Practica #5 - Sistemas de Visión - Oviedo-Vizcaya

Sistemas de Manufactura Flexible
Universidad Tecnológica de Querétaro

SISTEMAS DE MANUFACTURA FLEXIBLE
PRÁCTICA #5: Sistemas de Visión
Alumnos
Oviedo Vizcaya Luis Manuel
Grupo:
ITA38
Profesor: Ing. Raúl Hernández
Fecha: 14 de noviembre del 2018
ITA-38 Sep -Dic del 2018 MON_PCM

Antecedentes Históricos:
La tecnología de visión es una disciplina relativamente reciente que tuvo su
introducción en la industria en la década de los 80. Aplicada en sistemas
basados en la tecnología de los PC, se beneficia de los rápidos avances
informáticos y de redes. (Altuna, 2012)
Los sistemas de visión hasta hace poco tiempo eran una apuesta por la innovación
y por la calidad en el proceso de fabricación. En la actualidad un sistema de visión
es una necesidad referente a la calidad del producto y a la reducción de costes a
nivel productivo. La innovación sigue existiendo, pero a un nivel de aplicación más
exigente. En muchos casos la visión viene impuesta por el cliente final. (Altuna,
2012)
El usuario típico de un sistema de visión era un experto en la materia. Tanto los

sistemas de visión como sus aplicaciones estaban orientadas a un perfil muy técnico
y con amplios conocimientos tanto en el hardware específico como en el proceso a
controlar. (Altuna, 2012)
Actualmente existen productos de visión que se pueden poner en funcionamiento

por usuarios no expertos con una cierta formación respecto al producto. Los
interfaces gráficos y la simplicidad en las cámaras han orientado la visión a este tipo
de procesos a controlar. (Altuna, 2012)
Figura 1 – Ejemplo de un sistema de visión (Hernandez, 2013)

Principios de operación y funcionamiento de los sistemas de visión:

¿Qué son los sistemas de visión?
Es un procedimiento de adquisición de imágenes, sin contacto y mediante sistemas

ópticos, donde se realiza el análisis automático de las mismas. También se puede
definir como un método para extraer la información necesaria para controlar un
proceso o actividad. (Loira, 2017)
Implementación:
La visión artificial consiste en la captación de imágenes en línea mediante

cámaras CCD y su posterior tratamiento a través de técnicas de procesamiento
avanzadas, permitiendo así poder intervenir sobre un proceso (modificación de
variables del mismo) o producto (detección de unidades defectuosas), para el
control de calidad y seguridad de toda la producción. (Hernandez, 2013)
Un sistema de visión artificial:
Capta una imagen de un objeto real

La convierte en formato digital
La procesa mediante un ordenador
Obtiene unos resultados del proceso
Figura 2 – Sistema de visión (Hernandez, 2013)

Módulo de digitalización:
Convierte la señal analógica proporcionada por la cámara a una señal digital
(para su posterior procesamiento). (Hernandez, 2013)
Memoria de imagen:
Almacena la señal procedente del módulo de digitalización. (Hernandez, 2013)
Módulo de visualización:
Convierte la señal digital residente en memoria, en señal de vídeo analógica
para poder ser visualizada en el monitor de TV. (Hernandez, 2013)
Procesador de imagen:
Procesa e interpreta las imágenes captadas por la cámara. (Hernandez, 2013)
Módulo de entradas/salidas
Gestiona la entrada de sincronismo de captación de imagen y las salidas de
control que actúan sobre dispositivos externos en función del resultado de la
inspección. (Hernandez, 2013)
Comunicaciones
Vía, I/O, ethernet, RS232 (la más estándar). (Hernandez, 2013)
Figura 3 – Ejemplo de componentes de un sistema de visión (Hernandez, 2013)

Componentes:
Los sistemas de visión hasta hace poco tiempo eran una apuesta por la innovación
y por la calidad en el proceso de fabricación.
En la actualidad un sistema de visión es una necesidad referente a la calidad del
producto y a la reducción de costes a nivel productivo. La innovación sigue
existiendo, pero a un nivel de aplicación más exigente. En muchos casos la visión
viene impuesta por el cliente final. (Loira, 2017)
Los componentes de un sistema de visión siguen siendo los mismos (iluminación,

lente, framegrabber, cámara, software). Las prestaciones de los componentes eran
limitadas y el coste del producto de visión muy alto con respecto a las ventajas que
presentaban. (Loira, 2017)
Figura 4 – Componentes de un sistema de visión (Loira, 2017)

Iluminación:
Los objetivos de la iluminación en un sistema de visión son los siguientes:
• Obtener una imagen en las mejores condiciones para un posterior análisis.

