Vous êtes sur la page 1sur 12

Visión artificial

Introducción.
A lo largo de la historia la humanidad ha ido evolucionando, tanto social como
tecnológicamente, para poder satisfacer sus necesidades que se le presentan día a día,
gracias a esta habilidad y con ayuda de la tecnología han descubierto varias soluciones
diarias.
Uno de los mayores descubrimientos en el ámbito tecnológico ha sido la inteligencia
artificial que posee infinidad de usos, ya que es un sistema experto el cual puede ser usado
desde un robot aspiradora en un hogar, hasta ayudar a descubrir que enfermedad padece
una persona. Dentro de la IA existe una rama que trata sobre la VISION ARTIFICIAL, la
cual busca imitar la visión humana a tal punto que funcione como unos ojos verdaderos.
A continuación hablaremos de cómo funciona esta tecnología y su uso en diferentes campos
científicos.

Concepto.
La visión artificial, también conocida como visión por computador (del inglés computer visión)
o visión técnica, es un subcampo de la inteligencia artificial. El propósito de la visión artificial
es programar un computador para que "entienda" una escena o las características de una
imagen.

Es un sistema que permite la adquisición automática de imágenes sin contacto y su análisis


también automático para extraer los datos necesarios para controlar, analizar o interpretar un
proceso o actividad.

• Primero, “automático” implica que los sistemas de visión actúan por si solos, sin asistencia
humana en el análisis o interpretación de las imágenes.
• Segundo incluye la “captura y análisis de imágenes” y no solo la captura o análisis.
• Tercero “sin contacto” se refiere a los sensores utilizados en la captura de imágenes.

2
Los objetivos visión artificial incluyen:
 La detección, segmentación, localización y reconocimiento de ciertos objetos en
imágenes (por ejemplo, caras humanas).
 La evaluación de los resultados (por ejemplo, segmentación, registro).
 Registro de diferentes imágenes de una misma escena u objeto, es decir, hacer
concordar un mismo objeto en diversas imágenes.
 Seguimiento de un objeto en una secuencia de imágenes.
 Mapeo de una escena para generar un modelo tridimensional de la escena; este
modelo podría ser usado por un robot para navegar por la escena.
 Estimación de las posturas tridimensionales de humanos.
 Búsqueda de imágenes digitales por su contenido.
Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje
estadístico, geometría de proyección, procesamiento de imágenes, teoría de grafos y otros
campos. La visión artificial cognitiva está muy relacionada con la psicología cognitiva y la
computación biológica.

Terminología:
El proceso de visión por computadora puede subdividirse en seis áreas principales:

1. Censado: Es el proceso que nos lleva a la obtención de una imagen visual.

2. Preprocesamiento: Trata de las técnicas de reducción de ruido y enriquecimiento de


detalles en la Imagen.

3. Segmentación: Es el proceso de partición de una imagen en objetos de interés.

4. Descripción: Trata con el cómputo de características útiles para diferenciar un tipo de


objeto de otro.

5. Reconocimiento: Es el proceso que identifica esos objetos.

6. Interpretación: Asigna un significado a un conjunto de objetos reconocidos.

3
Aplicaciones industriales de la visión artificial

En la industria, como campo general de desarrollo, el reconocimiento de imágenes está


íntimamente ligado a un sistema de procesamiento que ofrezca una alta calidad y seguridad
en su utilización practica como es la Inteligencia Artificial.

Aunque la Inteligencia Artificial aun es un frente cambiante y en continuo desarrollo, las


bases de la visión artificial como parte de un sistema de IA han sido fuertemente apoyadas
por este sector, por el aprovechamiento de recursos que ello supone.

A continuación se exponen ejemplos de la visión artificial aplicadas en la industria.


La inspección de productos industriales, el guiado de robots o el control del tráfico son sólo
algunas de las aplicaciones de los sistemas de visión artificial pero existen otros más
innovadores y de los que se tiene menos conocimiento.

Metrología óptica 2D y 3D

Diseño de sistemas industriales de visión artificial para control metrológico en 2 y 3


dimensiones con el fin de detectar desviaciones respecto a las medidas reales.

