Cámaras de visión artificial y sus aplicaciones

Muchos technical factors, como data, algorithms y computing power, contribuyen al éxito de una aplicación de inteligencia artificial (IA). Específicamente en computer vision, un subcampo de la IA que se centra en permitir que las máquinas analicen y comprendan imágenes y vídeos, uno de los factores más críticos es la fuente de entrada o de datos: la camera. La calidad y el tipo de cámaras utilizadas para una computer vision application afectan directamente al performance of AI models.

Elegir la cámara adecuada es fundamental porque las diferentes computer vision tasks requieren distintos tipos de visual data. Por ejemplo, las cámaras de alta resolución se utilizan para aplicaciones como el facial recognition, donde los detalles faciales finos deben capturarse con precision. En contraste, las cámaras de menor resolución se pueden emplear para tareas como el queue monitoring, que dependen de patrones más amplios en lugar de detalles intrincados.

Hoy en día, existen muchos tipos de cameras disponibles, cada una diseñada para satisfacer necesidades específicas. Comprender sus diferencias puede ayudarte a optimizar tus computer vision innovations. Vamos a explorar los distintos tipos de cámaras de computer vision y sus aplicaciones en diferentes industrias.

Explorando cámaras RGB para visión artificial#

Las cámaras RGB (rojo, verde y azul) se utilizan comúnmente en computer vision applications. Capturan imágenes en el visible spectrum dentro de longitudes de onda de 400 a 700 nanómetros (nm). Dado que estas imágenes son similares a la forma en que ven los humanos, las cámaras RGB se emplean para muchas tareas como la object detection, la instance segmentation y la pose estimation en situaciones donde la visión similar a la humana es suficiente.

Fig 1. Una descripción general de cómo funcionan las cámaras RGB.

Estas tareas suelen implicar identificar y detecting objects desde una two-dimensional (2D) perspective, donde capturar la profundidad no es necesario para obtener resultados precisos. Sin embargo, cuando una aplicación requiere información de profundidad, como en la 3D object detection o la robotics, se utilizan cámaras RGB-D (rojo, verde, azul y profundidad). Estas cámaras combinan datos RGB con depth sensors para capturar detalles en 3D y proporcionar mediciones de profundidad en tiempo real.

Uso de cámaras RGB-D en tiendas minoristas#

Una aplicación interesante en la que las cámaras RGB-D pueden resultar útiles son los virtual try-ons, un concepto cada vez más popular en retail stores. En pocas palabras, las pantallas inteligentes integradas con cámaras y sensores RGB-D pueden recopilar detalles como la altura, la forma corporal y el ancho de hombros de un comprador. Usando esta información, el sistema puede superponer digitalmente ropa en una imagen en vivo del cliente. Las Computer vision tasks, como la instance segmentation y la pose estimation, pueden procesar los visual data para detectar con precisión el cuerpo del cliente y alinear la ropa para que se adapte a sus proporciones en tiempo real.

Fig 2. Un ejemplo de prueba de ropa virtual.

Los Virtual try-ons ofrecen a los clientes una vista en 3D de cómo les quedaría un conjunto, y algunos sistemas pueden incluso imitar el movimiento de la tela para lograr una realistic experience mayor. El computer vision y las cámaras RGB-D permiten a los clientes evitar el probador y probarse la ropa al instante. Esto ahorra tiempo, facilita la comparación de estilos y tallas, y mejora la shopping experience en general.

Comprender las cámaras de visión estéreo y de tiempo de vuelo (ToF)#

Las cámaras estéreo son un tipo de cámara que utiliza múltiples sensores de imagen para capturar la profundidad comparando imágenes desde diferentes ángulos. Son más precisas que los sistemas de un solo sensor. Por otro lado, las cámaras o sensores de tiempo de vuelo (ToF) miden distancias emitiendo luz infrarroja que rebota en los objetos y vuelve al sensor. El tiempo que tarda la luz en volver es calculado por el procesador de la cámara para determinar la distancia.

Fig 3. Una descripción general de cómo funcionan las cámaras ToF.

En algunos casos, las cámaras estéreo se integran con sensores ToF, combinando las fortalezas de ambos dispositivos para capturar información de profundidad rápidamente y con alta precisión. La combinación de las mediciones de distancia en tiempo real de un sensor ToF con la percepción de profundidad detallada de una cámara estéreo la hace ideal para aplicaciones como autonomous vehicles y consumer electronics, donde tanto la velocidad como la precisión son vitales.

Un ejemplo cotidiano de detección de profundidad por cámara de tiempo de vuelo (ToF)#

Es posible que hayas utilizado una cámara de tiempo de vuelo (ToF) sin darte cuenta. De hecho, los smartphones populares de marcas como Samsung, Huawei y Realme suelen incluir sensores ToF para mejorar las capacidades de detección de profundidad. La información de profundidad precisa que proporcionan estas cámaras se utiliza para crear el popular efecto bokeh, donde el fondo se desenfoca mientras el sujeto permanece perfectamente enfocado.

Los sensores ToF también se están volviendo esenciales para otras aplicaciones más allá de la photography, como el gesture recognition y la augmented reality (AR). Por ejemplo, phones como el Samsung Galaxy S20 Ultra y el Huawei P30 Pro utilizan estos sensores para trazar mapas de profundidad en 3D en tiempo real, mejorando tanto la photography como las interactive experiences.

Cámaras infrarrojas o térmicas para la detección de calor#

Las cámaras térmicas, como su nombre indica, se utilizan ampliamente para la heat detection en diversas aplicaciones, incluidas las manufacturing industries y las automobile factories. Estas cámaras miden la temperatura y se pueden emplear para alertar a los usuarios cuando detectan niveles críticos de calor que son demasiado altos o demasiado bajos. Al detectar la radiación infrarroja, que es invisible para el ojo humano, proporcionan lecturas de temperatura precisas. A menudo denominadas infrared cameras, sus usos también se extienden más allá de los industrial settings. Por ejemplo, las cámaras térmicas también se utilizan en la agriculture para monitor livestock health, en building inspections para identificar fugas de calor y en la firefighting para localizar focos de calor.

