30 VISIÓN ARTIFICIAL ratura extrema, suciedad y polvo, de uso interior o exterior, con ventilación líquida o por aire y otros requisitos. También las formas de procesamiento y SDKs disponibles son muy varia- das, desde el uso de SDKs pro- pietarias de los fabricantes de las cámaras, Texas Instruments, Vision Components, FLIR, Bass- ler, JAI, etc., librerías Halcon [1], Matrox MIL [2], a estándares de facto de más bajo nivel como OpenCV [3] o Mathworks MATLAB [4] y su Image Processing Toolbox. Las ópticas y la iluminación requerirían un extenso artícu- lo y por lo general debe tenerse en cuenta que lo que se busca es facilitar la tarea de procesamiento lo máximo posible, por lo que todo lo que afecte a la captura debe valorarse de manera minuciosa. Con ello hay que tomar decisiones sobre el escenario y distancia de trabajo (di- mensiones), apertura y profundidad de campo que per- mite la óptica, el área y tecnología de fabricación del sensor, el tiempo de exposición (rolling shutter vs global shutter, para reducir o eliminar el motion blur), la resolu- ción espacial de la imagen (640x480, 752x480, Megapí- xel, HD, etc.), la tasa de refresco o framerate de adquisición (desde 10 a varios cientos de fotogramas por segundo), el tipo de iluminación en función de la modali- dad de captura, etc. Por último, es importante destacar el papel que desem- peñan los dispositivos de cómputo finales. Las propias Computador Matrox 4Sight GPm diseñado especialmente para entornos in- dustriales [2]) que muestra 4 puertos USB3, 2 USB2.0 y 4 GigE PoE. cámaras pueden incluir pequeños procesadores en los que ejecutar las rutinas de procesamiento de imágenes en las llamadas cámaras inteligentes, aunque también es común contar con equipos de procesamiento basados en estaciones de trabajo tipo PC, con mayor o menor grado de rugerización para su adaptación al entorno industrial. Se pueden encontrar soluciones de bajo consumo basa- dos en FPGAs y DSPs especializados, procesadores ARM más generales aunque de peor rendimiento, evoluciona- dos PLCs con mejoradas capacidades de cómputo, co- municación y almacenamiento, equipos de más altas prestaciones y bajo consumo basados en procesadores Intel Atom hasta incluso grandes estaciones de trabajo y servidores. Asimismo, en los últimos años ha habido un creciente interés por el procesamiento paralelo, por la evolución natural de los procesadores a incorporar varios núcleos de procesamiento (arquitecturas multicores) o varios miles (arquitecturas manycore) en sistemas basa- dos en procesadores gráficos (GPU computing) con inter- faces de programación paralela Intel TBB (Threading Building Blocks), OpenMP, OpenCL o NVIDIA CUDA [6], entre otros. Un ejemplo de computador diseñado especialmente te- niendo en cuenta requisitos industriales y las típicas in- terfaces de las cámaras es el Matrox 4Sight GPm [2] sin ventilación mecánica y múltiples puertos de conectividad USB3 Vision y GigE Vision con soporte PoE (Power-over- Ethernet) para reducir las conexiones físicas de alimenta- ción de cámaras y con procesadores de bajo consumo Intel Core de tercera generación. Aplicaciones de visión artificial en entornos industriales Las aplicaciones más comunes de la visión artificial en entornos industriales son la inspección y el control de ca- lidad automatizado. La automatización de estas tareas se Sistema Trevista de inspección de superficies [7]. tecnología