• Mantener constante la intensidad y la dirección de la luz
• Optimizar contraste. Separar características de la imagen del fondo
Figura 5 – Ejemplos de iluminación (Loira, 2017)
Tendencias respecto a la iluminación en un sistema de visión:
• Se utiliza el LED como modelo standard de Iluminación

• Se emplea la iluminación de distintos colores para crear mayor contraste en
imágenes monocromo.
• La iluminación IR (Infrarrojo) se puede emplear para reducir contraste sobre
espectros de colores distintos.
• Se crean formas y combinaciones específicas para aplicaciones verticales.
Figura 6 – Tipos de leds (Loira, 2017)

¿Qué es una óptica?
Una lente que proyecta la luz del exterior formando una imagen en el sensor. (Loira,
2017)
Tendencias de una óptica en un sistema de visión:
• Se adoptan las soluciones con lentes High Resolution debido al creciente

incremento en el tamaño del sensor.
• Se incrementan las aplicaciones con lentes telecéntricas.
• Se reduce el número de cámaras empleando lentes pericéntricas.
•Se introducen las lentes multiespectrales en las aplicaciones de visión.
Figura 7 – Óptica (Loira, 2017)

Ópticas Telecéntricas:
• No provocan cambios de magnificación con los

cambios de la distancia de trabajo
• No existe errores de perspectiva
• Baja distorsión
Figura 8 – Ópticas telecéntricas (Loira, 2017)

Ópticas Pericéntricas:
• Perspectiva lateral desde visión cenital

• No necesita la utilización de espejos
Figura 9 – Ópticas Pericéntricas (Hernandez, 2013)
Figura 10 – Ópticas Pericéntricas (Loira, 2017)

Ópticas Multiespectrales:
Asociación de la longitud de onda de la transmisión /reflexión / emisión a cada uno

de los píxeles de la imagen. (Loira, 2017)
Figura 11 – Ópticas Multiespectrales (Loira, 2017)
Figura 12 – Ópticas Multiespectrales – B (Loira, 2017)

Figura 13 – Ópticas Multiespectrales – C (Loira, 2017)
Figura 14 – Ópticas Multiespectrales – D (Loira, 2017)

¿Qué es una cámara para los sistemas de visión industriales?

Es un componente industrial que permite capturar la imagen proyectada en un
elemento sensor y transferirla a un sistema electrónico externo (monitor,
framegrabber) según un determinado standard. (Loira, 2017)
Figura 15 – Cámara (Loira, 2017)

Tendencias de las cámaras para los sistemas de visión: (Loira, 2017)
• Se incrementa de forma considerable la resolución en cámara
• Se aumenta la velocidad de captura debido a la aparición de nuevos
standard de transferencia digital de imagen.
• Se realizan procesos en espectros fuera del visible UV, NIR, SWIR…
• Utilización de cámaras 3D para resolución de aplicaciones
Figura 16 – Tipos de cámaras (Loira, 2017)
Cámaras 3D:
 Iluminación laser proyectada de forma controlada con el objetivo de extraer
información dimensional para
 Ideal para aplicaciones de reconstrucción 3D, ingeniería inversa, medición y
posicionado
Figura 17 – Cámaras en 3D (Loira, 2017)

Cámaras de alta velocidad para sistemas de visión industriales: (Loira, 2017)
• Permiten grabar a velocidades de entre las 500 y las 50.000 imágenes por
segundo.
• Se utilizan para pruebas de “crash” en automoción, balística, estudios con fluidos,

visualización de explosión, control de fabricación, biomecánica.
Figura 18 – Cámaras de alta velocidad (Loira, 2017)
Figura 19 – Ejemplos de sensores de color e IR (Loira, 2017)
Cables:
Sin darle la importancia que merece, el cableado es probablemente la principal
causa de problemas técnicos. En ocasiones dichos problemas son insalvables
debido a un diseño erróneo del sistema o a problemas de ruido eléctrico.
Figura 20 – Cables (Loira, 2017)

¿Qué es un frame grabber para un sistema de visión?
Se denomina framegrabber al dispositivo que interconexiona una cámara con un

PC, digitalizando y guardando en memoria la imagen adquirida. (Loira, 2017)
Figura 21 – Frame grabber (Loira, 2017)
Tendencias de un frame grabber para un sistema de visión:
• Con la aparición de las cámaras digitales, las ventas de framegrabbers se

han reducido de forma paulatina
• El concepto framegrabber se asocia a las aplicaciones de alto nivel de
proceso y captura
• Aparecen los framegrabbers con procesado OnBoard, ideales para
aplicaciones RealTime. (Loira, 2017)
Figura 22 – Frame grabber (Loira, 2017)