VA en control industrial En el área de la metrología, los sistemas de visión artificial tratan de


obtener las magnitudes físicas del objeto y verificar posteriormente que se corresponden con
el patrón exigido. Para ello se desarrolla un software capaz de detectar estos aspectos y
establecer si se cumplen o no los diferentes requisitos. Entre las principales ventajas de este
sistema se encuentra que no es necesario el contacto con el objeto y la posibilidad de
realizar el control en el cien por cien de las piezas fabricadas. La visión artificial permite
verificar dimensiones de piezas industriales con precisión.

La visión artificial puede alcanzar una precisión por debajo de la centésima de milímetro, lo
que le hace ser un sistema atractivo para su implantación en industrias como la del
automóvil.

4
Lectura de datos (OCR, OCV, código de barras)

Diseño e implementación de sistemas de visión artificial para reconocimiento y verificación


de caracteres (OCR, OCV, datamatrix) orientado a la mejora de la trazabilidad,
almacenamiento y lectura de determinados documentos con aplicación a sectores como la
gestión logística, de almacenes y de seguridad.
El texto legible por humanos es el modo preferido de etiquetar artículos para objetivos como
el rastreo con números de serie, la notificación de fecha de vencimiento, el tipo de artículo, el
número de lote y/o la descripción del valor nominal.
El reconocimiento de carácter óptico gira en torno a una marca en una imagen digital con
una serie de caracteres, para lectura o comprobación del contenido.
Los dispositivos de impresión industriales usan una gran variedad de tecnologías resultando
en una innumerable cantidad de apariencias y renderizados, un lector robusto debe estar
capacitado para procesar de manera fidedigna cualquier tipo de marca.

Recuento de productos en procesos complejos y de alta velocidad

Diseño e implementación de sistemas de visión artificial para conteo de productos en


transportes, estáticos... por ejemplo para empaquetado de productos automatizado.
Control de calidad en procesos de producción, detección de defectos en productos; aspecto,
tamaño, longitud.
Diseño e implementación de sistemas de visión artificial para control dimensional (tamaño,
longitud) y estético (defectos físicos) aplicado al control de calidad de productos
manufacturados en general tanto a nivel industrial (piezas de automóviles, salpicaderos,
lunas de coche, ladrillos, baldosas) como de consumo.

Sistemas de seguridad y vigilancia.

Una imagen multiespectral consiste en imágenes de un mismo objeto, tomas con diferentes
longitudes de onda. Puede ser luz visible, infrarrojos, ultravioleta, rayos-X u otra franja del
espectro.
Diversos aparatos hacen fotos espectrales. Pueden ser cámaras comunes de vigilancia o
equipamientos de análisis para laboratorio, para análisis espectral. Pero comúnmente son
asociados a satélites de detección remota y naves espaciales, pues muchos de ellos
transportan cámaras multiespectrales. De esta forma pueden escoger que longitud registrar.

5
Control medioambiental (costas, bosques, vigilancia de animales…)

Diseño e implementación de sistemas de visión artificial aplicado al control de entornos


naturales y medioambientales (costas, bosques, vigilancia de animales...)

Vigilancia de grandes áreas (control de flujo de clientes en las tiendas, artículos


abandonados, comportamientos, identificación de personas)

Diseño e implementación de sistemas de visión artificial aplicado al control de comercios y


centros de afluencia (control de accesos, flujo de clientes en las tiendas, artículos
abandonados, comportamientos, identificación de personas)

La visión artificial en la biología

En el campo de la biología hay que distinguir entre dos tipos de aplicaciones de visión
artificial, aplicaciones microscópicas y macroscópicas.
Para aplicaciones microscópicas la estrategia a seguir es, mediante técnicas de
segmentación orientadas a regiones, la identificación de diferentes propiedades de las
células (color, forma, tamaño, etc) o bien, para contar el número de microorganismos o
células presentes en una muestra de la que se ha obtenido una imagen.

En cuanto a las aplicaciones macroscópicas de lo que se trata es de la identificación de


determinados tipos de texturas en vegetales, o características de diferentes áreas naturales
por rasgos característicos, como color, grado de floración o crecimiento de especies por
diferencia de imágenes por ejemplo. En concreto este último método también se emplea en
la geología para detectar movimientos de regiones.

