Explorando el procesamiento de imágenes, la visión artificial y la visión por ordenador

La IA puede utilizarse para analizar todo tipo de datos y, cuando se trata de datos visuales como imágenes y vídeos, esto se engloba en el ámbito de la analítica de imágenes, que implica distintas tecnologías. El procesamiento de imágenes, la visión artificial y la visión industrial permiten que los ordenadores vean y entiendan el mundo mediante el análisis de imágenes y fotogramas de vídeo. Aunque estas tres tecnologías parecen similares, existen diferencias clave que las hacen útiles para una gran variedad de aplicaciones. El procesamiento de imágenes se centra en manipular y mejorar imágenes y fotogramas de vídeo, mientras que la visión artificial va un paso más allá al utilizar estas imágenes procesadas para ayudar a los ordenadores a interpretar y comprender su contenido. La visión industrial, por otro lado, aplica técnicas de visión artificial específicamente en entornos industriales, por ejemplo, para tareas de inspección y control de calidad.

Fig. 1. Tecnologías clave utilizadas para analizar datos visuales.

Estos tres campos permiten desarrollar aplicaciones en muchos sectores, como la sanidad, la fabricación y la agricultura. En este artículo, exploraremos el procesamiento de imágenes, la visión artificial y la visión industrial, y analizaremos sus diferencias. También veremos cómo funcionan y cómo se utilizan en distintos sectores. Empecemos.

¿Qué es el procesamiento de imágenes?#

Empecemos por la técnica fundamental en la que se basan tanto la visión artificial como la visión industrial: el procesamiento de imágenes. Consiste en utilizar algoritmos para manipular y mejorar imágenes digitales, ajustando parámetros como el brillo, el contraste o el equilibrio de color, o eliminando el ruido, para prepararlas para análisis e interpretación más avanzados.

Veamos cómo funciona. El procesamiento de imágenes se realiza dividiéndolas en píxeles individuales y manipulando después esos píxeles para conseguir los efectos deseados. Por ejemplo, para aumentar el brillo de una imagen, el algoritmo podría incrementar la intensidad de cada píxel. Del mismo modo, para detectar bordes, podría buscar cambios bruscos en los valores de los píxeles. Al aplicar operaciones matemáticas y algoritmos a estos píxeles, el procesamiento de imágenes puede utilizarse para mejorar la calidad de las imágenes, extraer información o crear imágenes nuevas.

Las técnicas de procesamiento de imágenes también son esenciales para procesar datos y crear conjuntos de datos visuales con imágenes nítidas y de alta calidad, y ayudan a los sistemas de visión artificial y visión industrial a analizarlas con precisión. Bibliotecas como OpenCV y MATLAB proporcionan marcos de trabajo sólidos que hacen que estas técnicas de procesamiento de imágenes sean accesibles para desarrolladores e investigadores de diversos campos.

Estas son algunas técnicas populares de procesamiento de imágenes:

• Filtrado: El filtrado se aplica para reducir los niveles de ruido de una imagen suavizando las variaciones y distorsiones. Algunos filtros habituales son los filtros gaussianos para el desenfoque y los filtros de mediana para eliminar el ruido de sal y pimienta, que aparece como píxeles blancos y negros aleatorios.
• Detección de bordes: Se utiliza para identificar los límites de los objetos en una imagen detectando cambios bruscos en la intensidad de los píxeles. Aplicaciones como las de imágenes médicas utilizan la detección de bordes para delimitar la estructura de órganos y tumores.
• Umbralización: La umbralización en el procesamiento de imágenes consiste en convertir una imagen en escala de grises en una imagen binaria estableciendo un valor umbral. Los píxeles que están por encima del umbral se vuelven blancos (1) y los que están por debajo se vuelven negros (0).

Fig. 2. Una imagen en escala de grises antes y después de la umbralización.

Exploración de una aplicación del procesamiento de imágenes#

La restauración de imágenes es un buen ejemplo de aplicación del procesamiento de imágenes. Consiste en recuperar una imagen que se ha degradado con el tiempo. Se utilizan técnicas como el filtrado y la reducción de ruido para eliminar marcas, arañazos, manchas y señales de desgaste, y restaurar la imagen degradada a su calidad original. La restauración de imágenes resulta especialmente útil cuando las imágenes son de baja calidad o están dañadas, como ocurre con las fotografías antiguas.

Fig. 3. El procesamiento de imágenes puede utilizarse para restaurar imágenes antiguas dañadas.

¿Qué es la visión por ordenador?#

A diferencia del procesamiento de imágenes, que se centra en alterar y mejorar imágenes, la visión artificial proporciona a los ordenadores la capacidad de ver y entender el mundo real. Muchas aplicaciones utilizan la visión artificial para identificar y comprender objetos y personas en imágenes o fotogramas de vídeo. Reproduce la visión humana e intenta reproducir cómo damos sentido a lo que vemos a nuestro alrededor.

La visión artificial puede utilizarse para automatizar tareas como la videovigilancia. También tiene una amplia variedad de aplicaciones prácticas, como el reconocimiento facial, las imágenes médicas y los vehículos autónomos. Los modelos de visión artificial se entrenan mediante técnicas de aprendizaje profundo para extraer e identificar características y patrones complejos a partir de grandes conjuntos de datos de imágenes. Posteriormente, distintos sectores utilizan estos modelos entrenados, como Ultralytics YOLOv8, para tareas diferentes, como la detección de objetos y el seguimiento de objetos.