Software:
El software de visión se compone de una serie de herramientas tanto de pre proceso

como de proceso que analizan la imagen y extraen información de la misma según
los algoritmos en los que estén basadas dichas herramientas.
Figura 23 – Software (Loira, 2017)
Tendencias de un software para un sistema de visión:
• La mayoría de las aplicaciones se pueden solucionar tanto con librerías de

programación como con software basados en interface gráfico.
• La elección del tipo de software depende más de la aplicación que del
usuario.
• Aparecen herramientas software basadas en redes neuronales, especificar
para las aplicaciones ITS o aplicaciones de seguridad de alto nivel. (Loira, 2017)
Sistema compacto:
Definimos un sistema compacto de visión como un elemento hardware con

funcionamiento autónomo, que no necesita PC porque dispone de procesador
integrado con capacidad de tomar decisiones donde se puede realizar una
programación de forma remota y mediante el cual existe capacidad de visualizar los
procesos programados. (Loira, 2017)
Tendencias:
• Los sistemas compactos tienden a ser cada vez más pequeños y con mayor
capacidad de proceso.
• Aparecen los sistemas multi-cámara / multi-tecnología.
• Surgen sistemas compactos para mercados verticales (p.e. aplicaciones 3D)

Ejemplos de un sistema compacto:
Verificación de piezas en la industria del automóvil:
Verificación del encendido de los testigos luminosos y calibración de la posición de

la aguja.
• Resuelto mediante herramientas de intensidad, posición y rotación

• Utilización de la iluminación de los propios testigos
Figura 24 – Sistema compacto (Loira, 2017)
Control de calidad de caramelos:
Control de la forma de un caramelo y la correcta posición del palo de

plástico. (Loira, 2017)
• Resuelto mediante blobs y cotas

• Iluminación tipo backlight
Figura 25 – Control de calidad de un caramelo (Loira, 2017)

Aplicaciones:
Los sistemas de visión industriales se pueden aplicar en un abanico bastante amplio
de las necesidades industriales y, de hecho, está presente en la mayoría de las
fases de un gran número de sectores. Algunos de los más importantes son los
siguientes: (Altuna, 2012)
Automoción:
En el sector de la automoción el uso de sistemas de visión artificial industrial se

corresponde principalmente con las inspecciones en la fabricación y el ensamblaje
de todas las piezas de los vehículos. Además, hay que tener en cuenta que tareas
como la inspección de estampación, mecanizado, pintura y rebabas, dependen
directamente de equipos de visión artificial que supervisan todo el proceso. Estas
labores se llevan a cabo gracias a un soporte de cámaras de visión artificial junto al
correspondiente algoritmo de clasificación e identificación de defectos, lo que
permite que se acelere su proceso de reparación, ya sea de forma mecánica o
manual. (Altuna, 2012)
Figura 26 – Ejemplo de automoción (Altuna, 2012)
Alimentación:
La visión artificial industrial es un elemento fundamental en el control de calidad de

los productos alimentarios, especialmente en las fases finales. Tanto la selección
de frutas como el correcto cierre de las latas de conserva, o la elaboración de
productos cárnicos procesados, dependen directamente de sistemas de visión
artificial que supervisan el desarrollo en todas sus fases. (Altuna, 2012)
Figura 27 – Ejemplo de alimentación (Altuna, 2012)

Envases y embalajes:
Las tareas más habituales que lleva a cabo la visión artificial en el packaging están
referidas a los trabajos de inspección de presencia o ausencia de marcadores. Estos
marcadores pueden ser etiquetas, impresión de números de lote o fechas de
caducidad, correcta colocación de tapones o control del nivel de líquido del
producto. (Altuna, 2012)
Figura 28 – Ejemplo de envases y emblajes (Altuna, 2012)
Electrónica:
El sector de la electrónica es uno de los que más se beneficia del uso de la visión
artificial industrial en sus procesos de fabricación. La manipulación e identificación
de los distintos componentes corren a su cuenta. La visión artificial tiene la
capacidad de comprobar de forma eficiente la correcta soldadura y ensamblaje de
piezas. Esto permite agilizar los procesos de producción y de reparación de
elementos defectuosos. (Altuna, 2012)
Figura 29 – Ejemplo de electrónica (Altuna, 2012)

Logística e identificación:
Todas las industrias requieren de procesos de logística e identificación de cada una

de las partes y productos implicados en su trabajo. Es en este campo donde la visión
artificial industrial cumple un papel predominante, ya que se adapta a las
necesidades concretas de cada industria y desarrolla sistemas de visión artificial y
algoritmos adaptados a cada caso concreto, con lo que se consigue agilizar todas
las fases del proceso, así como aumentar la eficiencia durante su desarrollo.
(Altuna, 2012)
Figura 30 – Ejemplo de logística e identificación (Altuna, 2012)
Inspección y soluciones de identificación para productos farmacéuticos y

dispositivos médicos. (Sanchez, 2016)
Ejemplos de aplicación:
 Verificar que la etiqueta sea correcta y comprobar la posición

