Con los últimos avances en la Industria 4.0, tanto la Visión Artificial como el Deep learning, han adquirido gran importancia al permitir simplificar y automatizar diversos procesos industriales.
Durante mucho tiempo se ha intentado utilizar la Inteligencia Artificial para resolver aplicaciones que, con la visión convencional, eran necesarios algoritmos muy complejos. Sin embargo, no ha sido hasta la última década, con el auge del Deep Learning y las Redes Neuronales Convolucionales, cuando ha sido posible obtener resultados prometedores y eficientes.
Visión Artificial
La visión artificial consiste en extraer datos a partir de ciertas imágenes. Estos datos pueden ser utilizados en un proceso industrial para por ejemplo medir objetos, leer textos o determinar si las piezas fotografiadas son válidas o al contrario, cuentan con algún defecto.
Tradicionalmente, la visión artificial se ha realizado mediante el uso de operaciones y algoritmos sobre las propias imágenes para extraer la información necesaria. El problema de este tipo de visión convencional es que es muy poco flexible. Requiere de mucho trabajo para que funcione con los casos mas extremos y no proporcionara resultados adecuados ante nuevos datos que no estuviesen contemplados.
Deep Learning
La Inteligencia Artificial busca dotar a las máquinas de la capacidad de aprender para obtener la información deseada a base de entrenar con datos ya conocidos. Mediante esta técnica, es posible obtener un sistema mucho más flexible que puede adaptarse y obtener muy buenos resultados cuando se encuentran con nuevas situaciones. En particular, el sistema que mejores resultados ha proporcionado es el Deep Learning.
El Deep Learning es un tipo de algoritmo de Inteligencia Artificial que emulan las redes neuronales del cerebro humano. Ofreciendo unos resultados en función de los datos introducidos en la red. Debido a su gran capacidad de abstracción, el Deep Learning es el tipo de Inteligencia Artificial que se emplea comúnmente para la Visión Artificial.
Redes Neuronales Convolucionales
La Redes Neuronales Convolucionales o CNN son un tipo de red neuronal que trata de emular el comportamiento del sistema visual humano. Por este motivo estas redes son las que habitualmente se utilizan con imágenes para el desarrollo de proyectos de Visión Artificial que requieran de un tipo de inteligencia, como por ejemplo, el reconocimiento de objetos.
Su funcionamiento básicamente, consiste en aplicar filtros sobre pequeñas áreas de la imagen. Su objetivo es encontrar patrones básicos como líneas o bordes, cuanto mas se profundiza en la red, mas complejas son las formas encontradas. Una vez aplicados todos los filtros, el resultado es introducido en una red Neuronal convencional que proporcionara el resultado para el que se haya entrenado dicha red.
Visión convencional o Deep Learning
En los proyectos más complejos, lo habitual es aplicar una combinación de ambas. La visión Artificial convencional se utiliza para preprocesar la imagen y remarcar las características que se desean tratar. Una vez preprocesada la imagen, es introducida en el sistema de Deep Learning para obtener los resultados finales.
Sin embargo, con otros problemas más sencillos puede no ser necesario aplicar un proceso tan complejo. Aunque la versatilidad y los buenos resultados del Deep Learning han quedado claramente demostrados, el uso de uno u otro sistema depende en gran medida del tipo de aplicación a desarrollar.
Aunque la visión convencional sea más simple, puede aportar resultados más fiables dependiendo de las circunstancias. Es importante saber diferenciar cuando se cumple este caso o, por el contrario, es mejor desarrollar un sistema de Deep Learning.
¿Quieres aplicar Visión Artificial o Deep Learning en alguno de tus Proyectos? ¡Contacta con nosotros!
Posts relacionados:
- Deep Learning y sus muchas aplicaciones
- El Machine learning en la industria
- Guía sobre Visión Artificial para principiantes
- 5 aplicaciones de detección de defectos por visión artificial
Proyectos relacionados:
