1
Anzur Hidalgo, M. Y.
I. Introducción a la visión artificial. (mayo de
Ingeniería Mecatrónica, Universidad de Tapachula, Chiapas.
223130@[Link].
2025)
por su velocidad, precisión y repetibilidad en la captura y
Resumen - De acuerdo con la Asociación de Imágenes procesamiento de imágenes.
Automatizadas (AIA), la visión artificial abarca todas las
aplicaciones industriales y no industriales en las que se emplea
una combinación de hardware y software para orientar
dispositivos mediante la captura y procesamiento de imágenes.
En el entorno industrial, los sistemas de visión artificial deben II. PRINCIPIOS DE ADQUISICIÓN DE IMAGEN.
garantizar solidez, confiabilidad y estabilidad operativa,
diferenciándose así de sus aplicaciones académicas o
gubernamentales. Este estudio presenta una visión general de las A. Imagen digital.
características, funciones y beneficios de los sistemas de visión
artificial, destacando su papel en la automatización de procesos,
inspección de calidad y asistencia en manufactura. La imagen digital es un concepto fundamental en la era
moderna de la tecnología de la información y la
comunicación. Se refiere a la representación visual de
Palabras clave - Visión artificial, procesamiento de imágenes, información en formato digital, es decir, en forma de bits y
sensores ópticos, aprendizaje profundo, automatización bytes que pueden ser procesados por computadoras y otros
industrial dispositivos electrónicos. A través de la digitalización, las
imágenes se convierten en datos que pueden ser almacenados,
I. INTRODUCCIÓN.
manipulados, transmitidos y visualizados de forma eficiente y
L
versátil.
a visión artificial ha emergido como una disciplina clave
La imagen digital se caracteriza por su naturaleza binaria, es
en la automatización de sistemas inteligentes, permitiendo la
decir, está compuesta por una serie de bits que representan
captura, procesamiento y análisis de información visual con
valores numéricos que a su vez corresponden a los niveles de
una precisión que supera la capacidad humana en ciertos
contextos. Este campo combina conocimientos de óptica, luminosidad y color de cada píxel de la imagen. Esta
inteligencia artificial y procesamiento de señales para estructura de datos permite una representación precisa y
desarrollar sistemas capaces de interpretar el entorno de detallada de la información visual, así como la aplicación de
manera autónoma. técnicas de procesamiento y análisis avanzados.
La visión artificial ha evolucionado para convertirse en una
herramienta esencial en la automatización de procesos
industriales. Su implementación permite la toma de decisiones
basada en análisis visual, facilitando el control de calidad, el
monitoreo de producción y la interacción con sistemas
autónomos.
A través de técnicas de aprendizaje profundo, sensores
ópticos de alta precisión y modelos computacionales
avanzados, la visión artificial ha logrado una optimización
sustancial en la toma de decisiones basada en análisis visual. Figura 1 Los cambios de apariencia debido a la iluminación
pueden.
La visión humana sobresale en la interpretación cualitativa Una imagen digital está compuesta de un número finito de
de entornos complejos y no estructurados, permitiendo la elementos y cada uno tiene una localidad y valor particulares.
identificación de patrones y la contextualización de escenas A éstos elementos se les llama, elementos de la imagen o
con una gran capacidad adaptativa. Sin embargo, la visión pixels; siendo este último el término más usado para denotar
artificial supera dichas capacidades en términos de medición los elementos de una imagen digital.
cuantitativa en entornos altamente estructurados, destacándose
El muestreo es el proceso de convertir una señal continua en
Documento entregado el 28 de mayo de 2025. Este trabajo fue realizado con una secuencia numérica discreta, permitiendo su análisis
el apoyo de la Universidad de Tapachula, Chiapas, en el Departamento de computacional. Según el teorema de muestreo de Shannon,
Ingeniería Mecatrónica. una señal puede reconstruirse correctamente si su frecuencia
Maryury Yarumy Anzur Hidalgo es estudiante en Ingeniería Mecatrónica en
la Universidad de Tapachula, Tapachula, Chiapas, México (correo de muestreo es al menos el doble de su ancho de banda.
electrónico: [223130@[Link].).
2
B. Proceso de adquisición de imágenes digitales con
interfaz gráfica.
I. Apertura de un programa graficador: Se inicia un
software de edición de imágenes.
II. Creación de un nuevo archivo: Se especifica el
tamaño de la imagen.
III. Selección de herramientas y colores: Se eligen las
herramientas de dibujo y los colores deseados.
