Embedded vision vs Machine vision

La visión artificial y la visión integrada comparten una funcionalidad en común, dotar a la tecnología de la capacidad de procesar imágenes y tomar decisiones inteligentes en base a ello. Esto presenta soluciones amplias y adaptativas a prácticamente cualquier sector industrial, pero ambos sistemas tienen diferencias claves en cómo lo hacen y en los recursos que necesitan para hacerlo.

Según pasa el tiempo, estas tecnologías han ido optimizando significativamente su manera de operar, haciendo que la línea que las mantenía diferenciadas ya no fuera tan precisa.

Veamos cómo funcionan cada una de ellas para entender a qué sectores aportan mayor funcionalidad.

Elementos en contexto

La visión artificial engloba a todas las tecnologías con la capacidad de procesar imágenes y entender el entorno a una velocidad en la que el ojo humano no puede, con un nivel de precisión impecable. Esto permite que la maquinaria lleve a cabo tareas de supervisión visual por su cuenta.

Esta tecnología se ha vuelto la base fundamental de la optimización de procesos industriales, del control de calidad, la seguridad de planta y mucho más.

Las versiones clásicas de estos sistemas fueron las maquinarias con visión artificial. Varias cámaras colocadas en diferentes ángulos permitían tomar imágenes a alta velocidad y trasmitirlas a un ordenador. El PC-Servidor procesaba estas imágenes y tomaba una decisión.

Esto hizo posible las cadenas de producción autónomas capaces de filtrar desde piezas de automóviles en busca de defectos milimétricos, hasta frutas con un determinado nivel de madurez.

Para poder llevar esta tecnología a dispositivos móviles y compactos como los drones, se diseñaron componentes de visión integrada. Básicamente una cámara conectada a una placa, capaz de captar y procesar imágenes a menor escala, todo en un solo dispositivo ligero (sin necesidad de pc), portable y de poco consumo.

Embedded vision vs Machine vision: Puntos comunes

Aunque estas tecnologías son diferentes en tamaño, consumo de recursos y nivel de procesamiento, tienen más similitudes de los que se pudiera imaginar. Ambas cuentan con componentes similares: Lentes para captar imágenes, dependencia a la iluminación, la capacidad de procesamiento, orientación al uso de inteligencia artificial…

Ambos sistemas pueden convivir de manera eficiente a nivel industrial y el uso de una tecnología o de otra depende más de las peculiaridades del sector que de la eficacia del equipo en sí mismo.

Machine vision: Aplicaciones y fortalezas

La visión computarizada o visión artificial lleva varias décadas en el mercado, ofrece mejoras constantes y una económica instalación. La tecnología basada en software con interfaz gráfica hace que sea sumamente sencillo de instalar y reconfigurar, lo que le permite aprovecharse en distintos procesos según se requiera.

Ya que inicialmente se basaron en entornos industriales, cuentan con una gran capacidad de procesamiento, lo que les permite hacer registros de datos a gran velocidad, comprender entornos complejos y manipular datos en función del aprendizaje con alta eficiencia.

Las aplicaciones y posibilidades son amplias en entornos de planta:

• Control de calidad de alta precisión.
• Automatización de líneas de montaje.
• Control de packing and picking a gran escala.
• Detección de intrusos en productos del sector alimenticio.
• Control de sistemas de seguridad en planta.
• Detención de anomalías o defectos en los productos.
• Asistencia en actividades de precisión o prevención de exposición.

Embedded vision: Aplicaciones y fortalezas

La tecnología de visión integrada es una concepción relativamente nueva que busca llevar las principales características de la visión artificial a entornos donde el espacio es escaso. De esta manera, es posible prescindir de grandes equipos e integrar una pequeña cámara inteligente y una placa de poco peso a cualquier cosa.

Este tipo de tecnologías tiene costes operativos pequeños, no requieren de mantenimiento constante y su consumo de energía es bajo. Los niveles de aplicación son prácticamente ilimitados, pero se prefieren en entornos como:

• Sistemas de navegación y control automatizado de drones.
• En equipos de navegación de coches autónomos.
• Sistemas de vigilancia residencial, de habitaciones seguras o control de entradas.
• Teléfonos celulares, consolas de videojuegos, televisores inteligentes…
• Tecnología de soporte clínico y farmacéutico.
• Elementos integrados en robots colaborativos.
• Pantallas publicitarias para el reconocimiento de expresiones fáciles y control de calidad de anuncios.
• Equipos de realidad aumentada, para ofrecer funcionalidad en base al entorno.
• Sistemas de navegabilidad en aeronaves e integridad vehicular.
• Sistemas de inspección a baja escala o con escasos puntos de control.

Diferencias entre Embedded vision vs Machine vision

En un contexto general, los sistemas de visión integrada tienen menor capacidad de procesamiento que los sistemas de visión artificial. Además, son más difíciles de configurar, ya que están hechos a la medida del equipo al que se integraran, esto también implica una mayor inversión inicial.

A largo plazo, los sistemas de visión artificial generan mayores costes administrativos debido a su mantenimiento, consumo de energía y complejidad. Para compensarlo, son fáciles de instalar y tienen inversiones iniciales bajas.

Ambas propuestas son muy versátiles, pero mientras las soluciones de visión integrada pueden instalarse en una planta que ya posea visión artificial, pasar un voluminoso sistema de visión a un entorno móvil es inviable.

En contraste, un equipo de visión industrial puede reasignarse sin problemas dentro de la planta, mientras que el de visión integrada quizá suponga algunas dificultades en la reasignación operativa.

El futuro de la tecnología de visión artificial

A medida que la tecnología avanza, los componentes electrónicos se van haciendo cada vez más pequeños, lo que se traduce en dispositivos integrados mucho más poderosos, que requieren solo una minúscula parte de sus contrapartes contemporáneas para realizar las mismas funciones.

Es probable que, en el fututo, la línea que separa a ambas tecnologías se vaya haciendo más fina, hasta que no se pueda distinguir una de la otra.

Hoy por hoy, ambas tecnologías siguen haciendo aportes valiosos en sus respectivos campos con grandes resultados y su aplicación depende de las necesidades específicas de su sector.