Tratamiento digital de imágenes multivariantes

La posibilidad de extraer información valiosa a partir de imágenes abre enormes perspectivas para el control y monitorización de procesos en tiempo real, así como para la clasificación automática mediante técnicas no destructivas y sin necesidad de muestrear (inspección 100%). El GIEM desarrolla sistemas de tratamiento digital de imágenes multivariantes (MIA) mediante técnicas estadísticas de proyección sobre estructuras latentes, que permiten extraer información útil para el control de procesos, monitorización, detección de fallos, construcción de modelos predictivos (soft sensors), así como para la clasificación automática. Las técnicas del MIA permiten extraer la información de la imagen relacionada con la estructura de correlación entre las variables, lo que permite visualizar información no visible a simple vista en la propia imagen, así como trabajar con texturas aleatorias (que no siguen un patrón determinista). La utilización de estas técnicas mejora los resultados de otras más "clásicas" utilizadas dentro del campo de análisis de imágenes, permitiendo además conocer la estructura de correlación entre las variables predictoras y comprender mejor la naturaleza de los procesos bajo monitorización. Algunos ejemplos de aplicación son la clasificación de azulejos con texturas aleatorias, la detección de enfermedades en cítricos, la monitorización de procesos petroquímicos a partir de imágenes de la llama de las tuberías de combustión de los subproductos, la regulación de procesos a partir de imágenes del producto, etc.

Aplicaciones

  • Todos los procesos en los que se registren imágenes de piezas, muestras de lotes o del propio proceso, tanto en escala de grises, como en color (imágenes RGB), así como en formato multiespectral. Algunos ejemplos de aplicación son la clasificación de azulejos con texturas aleatorias, la detección de enfermedades en cítricos, la monitorización de procesos petroquímicos a partir de imágenes de la llama de las tuberías de combustión de los subproductos, la regulación de procesos a partir de imágenes del producto, etc.

Ventajas técnicas

  • Técnica no destructiva.
  • No hay necesidad de muestrear (se puede realizar una inspección del 100%).
  • Permite extraer la información de la imagen relacionada con la estructura de correlación entre las variables, y visualizar información no visible a simple vista en la propia imagen, así como trabajar con texturas aleatorias (que no siguen un patrón determinista).

Beneficios que aporta

  • Mejora calidad productos/procesos
  • Mejora en la detección de fallos

Experiencia relevante