Fig 4. Bomberos utilizando cámaras térmicas para encontrar focos de calor.

Imágenes térmicas para aplicaciones industriales#

Las machines y los sistemas eléctricos en plantas de fabricación o oil and gas rigs a menudo operan de forma continua y generan calor como subproducto. Con el tiempo, puede producirse una acumulación excesiva de calor en componentes como motores, rodamientos o electrical circuits, lo que puede provocar equipment failure o safety hazards.

Las cámaras térmicas pueden ayudar a los operadores a monitorizar estos sistemas detectando picos de temperatura anormales a tiempo. Se puede programar el mantenimiento de un motor que se esté sobrecalentando para prevenir averías costosas. Al integrar la termografía en las inspecciones regulares, las industrias pueden implementar el predictive maintenance, reducir el tiempo de inactividad, prolongar la vida útil de los equipos y garantizar un entorno de trabajo más seguro. En general, se puede mejorar el rendimiento de la planta y minimizar el riesgo de fallos inesperados.

Cámaras lentas y de alta velocidad para captura de movimiento#

Las cámaras de alta velocidad están diseñadas para capturar más de 10.000 fotogramas por segundo (FPS) con el fin de procesar movimientos rápidos con una exceptional accuracy. Por ejemplo, cuando los productos se mueven rápidamente en una línea de producción, se pueden usar cámaras de alta velocidad para monitorizarlos y detect cualquier anomalía.

Por otro lado, las cámaras de cámara lenta pueden utilizarse para capturar imágenes a altas velocidades de fotogramas y luego reducir la velocidad de reproducción. Esto permite a los espectadores observar detalles que a menudo se pierden en tiempo real. Estas cámaras se utilizan para evaluar el rendimiento de armas de fuego y materiales explosivos. La capacidad de ralentizar y analizar movimientos intrincados es ideal para este tipo de aplicación.

En determinadas situaciones, combinar cámaras de alta velocidad y de cámara lenta puede ayudar a realizar un análisis detallado de objetos que se mueven rápida y lentamente dentro del mismo evento. Supongamos que analizamos un game of golf. Las cámaras de alta velocidad pueden medir la speed of a golf ball, mientras que las cámaras de cámara lenta pueden analizar los movimientos del swing y el control corporal del golfista.

Fig 5. Uso de computer vision y cámaras de alta velocidad para analizar el swing de un golfista.

Imágenes multiespectrales en visión artificial#

Las cameras multiespectrales son dispositivos especializados capaces de registrar múltiples longitudes de onda del espectro lumínico, incluyendo el ultravioleta y el infrarrojo, en una sola toma. La imagen multiespectral proporciona datos detallados y valiosos que las cámaras tradicionales no pueden capturar. Al igual que las cámaras hiperespectrales, que capturan bandas de luz aún más estrechas y continuas, las cámaras multiespectrales se utilizan en campos como la agriculture, la geología, el environmental monitoring y el medical imaging. Por ejemplo, en el ámbito de la healthcare, las cámaras multiespectrales pueden ayudar a visualizar diferentes tejidos capturando imágenes a través de múltiples longitudes de onda.

Fig 6. Comparación de imágenes RGB, multiespectrales e hiperespectrales.

De igual modo, los drones equipados con tecnología de imagen multiespectral están avanzando significativamente en la agricultura. Pueden identificar plantas enfermas o afectadas por insects and pests en una etapa temprana. Estas cámaras pueden analizar el espectro del infrarrojo cercano, y las plantas sanas por lo general reflejan más luz infrarroja cercana que las enfermas. Al adoptar estas técnicas de IA en la agriculture, los agricultores pueden implementar contramedidas tempranas para aumentar el rendimiento y reducir la pérdida de cosechas.

Cámaras LiDAR para vehículos autónomos#

Las LiDAR (Light Detection and Ranging) cameras utilizan pulsos láser para crear mapas en 3D y detectar objetos a distancia. Son eficaces en muchas condiciones como la niebla, la lluvia, la oscuridad y las altas temperaturas, aunque el heavy weather como la lluvia o la niebla puede afectar a su rendimiento. El LiDAR se utiliza comúnmente en aplicaciones como self-driving cars para la navegación y la detección de obstáculos.

El LiDAR actúa como los ojos del coche, emitiendo pulsos láser y midiendo el tiempo que tardan en rebotar. Estos datos ayudan al coche a calcular distancias e identificar objetos como cars, peatones y señales de tráfico, proporcionando una vista de 360 grados para una safer driving.

Poniéndolo todo en foco#

Cuando se trata de visión artificial, las cámaras sirven como los ojos que permiten a las máquinas ver e interpretar el mundo de manera similar a como lo hacen los humanos. Elegir el tipo correcto de cámara es clave para el éxito de diferentes aplicaciones de visión artificial. Desde cámaras RGB estándar hasta sistemas LiDAR avanzados, cada tipo ofrece características únicas adaptadas a tareas específicas. Al comprender la variedad de tecnologías de cámara y sus usos, los desarrolladores e investigadores pueden optimizar mejor los modelos de visión artificial para abordar desafíos complejos del mundo real.

Descubre más sobre IA echando un vistazo a nuestro GitHub repository. Únete a nuestra community para conectar con otros entusiastas de la visión artificial con aficiones afines. Aprende más sobre las aplicaciones de computer vision en healthcare y manufacturing en nuestras páginas de soluciones.