Cámaras de visión artificial y sus aplicaciones

Muchos factores técnicos, como los datos, los algoritmos y la potencia de cálculo, contribuyen al éxito de una aplicación de inteligencia artificial (AI). En concreto, en la visión artificial, un subcampo de la AI centrado en permitir que las máquinas analicen y comprendan imágenes y vídeos, uno de los factores más críticos es la entrada o fuente de datos: la cámara. La calidad y el tipo de cámaras utilizadas para una aplicación de visión artificial afectan directamente al rendimiento de los modelos de AI.

Elegir la cámara adecuada es crucial porque las distintas tareas de visión artificial requieren diferentes tipos de datos visuales. Por ejemplo, las cámaras de alta resolución se utilizan en aplicaciones como el reconocimiento facial, donde los detalles faciales deben capturarse con precisión. En cambio, las cámaras de menor resolución pueden utilizarse para tareas como la supervisión de colas, que dependen más de patrones generales que de detalles minuciosos.

Hoy en día, hay muchos tipos de cámaras disponibles, cada uno diseñado para satisfacer necesidades específicas. Comprender sus diferencias puede ayudarte a optimizar tus innovaciones en visión artificial. Exploremos los distintos tipos de cámaras de visión artificial y sus aplicaciones en diferentes sectores.

Exploración de las cámaras RGB para visión artificial#

Las cámaras RGB (rojo, verde y azul) se utilizan habitualmente en aplicaciones de visión artificial. Capturan imágenes en el espectro visible, con longitudes de onda de entre 400 y 700 nanómetros (nm). Como estas imágenes son similares a la forma en que vemos los seres humanos, las cámaras RGB se utilizan para muchas tareas, como la detección de objetos, la segmentación de instancias y la estimación de poses, en situaciones en las que basta con una visión similar a la humana.

Fig. 1. Descripción general del funcionamiento de las cámaras RGB.

Estas tareas suelen consistir en identificar y detectar objetos desde una perspectiva bidimensional (2D), en la que no es necesario capturar la profundidad para obtener resultados precisos. Sin embargo, cuando una aplicación requiere información de profundidad, como en la detección de objetos 3D o la robótica, se utilizan cámaras RGB-D (rojo, verde, azul y profundidad). Estas cámaras combinan datos RGB con sensores de profundidad para capturar detalles 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 las pruebas virtuales de ropa, un concepto cada vez más popular en las tiendas minoristas. En pocas palabras, las pantallas inteligentes integradas con cámaras y sensores RGB-D pueden recopilar datos como la altura, la forma del cuerpo y la anchura de los hombros de un cliente. Con esta información, el sistema puede superponer digitalmente prendas sobre una imagen en directo del cliente. Las tareas de visión artificial, como la segmentación de instancias y la estimación de poses, pueden procesar los datos visuales para detectar con precisión el cuerpo del cliente y ajustar la ropa a sus proporciones en tiempo real.

Fig. 2. Un ejemplo de prueba virtual de ropa.

Las pruebas virtuales de ropa ofrecen a los clientes una vista 3D de cómo les quedaría un conjunto, y algunos sistemas incluso pueden imitar cómo se movería el tejido para proporcionar una experiencia más realista. La visión artificial y las cámaras RGB-D permiten que los clientes se salten el probador y se prueben la ropa al instante. Esto ahorra tiempo, facilita la comparación de estilos y tallas y mejora la experiencia de compra general.

Comprender las imágenes estereoscópicas y las cámaras de tiempo de vuelo (ToF)#

Las cámaras estereoscópicas son un tipo de cámara que utiliza varios sensores de imagen para capturar la profundidad comparando imágenes tomadas desde distintos ángulos. Son más precisas que los sistemas de un solo sensor. Por su parte, las cámaras o sensores de tiempo de vuelo (ToF) miden distancias emitiendo luz infrarroja que rebota en los objetos y vuelve al sensor. El procesador de la cámara calcula el tiempo que tarda la luz en regresar para determinar la distancia.

Fig. 3. Descripción general del funcionamiento de las cámaras ToF.

En algunos casos, las cámaras estereoscópicas se integran con sensores ToF, combinando las ventajas de ambos dispositivos para capturar información de profundidad rápidamente y con gran precisión. La combinación de las mediciones de distancia en tiempo real de un sensor ToF con la percepción detallada de la profundidad de una cámara estereoscópica resulta ideal para aplicaciones como los vehículos autónomos y la electrónica de consumo, donde tanto la velocidad como la precisión son fundamentales.

Un ejemplo cotidiano de la detección de profundidad con cámaras 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 sus capacidades de detección de profundidad. La información precisa sobre la profundidad que proporcionan estas cámaras se utiliza para crear el popular efecto bokeh, en el que el fondo aparece desenfocado mientras el sujeto permanece enfocado con nitidez.

Los sensores ToF también son cada vez más esenciales para otras aplicaciones, además de la fotografía, como el reconocimiento de gestos y la realidad aumentada (AR). Por ejemplo, teléfonos como el Samsung Galaxy S20 Ultra y el Huawei P30 Pro utilizan estos sensores para cartografiar la profundidad 3D en tiempo real, mejorando tanto la fotografía como las experiencias interactivas.

