3. Aplicaciones
• En las líneas de producción, la necesidad de cámaras
inteligentes está creciendo por una variedad de razones. En la
manufactura, la tolerancia disminuye mientras que los
productos y sus componentes disminuyen de tamaño. Al
mismo tiempo, los fabricantes demandan menor cantidad de
errores y la nano-manufactura está en el horizonte.
• Mejores que cualquier ojo humano, las cámaras inteligentes
en una línea de producción pueden verificar muchas y
distintas características simultáneamente, con una precisión
para localizar los objetos de 0.02 pixeles, lo que resulta de tres
a cinco veces más preciso que la mayoría de las máquinas de
visión en el mercado.
• El sistema de inspección "Can Scan" de la Universidad de York,
permite verificar el correcto empaquetado de productos.
5. Algunas características importantes del sistema son: la velocidad de la cinta
transportadora puede ser hasta de 30 metros/minuto, con un
espaciamiento mínimo de un paquete. Puede utilizarse en latas aerosoles,
botellas, barras de chocolate y cualquier otro empaquetado transparente.
6. Algoritmos
• Los algoritmos utilizados en cada una de las aplicaciones
varían así como las aplicaciones de las cámaras inteligentes.
• Lo primero que realiza la cámara es aprender; las cámaras
serán capaces de interpretar bordes curvados, poco definidos
o punteados. En muchos casos de automatización industrial,
los bordes son tan poco definidos que hasta el mismo ojo
humano no puede distinguirlos claramente, pero estos
sistemas si pueden.
• El objetivo final de la detección de bordes es lograr la
construcción de un dibujo de línea idealizado
7. Convolución usando filtros
lineales
• La función que resulta de la convolución de dos funciones es
definida como:
• Por lo tanto, el algoritmo para detectar un borde
unidimensional es muy sencillo:
• 1. Convolucionar la imagen I, utilizando G’(x) para obtener
R.
• 2. Determinar el valor absoluto de R.
• 3. Marcar los picos de abs(R) cuyo valor rebasa un límite
fijado, Tn. El propósito de establecer un límite es para eliminar
los picos falsos producidos por el ruido.
8. El algoritmo para detectar bordes verticales es el siguiente:
• 1. Convolucionar la imagen I(x,y), utilizando G’(x)G(y) para
obtener Rv(x,y).
• 2. Determinar el valor absoluto de Rv(x,y).
• 3. Marcar los picos de abs(Rv(x,y).) que rebasan un límite
fijado, Tn.
• El algoritmo para detectar los bordes que tengan una
orientación cualquiera es:
• 1. Convolucionar la imagen I(x,y), empleando fv(x,y) y
fh(x,y) para obtener Rv(x,y) y Rh(x,y), respectivamente. Se
define R(x,y)= (Rv(x,y))^2+(Rh(x,y))^2.
• 2. Determinar el valor absoluto de R(x,y).
• 3. Marcar los picos de abs(R(x,y).) que rebasan un límite
fijado, Tn.
9. Obtención de información
tridimensional por
percepción visual.
• Para llevar a cabo ciertas acciones como son la manipulación,
el desplazamiento e identificación es necesario obtener
información tridimensional.
• 1. Segmentación de la escena en objetos independientes.
• 2. Definición de la posición y orientación de cada uno de
los objetos relativos al observador.
• 3. Definición de la forma de cada objeto
10. CONCLUSION
• En conclusión podemos decir que el uso de cámaras
inteligentes permitirá en un futuro no muy lejano fabricar
productos con una muy alta calidad y considerablemente más
económicos, debido a que se ahorrará tiempo y esfuerzo en el
momento de realizar controles de calidad, lo que garantizará
productos de muy alta calidad y menos susceptibles a fallas.
Todo esto se traducirá en mejores servicios y menor coste
para el usuario final.
•
• En el mercado de la seguridad y vigilancia, el uso de las
cámaras inteligentes, en áreas públicas como estaciones de
subterráneos y centros comerciales permitirá una vigilancia y
supervisión más efectiva en la detección de intrusos o
situaciones poco usuales.