IV. Importación de imágenes (opcional): Si se desea
incorporar imágenes existentes, se utiliza la función Figura 2.
de importación. 2) Sector automoción.
V. Edición de elementos: Se manipulan los elementos
dentro de la imagen, aplicando degradados, colores En automoción la visión artificial se utiliza principalmente
planos o efectos. para realizar inspecciones y control de calidad en operaciones
VI. Guardado del archivo: Se guarda el archivo con el de fabricación, ensamblaje etc. También resultan interesantes
nombre, extensión y ubicación deseados. Para futuras las aplicaciones de detección de defectos, tanto en pintura
ediciones, se recomienda guardar en el formato como en prensas, ya que permiten detectar defectos visuales
nativo del programa; para uso web, JPG (sin en etapas tempranas de la producción. Estas aplicaciones,
transparencia) o PNG/GIF (con transparencia). habitualmente, están basadas en algoritmos de inteligencia
artificial que permiten la clasificación de imágenes con y sin
Los sistemas pueden clasificarse en invariantes en el tiempo y defectos.
variantes en el tiempo. Un sistema es invariante si sus
características permanecen constantes a lo largo del tiempo,
asegurando respuestas idénticas ante entradas desplazadas
temporalmente. En contraste, un sistema variante en el tiempo
presenta modificaciones en su comportamiento dependiendo
del instante de operación.
El análisis de sistemas bidimensionales es similar al de
Figura 3.
sistemas unidimensionales, pero incorpora una segunda
dimensión, como el procesamiento de imágenes, permitiendo
3) Sector packaging.
una evaluación más completa de la información en distintos
dominios. En este sector se utiliza la visión artificial para los trabajos de
inspección de presencia o ausencia de marcadores. Como, por
C. Tipos de visión artificial para cada sector. ejemplo, etiquetas, impresión de números de lote o fechas de
caducidad, correcta colocación de tapones o control del nivel
de líquido del producto.
1) Sector agroalimentario.
En este sector, la visión artificial se utiliza como herramienta
para el control de calidad de los productos. La visión
hiperespectral, por ejemplo, permite clasificar elementos por
su composición química, lo que resulta realmente interesante a
la hora de detectar intrusos, en las fases de empaquetado de
alimentos. Por otro lado, también se puede utilizar para
conocer la calidad de las frutas, maduración, enfermedades,
entre otras muchas cosas. Además de la visión hiperespectral, Figura 4.
se pueden aplicar sistemas de visión RGB tradicionales en
aplicaciones más comunes, lectura de códigos etc.
4) Sector electrónico.
En el sector de la electrónica se utiliza la visión artificial
principalmente, para inspeccionar ensamblajes y la soldadura
de componentes. Además, agiliza los procesos de reparación y
3
producción de componentes defectuosos. Por último, la visión incluyen mejorar la resolución del sensor o acercarse al objeto
artificial permite la manipulación e identificación de capturado.
componentes de forma rápida y fiable.
El ojo humano es un sistema óptico altamente desarrollado
que permite la percepción visual mediante la captación de luz
a través de la pupila, iris, córnea y lente. La retina, compuesta
por células sensoriales llamadas conos y bastones, procesa la
intensidad y los colores de la luz, transformándolos en
impulsos eléctricos enviados al cerebro a través del nervio
óptico. Este mecanismo es análogo a los sistemas de visión
artificial, donde cámaras digitales emplean sensores
especializados para capturar y procesar imágenes con alta
precisión.
Figura 5.
D. Características de las imágenes en el proceso de 1) El ojo humano y el Sistema de Visión.
adquisición.
Las imágenes posteriormente son almacenadas para poder ser
Durante esta etapa se construye un sistema de formación de utilizadas más adelante.
imágenes. Cuyo objetivo es realzar las características visuales
De forma similar, lo seres humanos guardan estos datos en el
de los objetos aplicando diversas técnicas fotográficas. Es
cerebro. El proceso de mostrar una imagen almacenada es
considerada una de las etapas de gran importancia porque de realizado por el procesador, el cual lee los datos del archivo de
ella depende el éxito o el fracaso de un sistema de la imagen, y por medio de software se compone nuevamente
reconocimiento. Al adquirir una imagen de calidad se logrará en la pantalla del monitor. En el monitor, esta imagen está
utilizar menos algoritmos para su mejoramiento y a su vez formada de puntos de colores que están agrupados de tal
menos tiempo de preprocesado. forma que cuando el ojo humano los percibe, no ve los puntos,
El muestreo es el proceso de convertir una señal continua en sino una imagen. A estos puntos se les denominan píxeles. Un
una secuencia numérica discreta, permitiendo su análisis píxel, por lo tanto, es la mínima unidad de información visual
computacional. Según el teorema de muestreo de Shannon, representable por una computadora.
una señal puede reconstruirse correctamente si su frecuencia
de muestreo es al menos el doble de su ancho de banda. 2) Percepción de color.
