Caso de éxito

Importante empresa de curtido de pieles

Identificación de defectos en piel natural con técnicas de visión artificial. De esta forma, se consigue ser más eficaz a la hora de detectar imperfecciones en el producto y de clasificarlo según su calidad. Todo ello, empleando mucho menos tiempo que mediante inspecciones visuales. 

01. Reto

 

Las pieles son muy dispares entre sí y pueden contener multitud de defectos que les otorgan su genuinidad. Pero algunos de ellos, poco visibles una vez finalizado el curtido, terminan siendo muy llamativos y bajan significativamente su valor.

Por esto es importante realizar una clasificación precisa de las pieles. Según esta, se someterán a los procesos más adecuados y se calificarán según su calidad.

La identificación de dichos defectos, como picaduras de mosquito, rasguños, manchas, etc. se realizaba de forma manual. Un proceso altamente complejo y que implica una interpretación por parte del operario, ya que toda piel tiene defectos, pero se debe discernir entre el número de defectos, el tipo, la posición, etc.

Esto hacía que dos operarios pudieran clasificar una misma piel en dos categorías diferentes. Además, el cansancio visual de dichos operarios bajaba su productividad.

 
 
 

02. Solución

Se buscaba un sistema capaz de capitalizar el conocimiento de los operarios y que estandarizase y mejorase la velocidad del proceso de clasificación de pieles. 

Se desarrolló un sistema de visión por computador de alta resolución, basado en técnicas de deep learning. Éste es capaz de identificar los posibles defectos en las pieles. Posteriormente, mediante técnicas de machine learning, clasifica las pieles en base a los defectos detectados, considerando su posición, número y tipo.

Así, se agiliza la clasificación aumentando la productividad, así como evita las posibles incoherencias de clasificación por parte de múltiples usuarios. También se reduce el tiempo de aprendizaje de los operarios.

03. En la actualidad

Actualmente, el sistema es capaz de identificar la presencia de diversos defectos en las pieles, como picos, rayas, laceraciones, manchas, etc. Unas tareas de detección y reconocimiento que requieren de una amplia experiencia por parte de los operarios, que las debían realizar a simple vista de manera acertada y sin dejar escapar ninguna de estas imperfecciones.

A partir de estos defectos, el sistema determina el espacio de piel que no presenta ninguno de ellos y permite realizar la clasificación de dicha piel, formada por el conjunto de imágenes capturadas, en diversas categorías y subcategorías.

Mediante el hardware instalado y los algoritmos de deep learning desarrollados, el nuevo sistema es capaz de clasificar una piel de forma satisfactoria en un 85-95% menos de tiempo que un operario.

Descubre todos los secretos para lograr
reducir al mínimo la merma en tu
fábrica con esta lista de verificación gratuita