Un equipo ganador: robótica y sistemas de visión en perfecta armonía

Los productos llegan, literalmente, rodando hasta los robots pick and place: las cintas transportadoras suelen transportar miles de productos por minuto a las líneas de producción y embalaje. En el preciso momento del inicio del proceso y en milésimas de segundo, el sistema decide, por ejemplo, qué galleta o botella ha de ser recogida y colocada en una bandeja por un robot pick and place. Los escáneres suelen estar situados encima de las cintas transportadoras para capturar las características clave del producto, desde el color y la forma hasta la altura. En función de los requisitos de reconocimiento de imágenes del operador, hoy en día existen escáneres 2D y 3D avanzados que satisfacen sus necesidades específicas.

Ambos tipos tienen interfaces con el sistema de control del robot. Intercambian los datos del producto capturados con el sistema de control a través de sistemas de bus en tiempo real. Las redes de comunicación de este tipo cumplen su función en aplicaciones en las que es esencial una transmisión de datos rápida y fiable. En la industria alimentaria, en particular, las grandes cantidades de productos sensibles requieren un procesamiento rápido. Gracias a los sistemas de bus, los robots reciben continuamente coordenadas a intervalos de dos milisegundos. Esto permite transferir datos de hasta 10.000 productos por minuto, algo absolutamente imprescindible para procesar grandes cantidades de forma fiable y en el menor tiempo posible.

Para garantizar una comunicación fluida, se utilizan principalmente sistemas de bus basados en estándares industriales comunes, a menudo complementados con componentes específicos del fabricante. Gerhard Schubert GmbH, que ha desempeñado un papel pionero en el desarrollo de la tecnología de escáneres durante los últimos cuarenta años, utiliza su propio software para transferir datos a la robótica de la manera más fluida posible a través del sistema de bus. “Queremos asegurarnos de que nuestros sistemas de procesamiento de imágenes no tengan que convertir los datos en coordenadas robóticas antes de que lleguen a los robots, y de que sigan siendo flexibles cuando se realicen modificaciones en la línea”, explica Daniel Greb, director de Procesamiento de Imágenes de Gerhard Schubert. Por ejemplo, un fabricante puede querer integrar un robot con un eje adicional en su línea para que no solo pueda recoger productos, sino también girarlos. En este caso, el software desarrollado por la propia empresa permite una comunicación fluida y sin problemas entre el escáner y el robot, ya que puede reprogramarse rápidamente.

En términos sencillos, lo que los escáneres comunican a los robots puede compararse con los parámetros de los productos que los fabricantes introducen en el sistema antes de que comience la producción. La forma, el color, la altura y la posición de rotación se encuentran entre las coordenadas de producto más comunes. Estas especifican lo que los escáneres deben buscar en cada caso. Cuando se pone en marcha la línea de embalaje, los sistemas de procesamiento de imágenes cargan esta información y buscan específicamente los artículos que cumplen estos criterios. Los productos que no encajan en el patrón ni siquiera son registrados por los dispositivos, los que están equipados con cámaras especiales. “Estos paquetes de datos pueden reparametrizarse dinámicamente en cualquier momento a través de la interfaz de usuario de la máquina”, explica Daniel Greb. Esto permite a los fabricantes modificar de forma flexible el radio de inspección de los escáneres sin tener que interrumpir la producción durante largos periodos de tiempo.

El alcance de los paquetes de datos puede variar significativamente incluso antes de realizar cualquier ajuste dinámico. Los distintos escáneres necesitan distintos tipos de información. A diferencia de los escáneres 2D, los modelos 3D capturan, por ejemplo, la altura de los productos, lo que facilita enormemente el control de calidad de objetos de varias capas, como las galletas tipo sándwich. Un escáner 2D evaluaría estos productos siempre de la misma manera, ya que ve los objetos de forma telecéntrica, es decir, desde una vista cenital, pero es imposible determinar la altura desde arriba.

El escáner 3D calcula esto automáticamente: al captar los productos desde diferentes puntos de observación se superponen los campos de visión de varias cámaras. Las múltiples imágenes obtenidas sirven de base para una imagen global estereoscópica. Los escáneres 3D calculan los segmentos individuales de la imagen de altura resultante partiendo de dos imágenes tomadas de diferentes perspectivas. Los escáneres 2D, por su parte, logran una mayor resolución de imagen y una mayor precisión cromática. Esto convierte a ambos en componentes insustituibles para la evaluación precisa de la calidad de productos complejos.

