Clasificación de defectos periódicos en sistemas de inspección basados en visión por computador

Abstract

Esta tesis se centra en la detección de defectos generados de forma periódica durante la producción de ateriales continuos (como plástico, papel o metales laminados). Puesto que el número de defectos que aparezcan en las superficies de este tipo de productos es un indicador de su calidad, reducir su número es un aspecto de vital importancia. La detección y reparación del elemento que está generando los defectos superficiales de forma periódica puede reducir considerablemente el número de defectos superficiales generados. De este modo, aumentará la calidad de los productos fabricados. El objetivo planteado en esta tesis es desarrollar una técnica capaz de detectar este tipo de defectos con la mayor rapidez posible y valorar la calidad de dichas detecciones. Aunque dicha técnica debe ser genérica para que pueda aplicarse a múltiples problemas, en esta tesis se han utilizado bandas de acero para su desarrollo y evaluación. Para elaborar un sistema capaz de detectar este tipo de defectos es necesario realizar tres tareas: la detección de todos los defectos superficiales existentes, obtener las características de cada uno de ellos y determinar cuáles han sido generados de forma periódica. Existen varias técnicas encargadas de realizar las dos primeras tareas, pero no para la última. La literatura científica disponible en la actualidad sobre esta tarea es muy escasa. Aunque existen varios sistemas comerciales que la realizan, no especifican como lo hacen. Por ello, el trabajo realizado en esta tesis sobre la detección de defectos generados de forma periódica puede servir de base para posteriores investigaciones en este campo. La solución propuesta para detectar los defectos periódicos se basa en un algoritmo de backtracking que comprueba si ciertas características de un conjunto de defectos cumple una serie de condiciones. Para ello, toda la información relativa a posición, dimensiones y características de los defectos debe estar disponible de tal modo que pueda ser accedida rápidamente y sin ocupar mucho espacio. Finalmente, se han utilizado matrices dispersas, al ser la estructura de datos más adecuada para cumplir con estos dos requisitos. Para poder determinar si las detecciones llevadas a cabo son buenas, es necesario cuantificarlas. Para realizar dicha cuantificación se han utilizado métricas basadas en discrepancias, es decir, se han contabilizado las diferencias entre los defectos periódicos detectados y los defectos periódicos que la banda tiene realmente. Se proponen distintos modos de realizar estas contabilizaciones, así como el modo en que son combinadas para obtener el valor de una métrica. Para poder utilizarlas, es necesario contar con una clasificación perfecta (también llamada ground truth) de cada banda. Puesto que realizar esta tarea manualmente (incluso por un operador experimentado) es muy engorroso y fácilmente se cometen errores, se ha desarrollado una herramienta que permite realizar dicha tarea de forma sencilla. Como el algoritmo diseñado puede ser parametrizado para modificar el modo en que detecta los defectos, es necesario determinar el conjunto de parámetros que proporciona mejores resultados de forma global. Como dicha búsqueda requiere un elevado consumo de recursos computaciones, se han utilizado tecnologías grid para reducir el tiempo de búsqueda lo suficiente como para poder realizar la experimentación en pocos días. Finalmente, los resultados proporcionados por la técnica desarrollada una vez configurada de forma óptima fueron valorados y comparados con los obtenidos por una herramienta comercial ampliamente utilizada para detectar defectos periódicos. Para ello fue utilizado un conjunto de bandas de acero laminadas en la factoría de Arcelor-Mittal en Avilés. Los resultados obtenidos muestran una mejora sustancial respecto a la herramienta comercial, lo que permite concluir que la técnica desarrollada cumple con los objetivos propuestos inicialmente y que puede ser utilizada para realizar la detección de defectos periódicos en entornos industriales.