En el ámbito de imágenes digitales, cada píxel se identifica El color es una respuesta del sistema de visión humano ante
por dos coordenadas (renglones y columnas). Las imágenes a las variaciones del espectro elecespectromagnético visible
color suelen componerse de tres imágenes en escala de grises percibido mediante los conos, estos sensores convierten la
representando los colores primarios (RGB), aunque existen energía lumínica en señales nerviosas. Estudios fisiológicos,
otros espacios de color como HSV, LAB, XYZ y CMYK. existen tres tipos de conos S, M y L. Los conos S son sensibles
a ondas cortas (azules-450nm), los M a las ondas medias
Figura 6 Muestreo y cuantización de una imagen. (verde-540nm) y los L a longitudes largas (rojo-650nm). Con
base en lo anterior, el color se representa en una base de tres
componentes fundamentales: rojo, verde y azul.
El cuantización se encarga de transformar la amplitud
continua de la imagen en valores discretos, proceso que ocurre
en sensores digitales dentro de cámaras. Figura 6.
La calidad final de la imagen depende del número de
muestras (resolución) y los niveles de cuantización. Si la 3) Espectro Electromagnético.
resolución de muestreo es insuficiente, puede aparecer
aliasing, una distorsión visual que ocurre cuando los detalles El proceso de formación del color en una imagen imita en gran
de alta frecuencia no se capturan adecuadamente. Soluciones parte al sistema humano ya que se realiza mediante la
4
combinación de estas tres señales denominados colores La iluminación difusa axial junta la luz en el camino óptico
primarios (rojo, verde y azul). Al combinarlos aditivamente en desde el costado (coaxialmente). Un espejo semitransparente
partes iguales se obtienen los colores secundarios (amarillo, iluminado desde un lado arroja luz hacia abajo donde está la
magenta y cyan). El color blanco es generado de la pieza a inspeccionar. La pieza refleja la luz de vuelta a la
combinación de los tres colores primarios. cámara a través del espejo lo que resulta en una imagen muy
iluminada de forma pareja y homogénea.
Figura 7.
Figura 9.
4) Iluminación.
La iluminación es una de las claves del éxito en los resultados c) Luz estructurada.
de la visión artificial. Los sistemas de visión artificial crean
imágenes analizando la luz reflejada de un objeto, no
La luz estructurada es la proyección de un patrón de luz
analizando el objeto mismo. Una técnica de iluminación
(plano, en cuadrícula o con forma más compleja) en un ángulo
implica una fuente de luz y su ubicación con respecto a la
conocido sobre un objeto. Puede ser muy útil para
pieza y a la cámara. Una técnica de iluminación particular
proporcionar contraste independiente en inspecciones de
puede resaltar una imagen, así como negar algunas
superficie, para adquirir información dimensional y calcular el
características y destacar otras, al siluetar una pieza se
volumen.
oscurecen detalles de la superficie y esto permite la medición
de sus bordes, por ejemplo.
a) Iluminación de fondo.
La iluminación trasera destaca el contorno de un objeto y es
indicada para aplicaciones en que se requiere medir un borde
externo. La iluminación de fondo ayuda a detectar formas y
hace mediciones dimensionales más confiables.
Figura 10.
d) Iluminación de campo oscuro.
La iluminación direccional revela con mayor facilidad los
defectos en una superficie y además cuenta con iluminación de
campo oscuro y de campo claro. La iluminación de campo
oscuro generalmente es preferible para aplicaciones de bajo
contraste. Con esta iluminación, la luz especular se refleja
Figura 8. lejos de la cámara y la luz difusa se refleja desde la textura de
la superficie mientras los cambios de elevación se reflejan en
la cámara.
b) Iluminación difusa axial.
5
e) Iluminación de campo brillante. g) Iluminación estroboscópica.