Aplicaciones de biométrica para seguridad

Otras aplicaciones no médicas de la visión artificial aplicada a la biomedicina es por ejemplo


la utilización de imágenes de huellas dactilares, caras o imágenes de retinas.

Para aplicar la biometría a la identificación de individuos deben cumplirse una serie de

6
requisitos: Permanencia. El rasgo a medir no debe cambiar en el tiempo (salvo enfermedad).

Unicidad. El patrón debe tener una probabilidad muy baja de coincidir con el de otro sujeto.

Universalidad. Toda persona debe tener dicha característica a observar.

Huellas dactilares

Huella dactilar Para la identificación por medio de huellas dactilares la estrategia a seguir es
la observación de puntos singulares.
Los puntos con mayor concentración de puntos singulares (80%) se encuentran cuando se
termina una línea y donde se bifurca una línea. A estos puntos se les llama minucias.
Después a cada minucia se le atribuye una posición y una orientación. El proceso de
obtención de las minucias recibe el nombre de filtrado.
Una vez filtrada una huella para buscar coincidencias con las huellas almacenadas en la
base de datos se realiza el emparejado.
Las huellas tienen una primera clasificación según el patrón general que sigue, así, existe la
clasificación de Henry, que distingue 5 tipos de huellas (right loop, left loop, whorl, arch y
tented arch). Una vez clasificada la huella dentro de uno de ellos se procede a buscar dentro
del grupo apropiado la huella que más se parece a la que deseamos identificar. Para esta
parte también existe un gran número de algoritmos, que no vamos a explicar. Es importante
destacar que para este proceso una comparación exhaustiva de las huellas almacenadas
con la huella a identificar es un proceso muy costoso, por lo que se recurre a algoritmos no
tan efectivos como el de “fuerza bruta” pero mucho más rápidos. Entre estos últimos las
mejores soluciones son las proporcionadas por redes neuronales, la transformada de Hough
o en algoritmos genéticos.

Ejemplos de aplicaciones de identificación por huellas dactilares

Fprintfprint
Fprint es un software de identificación de huellas dactilares de código abierto para linux.
Utilizando este software podemos substituir nuestro password por nuestras huellas dactilares
en nuestro pc personal.

7
Detección de caras

Existen infinidad de aplicaciones de detección de rostros, tanto para seguridad como para
otro tipo de aplicaciones, como por ejemplo en cámaras de fotos, para que el enfoque
automático sepa donde tiene que enfocar.

¿Cómo funciona el reconocimiento facial?

Como existe una gran cantidad de aplicaciones, el funcionamiento varia de unas a otras,
pero independientemente de los patrones empleados por cada programa hay una serie de
pasos comunes.

Una vez obtenida una imagen (ya sea empleando camaras dedicadas a aplicaciones de
seguridad o webcams domésticas) el primer paso consiste en la extracción de la cara de la
imágen. Para ello se obtienen puntos singulares con los que centrar la imagen, los ojos por
ejemplo. De esta imagen centrada se normaliza a un tamaño y profundidad específicos para
después extraer rasgos de ella (estos primeros pasos son comunes a la mayor parte de
aplicaciones de visión artificial):

face to features

A continuación se divide la imagen en bloques menores y se almacena en una matriz:

face to dct

Eigenfaces

Finalmente se procesan los datos de las nuevas imágenes y se generan sus “Eigenfaces”,
conjunto de vectores propios, mediante un proceso matemático llamado ACP. Es decir
separamos la información de la cara en una serie de autovectores, derivados del análisis
estadístico de un gran número de rostros.
A la derecha podemos ver en la imagen el ejemplo de un Eigenface.
Después comparándolos con los originales se obtiene el porcentaje de coincidencia con el
original.

8
Detección de matrículas Control del tráfico

Otra aplicación ampliamente utilizada es la detección de matrículas de los coches utilizando


visión artificial. Existe un gran número de programas comerciales dedicados a esto y
ampliamente utilizados en parkings, etc.

