Integrando Visão Computacional com Redes Neurais para IIoT Industrial Avançado

O córtex cerebral é a parte do cérebro que processa imagens. Seres humanos têm o maior córtex cerebral em comparação com outros mamíferos. Esta visão superior é uma das características evolutivas que deu aos humanos uma vantagem sobre outros animais. Biólogos evolutivos tentam desvendar o mistério por trás dessa característica, e pesquisadores de tecnologia tentam replicá-la.

Figura 1. Um sistema de visão computacional em uma fábrica.

Humanos aprendem através de experiência e prática. Aprendizado de máquina é o campo da inteligência artificial (IA) que tenta fazer computadores imitar como cérebros humanos aprendem. Reconhecimento e processamento de imagem é uma subseção importante do campo. Usando reconhecimento de imagem, engenheiros podem classificar objetos sem interação humana direta.

Redes Neurais e Visão Computacional

Em termos simples, visão computacional em conjunto com algoritmos ou redes neurais é a capacidade de computadores verem e agirem sobre dados. Imagens são alimentadas à unidade de processamento do computador em formato digital para analisar, interpretar e agir com base nelas. Antes desta configuração, devemos primeiro treinar o sistema para aprender os dados.

Treinando Redes Neurais em Visão Computacional

Redes neurais são uma área avançada de aprendizado de máquina. Elas são amplamente usadas para reconhecimento de imagem e outras tarefas que requerem cognição complexa. O primeiro passo para construir uma rede neural artificial é treinar os algoritmos do computador com imagens.

Figura 2. Um exemplo de treinamento de algoritmos com imagens. Imagem cortesia da Teledyne DALSA

Humanos são encarregados de rotular as imagens de entrada com base nas quais os algoritmos aprendem. O algoritmo aprenderá por si só a identificar os objetos após ser treinado em um grande conjunto de dados rotulados. Cientistas de dados podem ajustar os modelos para melhorar a velocidade de aprendizado e outros parâmetros. Um modelo completo com precisão consistente pode ser implantado para aplicações comerciais.

Mas de onde obtemos os dados para treinar o modelo?

Fontes de Dados para Visão Computacional

Visão computacional acoplada a redes neurais é mais complexa do que simplesmente identificar imagens. É também cognição espacial para reconhecer objetos 3D (tridimensionais). A fonte para programas de visão computacional pode ser fotografias, vídeo ou até mesmo feed de câmera ao vivo. Nesses casos, uma câmera coleta as imagens ou vídeo alimentados ao algoritmo.

Existem algoritmos de visão computacional que aceitam outras formas de entrada. Radar e LiDAR podem rastrear objetos ao redor do sensor. A saída de tais equipamentos não são imagens, mas coordenadas dos vários objetos ao redor. Algoritmos de visão computacional também podem processar essa informação para obter compreensão espacial. Uma combinação de dados LiDAR e imagens de uma câmera também pode ser usada como entrada para um algoritmo de visão computacional.

Visão computacional tem uma ampla gama de aplicações industriais e não industriais. As aplicações variam desde identificação e navegação até dar visão a cegos.

Visão Computacional na Indústria

Visão computacional ou visão de máquina tem muitas aplicações na indústria. Como ainda está em estágio nascente, mais aplicações industriais são identificadas a cada dia.

Figura 3. Um sistema de visão computacional inspecionando objetos em uma fábrica.

Algumas das aplicações conhecidas incluem:

• Classificação de produtos
• Separação de produtos (picking)
• Inspeção automatizada
• Reconhecimento óptico de caracteres
• Identificação de defeitos
• Identificação de cores
• Detecção de movimento
• Identificação de padrões
• Garantia de qualidade
• Movimento guiado (veículos guiados automaticamente, ou AGVs)
• Automóveis autônomos
• Leitura de códigos de barras e QR codes
• Fábricas escuras (dark factories)

À medida que o uso de visão computacional aumenta, o custo de implementação de tais soluções diminui, e novas aplicações são identificadas. Por exemplo, visão computacional pode ser usada em conjunto com IIoT.

Segurança

Segurança humana é usada para patrulhar os terrenos de várias instituições. No entanto, um problema comum é a fadiga experimentada por esse pessoal durante o desempenho de funções em horários incomuns. Visão computacional com IIoT pode ajudar.

Feed de televisão de circuito fechado (CCTV) das instalações seguras pode ser conectado a algoritmos de visão computacional. O algoritmo monitorará constantemente o feed em busca de atividades anômalas. Uma vez detectados intrusos ou outras atividades anômalas, o sistema pode acionar um alarme para guardas humanos verificarem.

Também pode executar automaticamente protocolos de segurança como eletrificar a cerca, implantar espigões em pontos de saída, alertar a polícia, etc. Toda a comunicação acontecerá pela rede entre dispositivos habilitados para internet para executar qualquer protocolo.

Planta Química

Plantas químicas são perigosas para funcionários humanos trabalharem. Seria benéfico se os processos pudessem ser automatizados. Tome, por exemplo, um processo em uma planta química que requer que o material chegue à ebulição antes que o calor seja desligado. Sem visão computacional, um técnico humano tem que esperar e observar o processo.

Figura 4. Uma chaminé e caldeira de planta química.

Com visão computacional, uma câmera pode focar na solução, e uma rede neural treinada para detectar ebulição pode detectar se a mistura começou a ferver. Uma vez que o algoritmo detecta ebulição na solução, ele pode acionar uma sinalização. Isso é enviado ao sistema de computação central pela rede. O sistema é projetado de modo que o recebimento deste sinal acionará o mecanismo para desligar o calor.

Em tal cenário, um humano não precisa estar na planta inalando fumos químicos para monitorar o processo. Visão computacional e IIoT podem automatizar completamente o processo. Neste exemplo particular, sensores infravermelhos ou outros sensores de detecção de temperatura também podem ser usados para detectar uma mistura em ebulição.

Fábricas Escuras (Dark Factories)

Fábricas escuras, como conceito, são a extensão da utilização de visão computacional, automação e capacidades de IIoT ao máximo. Uma fábrica escura é uma instalação de manufatura onde nenhum operador humano é necessário para executar ou monitorar operações da fábrica. Em essência, a fábrica não precisa ter luzes e, portanto, pode operar no escuro.

Da entrega de matéria-prima à embalagem do produto final, tudo será completamente automatizado. Matérias-primas serão separadas e classificadas com empilhadeiras e braços robóticos auxiliados com visão computacional. Mãos robóticas montando várias peças usarão visão computacional para identificar onde cada peça vai. AGVs, que usam visão computacional para navegar, manipulam o transporte de materiais dentro da fábrica.

Produtos acabados são inspecionados e testados com robôs acoplados com capacidade de visão computacional. Classificação de produtos defeituosos e embalagem de produtos acabados também usam visão computacional.

Aplicações como fábricas escuras e processos químicos, para citar algumas, podem se beneficiar da visão computacional. Seus algoritmos podem manter pessoal seguro, processos seguros e aumentar a eficiência. Que tipos de aplicações você usa visão computacional no seu chão de fábrica?