Iluminación ideal para aplicaciones de alto contraste. Sin La iluminación estroboscópica se utiliza en aplicaciones de
embargo, si se usa altamente direccional, las fuentes de luz alta velocidad para congelar objetos en movimiento para su
como el sodio a alta presión y el halógeno de cuarzo pueden examen. Usar una luz estroboscópica también ayuda a evitar la
producir sombras y, en general, no proporcionan una borrosidad.
iluminación constante en todo el campo de vista. En
consecuencia, los puntos calientes y los reflejos especulares Los elementos comerciales que se pueden utilizar para lograr
sobre superficies brillantes o reflejantes pueden requerir de una iluminación correcta son:
una fuente de luz más difusa para proporcionar iluminación
uniforme. I. Luces incandescentes. Su costo es relativamente bajo,
y son fáciles de utilizar además de que pueden
funcionar por largos periodos de tiempo. Suelen ser
puntos luminosos, no direccionales y con moderada
eficiencia energética. Sin embargo, a pesar de que es
posible ajustar la intensidad lumínica, desprenden
mucho calor que puede limitar su aplicación.
II. Fuentes fluorescentes. Se caracterizan por no generar
calor y es posible encontrar gran diversidad de
formas, tamaños y colores de luz. La alimentación
debe ser en corriente alterna y emplear reactancias de
altas frecuencias (100Hz a 25kHz) para evitar
fluctuaciones en las imágenes.
III. Láser. Es una fuente monocromática que puede
presentar diferentes patrones de luz como son el
punto, una línea, rejillas, entre otros. El gran
inconveniente es que se necesita emplear sistemas de
seguridad para evitar dañar a los operarios que
f) Iluminación de domo difusa. trabajen cerca de estos sistemas de iluminación.
IV. Fibra óptica. Es utilizada en la iluminación de
Esta iluminación brinda la luz más uniforme de las pequeñas áreas y concavidades, es una luz asociada a
características de interés y puede esconder irregularidades que la iluminación, pero no al calor.
no son de interés que pueden ser confusas para la escena.
E. LENTES.
El lente captura la imagen y la entrega al sensor de imagen en
la cámara. Los lentes varían en calidad óptica y precio, el lente
utilizado determina la calidad y resolución de la imagen
capturada.
6
La mayoría de las cámaras de los sistemas de visión ofrecen
dos tipos principales de lentes: lentes intercambiables y lentes
fijos. Los lentes intercambiables son típicamente de montaje
en C o montaje CS. La combinación correcta del lente y la
extensión adquirirá la imagen mejor posible. Un lente fijo
como parte de un sistema de visión independiente típicamente
utiliza el enfoque automático, que podría ser un lente ajustado
mecánicamente o un lente líquido que enfoca
automáticamente. Los lentes de autoenfoque generalmente
tienen un campo de visión fijo a una distancia determinada.
Figura 11.
1) Sensor de imagen.
G. PROCESAMIENTO DE VISIÓN.
La capacidad de la cámara para capturar una imagen
correctamente iluminada del objeto inspeccionado no solo
depende de la lente, sino también del sensor de imagen dentro El procesamiento es el mecanismo para extraer información
de la cámara. Estos sensores generalmente usan un dispositivo de una imagen digital y puede tener lugar externamente en un
de carga acoplada (CCD) o un semiconductor complementario sistema basado en PC, o internamente en un sistema de visión.
de óxido metálico (CMOS) para convertir la luz (fotones) en El procesamiento se realiza por software y consta de varios
señales eléctricas (electrones). Básicamente, el trabajo del pasos. Primero, una imagen se adquiere desde el sensor. En
sensor de imagen es capturar la luz y convertirla en un ruido algunos casos, es posible que se requiera un procesamiento
de imagen digital, sensibilidad y rango dinámico. La imagen previo para optimizar la imagen y asegurar que todas las
es una colección de píxeles. La luz baja produce píxeles características necesarias se destacan. Luego, el software
oscuros, mientras que la luz brillante crea píxeles más localiza las características específicas, ejecuta mediciones y
brillantes. Es importante asegurar que la cámara tenga la las compara con la especificación. Finalmente, se toma una
resolución del sensor correcta para la aplicación. Cuanto decisión y se comunican los resultados. Si bien muchos de los
mayor sea la resolución, más detalles tendrá una imagen, y componentes físicos de un sistema de visión artificial (como la
más precisas las mediciones serán. El tamaño de la pieza, las iluminación) ofrecen especificaciones comparables, los
tolerancias de inspección y otros parámetros dictarán la algoritmos del sistema de visión los separan y deben enlistar
resolución requerida. los componentes clave a evaluar cuando comparan las
soluciones. Dependiendo del sistema o aplicación específica,
El sensor de imagen es un componente que permite capturar la el software de visión configura los parámetros de la cámara,
luz y convertirla en señales eléctricas. Es el encargado de toma la decisión de aprobar-rechazar, se comunica con la red
traducir la información visual en datos que puedan ser de la fábrica y da soporte al desarrollo de HMI (Human
procesados y almacenados. El sensor de imagen se compone Machine Interface).
de diversos componentes sensibles a la luz, como fotodiodos o
fototransistores, que detectan y transforman las ondas
lumínicas en señales eléctricas. H. COMUNICACIONES.
