Exploración del procesamiento de imágenes, la visión artificial y la visión industrial

La IA puede utilizarse para analizar todo tipo de datos y, cuando se trata de datos visuales, como imágenes y vídeos, estos pertenecen al ámbito de la analítica de imágenes, que abarca distintas tecnologías. El procesamiento de imágenes, la visión artificial y la visión industrial permiten que los ordenadores vean y comprendan el mundo mediante el análisis de imágenes y fotogramas de vídeo. Aunque estas tres tecnologías parecen similares, presentan diferencias clave que las hacen útiles para diversas 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. Por su parte, la visión industrial 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 diversas aplicaciones en numerosos 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 explicaremos sus diferencias. También veremos cómo funcionan y cómo se utilizan en distintos sectores.

¿Qué es el procesamiento de imágenes?#

Empecemos por la técnica fundamental que sustenta 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 y el equilibrio de color, o eliminando el ruido, a fin de prepararlas para un análisis e interpretación más avanzados.

Veamos cómo funciona. El procesamiento de imágenes descompone las imágenes en píxeles individuales y los manipula para obtener los efectos deseados. Por ejemplo, para aumentar el brillo de una imagen, el algoritmo puede incrementar la intensidad de cada píxel. Del mismo modo, para detectar bordes, puede buscar cambios bruscos en los valores de los píxeles. Al aplicar operaciones matemáticas y algoritmos a estos píxeles, el procesamiento de imágenes permite 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 facilitan el acceso a estas técnicas de procesamiento de imágenes a desarrolladores e investigadores de distintos campos.

Estas son algunas técnicas populares de procesamiento de imágenes:

• Filtrado: El filtrado se aplica para reducir el ruido de una imagen, suavizando las variaciones y distorsiones. Algunos filtros habituales son los filtros gaussianos, que desenfocan la imagen, y los filtros de mediana, que eliminan 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 mediante la detección de cambios bruscos en la intensidad de los píxeles. En aplicaciones como el diagnóstico por imagen, se emplea 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 mediante la asignación de un valor umbral. Los píxeles que superan el umbral se vuelven blancos (1), y los que quedan por debajo se vuelven negros (0).

Fig. 2. 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 excelente ejemplo de aplicación del procesamiento de imágenes. Consiste en recuperar una imagen que se ha deteriorado con el tiempo. Se utilizan técnicas como el filtrado y la reducción del ruido para eliminar marcas, arañazos, manchas y señales de desgaste, y devolver la imagen deteriorada 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 artificial?#

A diferencia del procesamiento de imágenes, que se centra en modificarlas y mejorarlas, la visión artificial dota a los ordenadores de la capacidad de ver y comprender el mundo real. Muchas aplicaciones utilizan la visión artificial para identificar y comprender objetos y personas en imágenes o fotogramas de vídeo. Su objetivo es reproducir la forma en que interpretamos lo que vemos a nuestro alrededor.

La visión artificial puede utilizarse para automatizar tareas como la vigilancia. También cuenta con numerosas aplicaciones prácticas, como el reconocimiento facial, el diagnóstico por imagen y los vehículos autónomos. Los modelos de visión artificial se entrenan con técnicas de aprendizaje profundo para extraer e identificar características y patrones complejos de grandes conjuntos de datos de imágenes. A continuación, distintos sectores utilizan estos modelos entrenados, como Ultralytics YOLOv8, para tareas como la detección de objetos y el seguimiento de objetos.

Fig. 4. 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 circular por el mundo real. Las imágenes que captan 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. Otra aplicación interesante es el reconocimiento facial. La visión artificial puede utilizarse para analizar y reconocer rasgos faciales en imágenes: se capta el rostro de una persona a partir de una imagen o un vídeo, se identifican los rasgos clave y se comparan 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 acabados sean correctos. La visión industrial es una rama especializada de la visión artificial que depende de hardware resistente para funcionar eficazmente en condiciones difíciles. Como estos sistemas se integran en aplicaciones industriales, es esencial que ofrezcan gran velocidad y precisión en tiempo real.

Veamos cómo funciona. Primero, se recopilan datos con una o varias cámaras de alta resolución. Estas cámaras también pueden incluir funciones especializadas, como la captación de 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, las formas, los tamaños, los movimientos, los patrones y 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 garantiza que solo lleguen productos de alta calidad a los clientes, lo que aumenta su satisfacción y los beneficios. Los métodos tradicionales suelen depender de la inspección manual, que puede consumir mucho tiempo y ser propensa a errores humanos. Un control de calidad deficiente también puede provocar retrasos en la producción y pérdidas económicas, lo que perjudica la reputación de una empresa. Una solución eficaz consiste en automatizar tareas como la inspección de superficies, la verificación de etiquetas y el posicionamiento de objetos mediante visión industrial.

Por ejemplo, en la industria farmacéutica, la calidad de los productos es fundamental y se aplican normativas estrictas para mantener estándares elevados. La visión industrial puede garantizar que los blísteres contengan el número correcto de pastillas y verificar que cada envase tenga exactamente la cantidad adecuada, como diez pastillas en un envase de 10. Un modelo de visión artificial como YOLOv8, entrenado con un conjunto de datos como Medical Pills, 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 el sector farmacéutico.

Sin embargo, es importante tener en cuenta algunas limitaciones de la visión industrial. Estos sistemas 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 captar datos y acelerar el análisis. Como estos sistemas están diseñados específicamente para tareas prácticas en entornos industriales, su instalación puede resultar cara.

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

Ahora que hemos tratado por separado las tres tecnologías y hemos visto algunas de sus aplicaciones, comparémoslas más de cerca.

Fig. 6. 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 requieren menos capacidad de cálculo y no necesitan comprender información visual compleja. En cambio, la visión artificial destaca en la extracción de información útil de las imágenes y el procesamiento de escenas complejas, pero requiere más recursos de cálculo y complejidad. Por su parte, la visión industrial está adaptada a usos industriales, como la inspección automatizada, y suele contar con sistemas especializados y costosos.

Una visión global#

Aunque el procesamiento de imágenes, la visión artificial y la visión industrial están estrechamente relacionados, cada uno tiene una finalidad distinta. El procesamiento de imágenes mejora y manipula las imágenes a nivel de píxel, por lo que resulta muy útil para tareas como la restauración de imágenes.

Por su parte, la visión artificial va un paso más allá al permitir que los ordenadores entiendan e interpreten 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, mejorar la eficiencia y obtener mejores resultados.

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