Seguimiento de actividades humanas

Otra aplicación que se está teniendo una gran expansión tanto para aplicaciones de vídeo-
vigilancia como de interacción persona-computador es la del seguimiento de personas en
secuencias de imágenes y la interpretación automática de las actividades que desarrollan.

Para la realización de estas tareas se combinan métodos de seguimiento visual con el


reconocimiento de patrones y aprendiza

Microscopía digital

La digitalización de una imagen electrónica o de video capturada por un microscopio óptico


permite obtener un incremento espectacular en las posibilidades de ampliar características,
extraer información o modificar la imagen. En comparación con el mecanismo tradicional de
captación de imágenes, la fotomicrografía en película, la digitalización de la imagen y el
proceso de pos adquisición/recuperación permiten una modificación reversible de la imagen
como matriz ordenada de enteros fundamentalmente libre de ruido más que una mera serie
de variaciones análogas en color e intensidad.

La visión artificial en la medicina

En el campo de la medicina se dan un gran número de aplicaciones en las que aparece la


utilización de imágenes para la realización de diagnósticos de diferentes enfermedades,
como por ejemplo radiografías, resonancias magnéticas, tomografías, etc.

Por tanto y gracias a la extensión de este campo hay un gran número de aplicaciones:
detección de tumores, arteroesclerosis, etc..

9
Visión artificial aplicada al sistema visual humano

Cuando la retina está dañada o no funciona bien, los fotorreceptores dejan de funcionar,
pero eso no quiere decir que toda la estructura del sistema visual humano no pueda seguir
funcionando. Por ello, algunos científicos están desarrollando microchips de silicio que
puedan dotar de visión artificial a aquellas personas a quienes no les funcionan los
fotorreceptores. ( los fotorreceptores se localizan en la retina en el interior del ojo y existen
tres tipos diferentes: los conos, los bastones y las células ganglionales)

La información captada por los fotorreceptores se transmite a las células ganglionares,


donde se interpreta y se manda al cerebro a través del nervio óptico. Existen enfermedades
que afectan a estas células como la retinosis pigmentaria o la DMAE, que dejan inoperativos
los fotorreceptores pero no dañan las células ganglionares o el nervio óptico, con lo cual el
problema no es que la información no puede llegar al cerebro, sino que no se puede captar.
En estos casos se pueden desarrollar unos conos y bastones artificiales.

Los requisitos de los microchips para que cumplan la función de los fotorreceptores
son:

Que sean lo suficientemente pequeños como para implantarlos en el ojo.


Que tengan una fuente de abastecimiento de energía continua.
Que no causen rechazo, es decir, que sean biocompatibles con los tejidos del ojo.
Uno de los micros que se ha desarrollado con éxito por el momento es un dispositivo de
2 mm de diámetro y tan delgado como un cabello humano. Contiene 3,500 células solares
microscópicas que imitan a los bastones y los conos y convierten la luz en impulsos
eléctricos. Se abastece de energía solar, con lo que se evitan cables y baterías.

Comparación
Sistema humano:

• Mejor reconocimiento de objetos.


• Mejor adaptación a situaciones imprevistas (oscuridad).
• Utilización de conocimiento previo (experiencias).

Sistema por computadora:

• Mejor en la medición de magnitudes físicas (cálculos precisos).


• Mejor para la realización de tareas rutinarias.
10
Ejemplo: Un argentino ciego logró ver tras un implante de ojos artificiales Hay un argentino,
y sólo uno, que ve la luz al final del túnel. Es una de las ocho personas operadas en Portugal
con un sistema que usa cámaras y electrodos conectados al cerebro. Se trata de Edmundo,
de 51 años de edad y ciego desde hace 29, quien se convirtió en uno de los ocho primeros
pacientes en recibir un implante de ojos artificiales, que incluyen minicámaras de TV,
computadora para procesar las imágenes y electrodos conectados directamente en el
cerebro. La tecnología fue desarrollada por un equipo norteamericano y las operaciones se
efectuaron en Portugal.