Cámaras infrarrojas o térmicas para detectar el calor#

Las cámaras térmicas, como su nombre indica, se utilizan ampliamente para la detección de calor en diversas aplicaciones, incluidos los sectores manufactureros y las fábricas de automóviles. Estas cámaras miden la temperatura y pueden utilizarse para avisar a los usuarios cuando detectan niveles críticos de calor, ya sean demasiado altos o demasiado bajos. Al detectar la radiación infrarroja, invisible para el ojo humano, proporcionan lecturas precisas de la temperatura. A menudo denominadas cámaras infrarrojas, sus usos también se extienden más allá de los entornos industriales. Por ejemplo, las cámaras térmicas también se utilizan en agricultura para supervisar la salud del ganado, en inspecciones de edificios para identificar fugas de calor y en extinción de incendios para localizar focos de incendio.

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

Imágenes térmicas para aplicaciones industriales#

Las máquinas y los sistemas eléctricos de las plantas de fabricación o las plataformas de petróleo y gas suelen funcionar continuamente y generar calor como subproducto. Con el tiempo, puede acumularse un exceso de calor en componentes como motores, rodamientos o circuitos eléctricos, lo que puede provocar fallos del equipo o riesgos para la seguridad.

Las cámaras térmicas pueden ayudar a los operadores a supervisar estos sistemas detectando a tiempo picos anómalos de temperatura. Un motor sobrecalentado puede programarse para recibir mantenimiento y evitar averías costosas. Al integrar las imágenes térmicas en las inspecciones periódicas, los sectores pueden aplicar un mantenimiento predictivo, reducir los tiempos 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 capturar movimiento#

Las cámaras de alta velocidad están diseñadas para capturar más de 10 000 fotogramas por segundo (FPS), de modo que pueden procesar movimientos rápidos con una precisión excepcional. Por ejemplo, cuando los productos se mueven rápidamente por una línea de producción, las cámaras de alta velocidad pueden utilizarse para supervisarlos y detectar cualquier anomalía.

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

En determinadas situaciones, combinar cámaras de alta velocidad y de cámara lenta puede ayudar a analizar detalladamente objetos que se mueven rápido y despacio dentro del mismo acontecimiento. Por ejemplo, supongamos que estamos analizando un partido de golf. Las cámaras de alta velocidad pueden medir la velocidad de una pelota de golf, mientras que las cámaras de cámara lenta pueden analizar los movimientos del swing del golfista y el control de su cuerpo.

Fig. 5. Uso de visión artificial y cámaras de alta velocidad para analizar el swing de un golfista.

Imágenes multiespectrales en visión artificial#

Las cámaras multiespectrales son dispositivos especializados capaces de registrar múltiples longitudes de onda del espectro lumínico, incluidas las ultravioletas y las infrarrojas, en una sola toma. Las imágenes multiespectrales proporcionan datos detallados 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 ámbitos como la agricultura, la geología, la supervisión medioambiental y las imágenes médicas. Por ejemplo, en el ámbito de la sanidad, las cámaras multiespectrales pueden ayudar a visualizar distintos tejidos capturando imágenes en múltiples longitudes de onda.

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

Del mismo modo, los drones equipados con sistemas de imágenes multiespectrales están logrando avances importantes en la agricultura. Pueden identificar en una fase temprana las plantas enfermas o afectadas por insectos y plagas. Estas cámaras pueden analizar el espectro del infrarrojo cercano, y las plantas sanas generalmente reflejan más luz infrarroja cercana que sus homólogas enfermas. Al adoptar estas técnicas de AI en la agricultura, los agricultores pueden aplicar medidas correctivas con antelación para aumentar el rendimiento y reducir la pérdida de cultivos.

Cámaras LiDAR para vehículos autónomos#

Las cámaras LiDAR (detección y medición de distancias mediante luz) utilizan pulsos láser para crear mapas 3D y detectar objetos a distancia. Son eficaces en muchas condiciones, como niebla, lluvia, oscuridad y temperaturas elevadas, aunque las condiciones meteorológicas adversas, como la lluvia o la niebla, pueden afectar a su rendimiento. LiDAR se utiliza habitualmente en aplicaciones como los coches autónomos para la navegación y la detección de obstáculos.

LiDAR actúa como los ojos del coche, emitiendo pulsos láser y midiendo cuánto tardan en rebotar. Esta información ayuda al coche a calcular distancias e identificar objetos como coches, peatones y señales de tráfico, proporcionando una visión de 360 grados para una conducción más segura.

Poniéndolo todo en perspectiva#

En lo que respecta a la visión artificial, las cámaras actúan como los ojos que permiten a las máquinas ver e interpretar el mundo de forma similar a los seres humanos. Elegir el tipo de cámara adecuado es fundamental para el éxito de las distintas aplicaciones de visión artificial. Desde las cámaras RGB estándar hasta los sistemas LiDAR avanzados, cada tipo ofrece características únicas adaptadas a tareas específicas. Al comprender la variedad de tecnologías de cámaras y sus usos, desarrolladores e investigadores pueden optimizar mejor los modelos de visión artificial para abordar retos complejos del mundo real.

Descubre más sobre AI consultando nuestro repositorio de GitHub. Únete a nuestra comunidad para conectar con otros entusiastas de la AI para visión artificial. Obtén más información sobre las aplicaciones de visión artificial en sanidad y fabricación en nuestras páginas de soluciones.