Visão de máquina e controle de qualidade

O que está incluso no serviço de visão de máquina

Desenvolvemos a parte de software do sistema de controle visual de qualidade e o configuramos no equipamento do cliente. Para a tarefa específica montamos um dataset com os defeitos, o rotulamos, treinamos o modelo de reconhecimento e o integramos com as câmeras, a iluminação e a linha do cliente. A própria câmera, a esteira e os atuadores continuam sendo propriedade do cliente e fisicamente fazem a captura e a rejeição, e nós preparamos o algoritmo que decide «aprovado ou refugo» a partir do quadro. Na saída você recebe um modelo treinado, atrelado ao seu hardware, mais a lógica de reação: marcar a peça, parar a esteira, registrar o defeito no log. No escopo do trabalho entra também a calibração para o chão de fábrica — ângulos, sombras, velocidade do fluxo, para que a visão de máquina dê um resultado estável não em fotos de teste, mas no produto real.

Como funciona o controle visual na essência

O quadro da câmera passa por pré-processamento (normalização de brilho, alinhamento, filtragem de ruído) e depois é alimentado a uma rede neural, que destaca os objetos e classifica o estado deles. O detector encontra na imagem as zonas de interesse — cordão, furo, marcação, superfície — e avalia cada uma pelos atributos aprendidos, fornecendo as coordenadas e a probabilidade de defeito. O resultado é comparado a um limiar admissível, e o sistema forma um sinal que o equipamento do cliente executa: separa, marca ou para. A velocidade aqui é crítica — os detectores modernos fazem a inferência em uma única passada pela rede, por isso o controle ocorre no ritmo da linha, sem desacelerá-la. É importante que o modelo trabalhe não por regras rígidas do tipo «se o pixel for mais escuro, é refugo», mas pela estatística de milhares de exemplos, por isso pega defeitos difíceis de descrever por fórmula.

De onde surgiu a visão computacional

A área cresceu a partir dos trabalhos acadêmicos dos anos 1960: em 1963 Lawrence Roberts defendeu no MIT uma tese sobre a reconstrução da forma tridimensional de objetos a partir de uma imagem plana, o que é considerado um dos pontos de partida. Em 1966 Marvin Minsky e Seymour Papert lançaram no MIT o Summer Vision Project educacional — pelo memorando de 7 de julho, a tarefa de separar objetos do fundo foi proposta como tarefa de verão para estudantes, e a sua complexidade subestimada deu o tom das pesquisas por décadas. A virada nas redes convolucionais veio em 1998, quando Yann LeCun e coautores publicaram o trabalho Gradient-Based Learning Applied to Document Recognition e a arquitetura LeNet-5 para reconhecimento de dígitos manuscritos. O salto de massa veio com a rede AlexNet em 2012 (Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton), que reduziu o erro top-5 no concurso ImageNet para cerca de 16 por cento contra 26 do concorrente mais próximo. Em junho de 2015 Joseph Redmon e colegas apresentaram o algoritmo YOLO (artigo arXiv 1506.02640), que reconhece objetos em uma única passada pela rede e tornou a detecção apta para tempo real.

Por que software e precisão decidem tudo

Num sistema de controle de qualidade o equipamento físico é igual para todos — o que distingue o resultado é justamente o modelo treinado e a sua configuração. Se o dataset foi montado torto ou o limiar foi definido no chute, a visão de máquina começa ou a deixar passar refugo, ou a rejeitar peças boas, e ambos os cenários atingem a economia da produção. A precisão se mede não por um percentual geral de «respostas corretas», mas pelo equilíbrio entre defeitos não detectados e falsos positivos, e para cada tarefa esse equilíbrio é ajustado à parte. O modelo precisa ser retreinado para os materiais, a iluminação e o desgaste das câmeras específicos, senão num novo lote de produto a precisão derrapa. Por isso o grosso do trabalho de engenharia está não na compra de hardware, mas na rotulagem, no treinamento, na validação e na calibração da parte de software para o seu chão de fábrica.

Em quais ferramentas trabalhamos

O stack básico é o OpenCV para pré-processamento e geometria do quadro, os detectores neurais da família YOLO para busca de objetos em tempo real e os frameworks de deep learning para treinamento e retreinamento dos modelos. O OpenCV cobre as operações clássicas: calibração da câmera, correção de distorções, extração de contornos, trabalho com espaços de cor — o que é necessário antes de o quadro ir para a rede. O YOLO e arquiteturas afins respondem pela detecção e classificação de defeitos com correção para a velocidade da linha. As redes neurais treinamos no dataset rotulado do cliente, e a inferência implantamos onde for conveniente em latência e custo — num PC industrial junto à linha ou num servidor. O conjunto específico escolhemos conforme a tarefa: em alguns casos bastam os métodos clássicos do OpenCV, em outros não há como prescindir de uma rede neural treinável.

Quando surgiram as principais ferramentas do stack

A biblioteca OpenCV foi iniciada na Intel em 1999 sob a direção de Gary Bradski, e o primeiro release público saiu em 2000 — desde então é o padrão de fato para tarefas de visão computacional. A linguagem Python, na qual hoje se faz a maior parte do trabalho de treinamento de modelos e integração de componentes, foi lançada por Guido van Rossum em 1991. As redes convolucionais como ferramenta prática foram consolidadas pela arquitetura LeNet-5 em 1998, e a virada para o deep learning foi dada pela AlexNet em 2012. O detector YOLO, sobre o qual se constrói o reconhecimento em tempo real, foi publicado em junho de 2015. Essas datas mostram que as ferramentas não são cruas: OpenCV e Python funcionam há mais de duas décadas, e a detecção neural foi rodada desde meados dos anos 2010.

Por que dá para confiar isso a nós

A experiência somada da nossa equipe de desenvolvimento ultrapassa 45 anos em TI, e a nossa abordagem é de engenharia, e não de demonstração: o modelo é verificado num conjunto reservado e num lote de teste antes de ir para a partida de verdade na linha. Não vendemos hardware e não fabricamos o seu produto — escrevemos o programa e configuramos o equipamento que já está com você, por isso respondemos justamente pela parte em que se decide a precisão. Antes da partida rodamos o modelo em quadros reais do seu chão de fábrica, registramos o percentual de defeitos não detectados e de falsos positivos e acordamos os limiares com você, em vez de defini-los a olho. Se num novo lote ou na mudança de iluminação a qualidade do reconhecimento cair, o modelo é retreinado — é um procedimento padrão, previsto no suporte. No resultado você recebe uma visão de máquina atrelada à sua produção e verificada nos seus dados, e não uma solução universal de prateleira.