Una versión del mismo sistema había sido presentada hace dos años, y todavía se lo
considera un método experimental. No proporciona una visión tan precisa como para, por
ejemplo, leer, pero, según el equipo que lo desarrolló, permite a los usuarios movilizarse por
sí mismos en una ciudad; les ofrece, efectivamente, una imagen "túnel", focalizada por la
minicámara de TV. Las intervenciones fueron efectuadas.

En Lisboa por el neurocirujano portugués Joao Lobo Antunes, en el marco del programa del
Instituto Dobelle de Estados Unidos. Se realizaron en abril pero sedieron a conocer, cuando
los resultados fueron presentados para su publicación en el Journal of the American Society
for Artificial Internal Organs. El paciente argentino había perdido la vista a los 22 años en un
accidente de auto; el mismo motivo causó la ceguera de otros tres de los ocho pacientes,
cuyas edades van de los 39 a los 77 años y sus tiempos de ceguera desde dos hasta 57
años. La operación dura unas cuatro horas, se efectúa con anestesia general y consiste en
implantar, en el sector del cerebro que procesa las imágenes visuales, una placa de platino
con una serie de electrodos.

El sistema completo funciona así: el paciente usa unos anteojos donde hay montados una
minicámara de televisión y un sensor ultrasónico de distancias. Los datos que estos
instrumentos reciben son enviados a una computadora que la persona lleva en la
cintura.Esta procesa la información y la envía a la placa de platino, cuyos electrodos la
introducen en el sistema nervioso. El resultado es una imagen "túnel", focalizada por la
cámara. En la prueba que se efectuó hace dos años, cuando el sistema fue presentado por
primera vez, un paciente fue capaz de retirar un gorro negro colgado en una pared blanca y
colocárselo a un maniquí situado en otro lugar de la habitación.

11
La visión artificial en la educación

La visión artificial es una tecnología relativamente nueva y de incontables funciones, pero su


uso en la educación es muy limitado.
Una de las materias en la cual se utiliza esto es en la agricultura, ya que han creado
máquinas que detecta y separa las naranjas podridas, otras que clasifica los gajos de
mandarina según su calidad y una tercera que ayuda a los recolectores de cítricos en el
campo. Todos los prototipos utilizan la visión por computador para realizar la inspección
automática de las frutas, esto ayuda a los estudiantes de esta carrera a reconocer mejor la
calidad de los frutos.
Cualquier persona con un poco de conocimiento en programación puede realizar un sistema
de visión artificial gracias a un programa llamado LabView, el cual utiliza la cámara de la PC
y pequeños robots que uno mismo puede fabricar gracias a LEGO MINDSTRORM, de la
famosa compañía de LEGO, la cual comercializa juguetes roboticos para niños.
Con esto en algún futuro los chicos podrían realizar robots los cuales trabajarían
identificando distintos materiales que se le programaran, por ejemplo un estudiante de
electrónica lo usaría para poder identificar con rapidez los distintos componentes de una
placa, diodos, transistores, capacitadores, etc.

Conclusión

La visión artificial es una técnica relativamente nueva que está experimentando en los
últimos años un auge importante entre las aplicaciones industriales. En este sentido, en los
últimos años, la visión por ordenador ha sido muy atractiva para la industria de la
alimentación y la agricultura, con un rápido crecimiento en la inspección por calidad y en la
clasificación y evaluación de un amplio rango de productos agrícolas y alimentarios.

Sin embargo, a pesar del importante número de investigaciones teóricas y sobre equipos
que existían sobre este tema, el porcentaje relativo de penetración en la industria es bajo en
comparación con el de otros sectores, por lo que es un área de gran expansión en el futuro.
Esta aplicación de la inteligencia artificial que es la visión artificial es muy interesante y
ayuda en muchas aéreas en especial referido en la visión humana.

12
Webgrafía

http://sabia.tic.udc.es/gc/Contenidos%20adicionales/trabajos/3D/VisionArtificial/aplicaciones.
html

http://es.wikipedia.org/wiki/Visi%C3%B3n_artificial

http://www.dailymotion.com/video/xa0f25_vision-artificial-cerebro-humano_school

http://www.visiononline.es/es/actualidad-en-vision-artificial/la-vision-artificial-y-su-influencia-
en-espana

13