Fig. 4. Un ejemplo del uso de Ultralytics YOLOv8 para la detección de objetos.

Por ejemplo, los coches autónomos, como los de Tesla, utilizan la visión artificial para desplazarse por el mundo real. Las imágenes captadas por las cámaras integradas en el vehículo se procesan mediante visión artificial. Las tareas de visión artificial, como la detección y el seguimiento de objetos y la segmentación, son fundamentales para comprender las situaciones del tráfico y el entorno que los rodea. Otra aplicación interesante es el reconocimiento facial. La visión artificial puede utilizarse para analizar y reconocer rasgos faciales en imágenes capturando el rostro de una persona a partir de una imagen o un vídeo, identificando características clave y comparándolas con una base de datos de información facial almacenada.

¿Qué es la visión industrial?#

La visión industrial se utiliza en entornos industriales, como grandes fábricas o instalaciones de producción, para aplicaciones como garantizar la calidad de los productos y comprobar que las etiquetas y los códigos de barras de los productos terminados sean correctos. La visión industrial es una rama especializada de la visión artificial que depende de hardware resistente para funcionar eficazmente en condiciones exigentes. Como estos sistemas se integran con aplicaciones industriales, la alta velocidad y la precisión en tiempo real son esenciales.

Veamos cómo funciona. Primero, se recopilan datos utilizando una o varias cámaras de alta resolución. Estas cámaras también pueden incluir funciones especializadas, como imágenes infrarrojas o térmicas. Después, los datos recopilados se analizan mediante técnicas de visión artificial para extraer la información necesaria. La información extraída suele incluir detalles como la identificación de objetos, sus formas, tamaños, movimientos y patrones, así como cualquier anomalía presente en la escena, según la aplicación concreta.

Comprender una aplicación de la visión industrial#

El control de calidad en las líneas de producción industrial garantiza que solo lleguen productos de alta calidad a los clientes, lo que se traduce en una mayor satisfacción del cliente y un aumento de los beneficios. Los métodos tradicionales suelen basarse en la inspección manual, que puede requerir mucho tiempo y ser propensa a errores humanos. Un control de calidad deficiente también puede provocar retrasos en la producción y pérdidas económicas, afectando a la reputación de una empresa. Una solución excelente es automatizar tareas como la inspección de superficies, la verificación de etiquetas y el posicionamiento de objetos con ayuda de la visión industrial.

Por ejemplo, en la industria farmacéutica, la calidad de los productos es crucial y se aplican normativas estrictas para mantener unos estándares elevados. La visión industrial puede utilizarse para garantizar que los blísteres contengan el número correcto de pastillas, verificando que cada envase tenga exactamente la cantidad adecuada, como diez pastillas en un envase de 10. Un modelo de visión artificial como YOLOv8 puede utilizarse para identificar y contar las pastillas mediante la detección de objetos.

Fig. 5. La visión industrial puede utilizarse para el control de calidad en la industria farmacéutica.

Sin embargo, es importante tener en cuenta que existen algunas limitaciones al trabajar con visión industrial. Los sistemas de visión industrial suelen necesitar unas condiciones de iluminación excelentes para iluminar los productos en entornos industriales. También se necesitan cámaras, procesadores y aceleradores de hardware de alta calidad para capturar datos y acelerar el proceso de análisis. Una consecuencia directa de que estos sistemas estén diseñados específicamente para tareas prácticas en entornos industriales es que su instalación puede resultar cara.

Diferencias clave entre el procesamiento de imágenes, la visión artificial y la visión industrial#

Ahora que hemos analizado las tres tecnologías por separado y hemos visto algunas de sus aplicaciones, examinémoslas más detenidamente una junto a otra.

Fig. 6. Una comparación del procesamiento de imágenes, la visión artificial y la visión industrial.

El procesamiento de imágenes es la mejor opción para tareas como ajustar el brillo o filtrar el ruido, que necesitan menos potencia de cálculo y no requieren la capacidad de comprender información visual compleja. Por otro lado, la visión artificial destaca a la hora de extraer información relevante de las imágenes y gestionar escenas complejas, pero requiere más recursos computacionales y una mayor complejidad. Mientras tanto, la visión industrial está adaptada a usos industriales, como la inspección automatizada, y suele contar con el respaldo de sistemas especializados y costosos.

Adoptar una perspectiva más amplia#

Aunque el procesamiento de imágenes, la visión artificial y la visión industrial están estrechamente relacionados, cada uno cumple funciones distintas. El procesamiento de imágenes mejora y manipula las imágenes a nivel de píxel, por lo que resulta muy útil para tareas como la reconstrucción de imágenes.

La visión artificial, por otro lado, va un poco más allá al proporcionar a los ordenadores la capacidad de comprender y dar sentido a los datos visuales. Es fundamental para casos de uso como el reconocimiento facial y los coches autónomos. Además, la visión industrial se utiliza específicamente en aplicaciones industriales. Automatiza procesos industriales como las inspecciones y el control de calidad.

Al comprender estas tecnologías y sus diferencias, podrás elegir la más adecuada para tus aplicaciones, lo que se traducirá en una mayor eficiencia y mejores resultados.

¡Aprendamos y exploremos juntos! Visita nuestro repositorio de GitHub para conocer nuestras contribuciones a la IA y no olvides participar en nuestra comunidad. Descubre cómo estamos redefiniendo sectores como la fabricación y la sanidad con tecnología de IA de vanguardia.