F. Componentes de un sensor de imagen. Dado que los sistemas de visión a menudo usan una variedad
de componentes de fácil adquisición, éstos deben coordinarse
Los sensores de imagen están compuestos por una amplia y conectarse a otros elementos del equipo de forma rápida y
variedad de componentes que trabajan en conjunto para fácil. Típicamente esto es hecho por una señal de E / S discreta
capturar y procesar la luz. Algunos de los componentes más o por datos enviados a través de un puerto serial a un
comunes en un sensor de imagen incluyen: dispositivo que está registrando información o usándola. Los
puntos de E/ S discretos se pueden conectar a un controlador
I. Fotodiodos: Son pequeñas células fotosensibles que lógico programable (PLC), que usará esa información para
convierten la luz en corriente eléctrica. controlar una celda de trabajo o un indicador como una luz o
II. Fototransistores: Son transistores sensibles a la luz directamente a un solenoide que podría utilizarse para activar
que amplifican la señal eléctrica generada por los un mecanismo de rechazo. La comunicación de datos por una
fotodiodos. conexión serial puede ser en la forma de una salida
III. Filtro de color: Permite capturar diferentes colores de convencional RS-232 o de Ethernet. Algunos sistemas
luz al dividir el espectro en rojo, verde y azul. emplean un protocolo industrial de nivel superior como
IV. Ampliador de señal: Incrementa la intensidad de la Ethernet/ IP, que puede estar conectado a un dispositivo como
señal capturada para su posterior procesamiento. un monitor u otra interfaz de operador para proporcionar una
V. Convertidor analógico-digital (ADC): Transforma la interfaz específica para la aplicación con su conveniente
señal eléctrica analógica en números digitales, que monitoreo y control.
representan los niveles de intensidad de la luz
capturada.
7
I. SISTEMAS DE VISIÓN ARTIFICIAL.
1) SISTEMAS DE VISIÓN 1D.
La visión 1D analiza una señal digital, una línea a la vez en
lugar de ver una imagen completa una única vez, como la
evaluación de la diferencia entre el grupo más reciente de 10
líneas adquiridas y otro grupo menos reciente. Esta técnica Figura 13.
comúnmente detecta y clasifica defectos en materiales
fabricados en un proceso continuo, como papel, metales,
plásticos y otros artículos de hoja o rollo no tejidos, como se J. SISTEMAS 3D.
muestra en la Figura 12. Los sistemas de visión artificial 3D generalmente comprenden
cámaras múltiples o uno o más sensores láser con
desplazamiento. La visión 3D multi cámara en aplicaciones de
guía con robot proporciona al robot información sobre la
orientación de la pieza. Estos sistemas involucran múltiples
cámaras montadas en diferentes lugares y una “triangulación”
sobre una posición objetiva en un espacio de 3-D.
Figura 12 Los sistemas de visión 1D escanean una línea a la
vez mientras el proceso avanza.
En el ejemplo, se detecta un defecto en la hoja.
2) SISTEMAS DE VISIÓN 2D.
Figura 14 Los sistemas de visión 3D generalmente emplean
múltiples cámaras.
Las cámaras de inspección más comunes realizan escaneos de
área que implican capturar en 2D imágenes instantáneas en
varias resoluciones como se muestra en la figura 12. Otro tipo
de visión artificial de escaneo lineal en 2D construye una
imagen línea por línea, como se muestra en la Figura 13.
Figura 15 Sistema de inspección 3D con una sola cámara.
K. PLATAFORMAS PARA VISIÓN ARTIFICIAL.
La implementación de la visión artificial es posible por medio
Figura 12 Los sistemas de visión 2D pueden producir de varias plataformas físicas tales como la basada en sistemas
imágenes con diferentes resoluciones. de PC, por controladores de visión diseñados para aplicaciones
de 3D y 2D de multicámara. También la visión artificial puede
implementarse por sistemas de visión autónomos, sensores de
visión simples y lectores de código de barras basados en
imágenes.