Los escáneres son herramientas inteligentes que examinan objetos específicos en busca de características predefinidas. Lo mismo se aplica a los robots. La información proporcionada por el procesamiento de imágenes les permite seleccionar únicamente aquellos productos de las cintas transportadoras que pueden continuar su recorrido a lo largo de la línea de embalaje y, en última instancia, llegar al consumidor. “Mientras que el escáner inspecciona, el robot selecciona. Juntas, ambas tecnologías proporcionan la base para unos procesos de embalaje eficientes y orientados a la calidad”, subraya Daniel Greb.

Los escáneres también ofrecen un valioso apoyo en la manipulación de objetos no clasificados: gracias a la información adicional sobre la altura que proporcionan los escáneres 3D, los robots pueden agarrar objetos a una altura o ángulo específicos, lo que resulta ideal cuando los productos apilados pueden encontrarse tumbados, en posición vertical o en contacto entre sí. “Siempre que la cinemática del robot lo permita, la información proveniente de los escáneres 3D puede utilizarse para realizar movimientos extremadamente complejos”, explica Greb.

Si un producto no cumple los requisitos, los fabricantes pueden elegir entre dos escenarios, dependiendo de las especificaciones. Si un escáner detecta que los productos son defectuosos porque su color, superficie o tamaño no corresponden a los valores predefinidos, esta información no se envía a los robots. En lugar de ello, los productos defectuosos abandonan el proceso a través de cintas transportadoras de rechazo. Alternativamente, permanecen en las cintas transportadoras y solo se expulsan al final de la línea si no pueden retirarse de inmediato debido a su diseño o si deben permanecer en el proceso por otras razones. Los robots obtienen entonces la información relevante.

Para Daniel Greb, las ventajas de esta solución son evidentes: “Los productos defectuosos aportan información importante para las evaluaciones estadísticas. Registrar estas desviaciones y transmitirlas a sistemas de nivel superior, como soluciones en la nube para el registro estadístico de las propiedades de los productos, puede ser el primer paso hacia la optimización de los procesos para los fabricantes y, en última instancia, hacia una producción más eficiente a largo plazo”.

Daniel Greb, director de Procesamiento de Imágenes de Gerhard Schubert: “La IA permite que los robots aprendan lo que antes había que programar”

En su opinión, ¿cuáles son las ventajas de la sinergia entre los sistemas de visión y la robótica?
La combinación de ambos sistemas —detección precisa de productos y manipulación dinámica— garantiza que los productos lleguen al consumidor intactos y con la máxima calidad. Los protocolos uniformes para la comunicación entre máquinas son fundamentales para el éxito de la colaboración entre máquinas. A pesar de la tendencia hacia la especialización, los fabricantes deben asegurarse siempre de utilizar interfaces consolidadas que permitan una transferencia de datos estable. Nadie se beneficia de una transferencia incompleta entre el procesamiento de imágenes y la robótica.

¿Qué papel desempeña la IA en la colaboración entre máquinas?
Uno cada vez más importante. Especialmente bajo condiciones de producción exigentes, como condiciones de iluminación cambiantes o numerosos matices de color, resulta más sencillo entrenar a la IA para estos casos que programar una regla específica para cada uno. Las variables son simplemente demasiado numerosas para ello. El cobot tog.519 de Schubert, por ejemplo, alcanza velocidades notables gracias al procesamiento de imágenes basado en IA, ya que puede recoger productos de una pila desordenada con precisión y fiabilidad a una velocidad de hasta 90 ciclos por minuto.
Los procesadores gráficos cada vez más potentes están convirtiendo el uso de la IA en una propuesta atractiva para la industria. Schubert lleva tiempo trabajando en ello y está integrando estas unidades de procesamiento gráfico, o GPU, en nuevos sistemas. Al respecto, una ventaja es que incluso los posibles errores pueden describirse de antemano y comunicarse a los sistemas para que éstos estén preparados de la forma más completa posible para la realidad. Sin embargo, todavía no hay forma de evitar los algoritmos basados en reglas, especialmente para productos claramente especificables, como las galletas, donde es poco probable que se produzcan cambios inesperados.

¿Dónde ve potencial de optimización y cómo se traduciría esto en la práctica?
Los sistemas de procesamiento de imágenes proporcionan datos valiosos sobre la calidad de la producción, que podrían ponerse aún más fácilmente a disposición de los fabricantes de la industria alimentaria y otras industrias. Pienso en soluciones en la nube que almacenen estos datos para que se pueda acceder a ellos desde cualquier lugar, sin que nadie tenga que estar delante de la máquina para verlos. Los fabricantes de máquinas, como Schubert, podrían a su vez utilizar esta información para entrenar a la IA o reajustar la configuración de sistemas individuales. Sin embargo, esto requiere el consentimiento de los fabricantes que utilizan estas soluciones de procesamiento de imágenes. El potencial de esta solución depende de la disposición a lograr la mayor transparencia posible en los datos.