los ojos) está por encima de la temperatura promedio, podría ser un indicador de que esa persona tiene fiebre. Estaríamos detectando un posible síntoma de una infección por coronavirus. En ese caso se podría seleccionar a la persona para hacerle una segunda prueba más concreta. Y es ahí donde las cámaras térmicas pueden ayudarnos como un primer cribaje para asegurar la salud de nuestro trabajadores, clientes o usuarios de nuestros espacios.

Pero no todas las cámaras miden de la temperatura de la misma manera.A la hora de elegir una cámara térmica con garantías para medir la temperatura corporal es interesante tener en cuenta diferentes aspectos.

La temperatura de la piel no es la temperatura corporal.

La temperatura de la frente de una persona no es un buen punto de referencia para medir la temperatura corporal, ya que es susceptible a influencias como:

  • Condiciones ambientales
    • Vestimenta
    • Transpiración

Los estudios indican que las variaciones de temperatura entre la piel y la temperatura corporal pueden llegar hasta tres grados de diferencia.

Está demostrado que la zona del lagrimal tiene la mejor correlación con la temperatura corporal interna por ello es importante asegurase que la cámara utilizada está tomando las medidas de temperatura en esas zonas.
Los expertos en termografía recomiendan únicamente tomar la temperatura corporal en dicha zona, de unos 7mm en cada ojo, cubierta por un mínimo de 6 a 8 píxeles.
La distancia recomendada es de 1 a 3 metros, teniendo en cuenta que para distancias mayores se requieren mayores resoluciones.

Condicionantes que pueden influir en la temperatura corporal.

La temperatura corporal de las personas no es exactamente la misma durante todo el día y existen diferentes factores que pueden hacerla variar como, por ejemplo:

  • Nivel de actividad
  • Dieta
  • Género
  • Raza
  • Edad

Para evitar falsos negativos y positivos estos condicionante deberían de ser tomados en cuenta en la medición de la temperatura y no utilizar una medida de referencia única Black Body o Cuerpo Negro.

Calidad del sensor y la electrónica

También hay que tener en cuenta que la calidad del sensor y la electrónica interna de la cámara pueden ser críticas y también son importantes para garantizar la estabilidad en las medidas.

Cámaras Homologadas

Por último, como norma básica para tener unas mínimas garantías, es que la cámara térmica esté homologada.

Si quieres conocer más sobre cámaras termográficas o térmicas que ofrezcan las máximas garantías haz click aquí y descubre la cámara A400.

Visita nuestro Canal de Youtube y descubre las soluciones de visión artificial que podemos ofrecerte

¡Si te gusta el artículo, compártelo!

MotionCam3D de Photoneo

Es la cámara 3D de mayor resolución y precisión, para escanear en movimiento a gran velocidad. Está basada en la tecnología patentada de Photoneo, Parallel Structured Light, implementado por un sensor de imagen CMOS personalizado.

Además de aplicaciones de Bin Picking y otras aplicadas al sector logístico para comercio electrónico, la fiabilidad y precisión de la cámara les permite a los robots manejar objetos más pequeños y sensibles en aplicaciones de paletizado/despaletizado, machine tending, control de calidad y metrología.

La cámara 3D puede inspeccionar objetos que se mueven a alta velocidad. Otras áreas donde pueden utilizarse sus magníficas cualidades son en sistemas de entrega autónomos, clasificación de objetos y sistemas de seguridad.

Un ejemplo de las aplicaciones a las que se puede destinar:

Algunas de sus principales características son:

  • Adquisición de imagen en movimiento
  • Gran profundidad de campo
  • Permite realizar una calibración precisa
  • Composición de carbono para una expansión térmica mínima
  • Posee métodos avanzados de supresión de luz ambiental
  • Fácil conexión y configuración a través de Ethernet
  • Incluye API avanzada y con integración simple

Os dejamos algunos vídeos de lo que puede hacer la visión 3D en movimiento! Si quieres más información, un estudio de viabilidad o asesoramiento, no lo dudes y contacta con nosotros en www.bcnvision.es/contacto

¡Si te gusta el artículo, compártelo!