8
Elegir la plataforma correcta de visión artificial generalmente IX. CONCLUSIÓN
depende de los requisitos de la aplicación, así como el entorno
de desarrollo, la capacidad, la arquitectura y el costo.
Los sensores de imagen desempeñan un papel esencial en la
1) VISIÓN ARTIFICIAL BASADA EN PC. captura y procesamiento de imágenes digitales. Su diseño
basado en fotodiodos y fototransistores permite la conversión
Los sistemas basados en PC se conectan fácilmente con eficiente de luz en señales eléctricas, facilitando su análisis en
cámaras de conexión directa o con tableros electrónicos y son aplicaciones fotográficas, industriales y científicas.
compatibles con un software de aplicación de visión artificial.
Además, las PC ofrecen una gran cantidad de opciones de Las tecnologías CCD, CMOS y Foveon X3 ofrecen distintas
desarrollo de lenguaje de programación compatible como ventajas en términos de sensibilidad, velocidad de captura y
Visual C/C++, Visual Basic y Java, y otros entornos de consumo energético, lo que determina su idoneidad según el
programación para gráficos. Sin embargo, el desarrollo tiende contexto de uso. Además, la forma y tamaño del sensor
a ser largo y complicado por lo general, y se limita a influyen directamente en la resolución y calidad final de la
instalaciones grandes que apelan principalmente a usuarios y imagen, impactando la precisión de los sistemas de visión
programadores de visión artificial avanzados. artificial.
2) CONTROLADORES DE VISIÓN. La evolución de los sensores de imagen continúa optimizando
su eficiencia, permitiendo mejoras en captura de datos,
Los controladores de visión ofrecen toda la potencia y reducción de ruido y adaptabilidad a nuevas aplicaciones. Su
flexibilidad de un sistema basado en PC, pero son más capaces desarrollo es clave en la automatización de procesos
de soportar los rigurosos entornos de una fábrica. Estos industriales y en el avance de la inteligencia artificial aplicada
controladores permiten una configuración más sencilla de al análisis visual.
aplicaciones 3D y 2D de multicámara para tareas puntuales
donde hay una cantidad razonable de tiempo y dinero III. REFERENCIAS.
disponible para el desarrollo. Esto permite que las aplicaciones
más sofisticadas se configuren de una manera muy rentable.
[1] González, R. C., and Woods, P., Digital Image Processing, Addison
Wesley, 2002.
[2] Proakis, John G., and Manolakis, Dimitris G., Digital Signal Processing:
L. SISTEMAS DE VISIÓN AUTÓNOMOS. Principles, Algorithms and applications, Prentice-Hall, Inc., 1996.
[3] B. Smith, “Visión artificial en la industria.
Los sistemas de visión independientes son rentables y pueden [4] Duque Domingo, J., Gómez García-Bermejo, J., & Zalama Casanova, E.
(2024). Visión Artificial: Componentes de los sistemas de visión y
ser configurados rápido y fácilmente. Estos sistemas vienen nuevas tendencias en Deep Learning.
completos con un sensor de cámara, procesador y [5] [Link] (2023). Los 10 mejores libros teóricos y prácticos sobre
comunicaciones. Algunos también integran iluminación y visión artificial.
autoenfoque. En muchos casos estos sistemas son compactos y [6] Revista Tierra Infinita UPEC (2015). La Visión Artificial y los Campos
de Aplicación.
lo suficientemente económicos como para instalarlos en toda
la fábrica.
Mediante el uso de sistemas de visión independientes en
puntos clave del proceso, los defectos se pueden detectar antes
en el proceso de fabricación y los problemas del equipo se
pueden identificar más rápidamente. La mayoría ofrece
comunicaciones Ethernet integradas, lo que permite a los
usuarios no solo distribuir la visión a lo largo del proceso, sino
unir dos o más sistemas en una red de visión escalable en la
que se intercambian datos entre sistemas y es administrada por
un anfitrión.
Una red de sistemas de visión también se puede vincular
fácilmente a las redes de las fábricas y empresas, permitiendo
que cualquier estación de trabajo con capacidad TCP / IP
pueda mandar de forma remota resultados de visión como
imágenes, datos estadísticos y otra información. Estos
sistemas ofrecen entornos intuitivos que proporcionan una
guía de configuración fácil y también la opción para una
programación y lenguaje avanzados para un mayor control de
la configuración del sistema y del manejo de datos de la
aplicación de visión.