 Detectar errores en rollos de etiquetas
 Verificar la presencia de tapones y precintos de seguridad
 Verificar la correspondencia entre paquete y producto
 Leer códigos y verificar el texto en paquetes y envolturas flexibles
 Leer códigos 1D y 2D en todo tipo de superficies: planas, curvas, brillantes,
etc.
 Leer y verificar caracteres en modo OCR u OCV
 Leer y verificar códigos 2D impresos directamente en un producto o superficie
del envase
 Comprobar si faltan cápsulas, son incorrectas o están dañadas en los
envases de blíster
 Inspeccionar la existencia de partículas o cuerpos extraños en líquidos
 Inspección del nivel de llenado de envases
 Inspección y clasificación de productos por colores
 Detectar la presencia/ausencia del prospecto dentro de una caja
 Producción automatizada con la capacidad de clasificar productos u
orientarlos para rellenar o empaquetar.

Figura 31 – Ejemplo de identificación (Sanchez, 2016)
Gracias a los a diferentes sistemas de inspección e identificación, la visión artificial

puede ayudarle a garantizar la trazabilidad de los productos durante toda la cadena
de suministros y asegurar el cumplimiento de las normativas ISO y GS1 exigidas
por la industria farmacéutica. (Sanchez, 2016)
La codificación y el correcto seguimiento de cada lote o elemento individual le

ayudarán a conseguir, en caso necesario, retiradas más eficaces y menos costosas.
Figura 31 – Ejemplo de identificación -- B (Sanchez, 2016)

Desarrollo de la práctica.
Nuestro elemento a inspeccionar será un teclado:
Figura 32 – Ejemplo de identificación

Como primer paso es abrir nuestro software view congnex y nos muestra la
siguiente ventana con las herramientas siguientes.
Figura 33 – Acceso directo

En la parte superior izquierda se observan las clásicas herramientas de cualquier
software las cuales son Archivos, editar, vista y más. También debajo de esta se
encuentran las herramientas con las cuales puedes crear una nueva tarea, guardar
la tarea y abrir las tareas existentes más hacia la derecha podemos encontrar las
herramientas del software como lo son reproducir, adelantar y atrasar, la lupa, rotar
imagen etc.
Figura 34 – Vista de cognex

En la parte superior izquierda se observan las clásicas herramientas de cualquier

software las cuales son Archivos, editar, vista y más. También debajo de esta se
encuentran las herramientas con las cuales puedes crear una nueva tarea, guardar
la tarea y abrir las tareas existentes más hacia la derecha podemos encontrar las
herramientas del software como lo son reproducir, adelantar y atrasar, la lupa, rotar
imagen etc. Ver figura 34
En la parte izquierda de la pantalla principal las herramientas que podemos
identificar son la de establecer conexión, configurar imágenes (en esta podemos
cargar una carpeta de imágenes preferentemente en. mbp y de 480x640), detectar
piezas e inspeccionar. Ver figura 34
En la parte derecha de nuestra pantalla principal nos podemos mover entre las tres
pestañas las cuales son ayuda, resultado (en esta podemos ver el estado de las
herramientas que vallamos agregando), y la pestaña de salidas y entradas (I/0)
En la parte inferior de nuestra ventana principal podemos agregar desde las
imágenes a utilizar, editar las herramientas de visión y recibir una breve explicación
al posicionarnos sobre alguna herramienta. Ver figura 34
Iniciando con la practica el objeto que nos fue asignado es un teclado de cualquier
marca, despues de tener la imagen del teclado se edito en paint para quitarle
algunas pociones de la imagen y asi crear las diferencias que seran
inspeccionadas por las herramientas de vision del nuestro software, una vez
terminadas las imágenes se guardan todas en una carpeta que se agregara al
software mediante los siguientes pasos.
1-Se posiciona
sobre
configurar
imane
2- nos
muestra la
siguiente
opción y de
da clic en
Cargar
imágenes
desde el PC. Figura 35 – Agregar carpeta de imágenes a cognex

Figura 35 – Ventana para agregar imágenes en Cognex

Cuando nos abre esta ventana damos clic en los tres puntos (…) para buscar la
ubicación de nuestra carpeta que tiene las imágenes de la PC que analizaremos y
finalizamos dando clic en aceptar y aceptar otra vez. Ver figura 35
Después seleccionamos en detectar pieza para establecer nuestro primer

parámetro, si este no se encuentra las demás operaciones no se deberán de realizar
Figura 36 – Seleccionar “detectar pieza”

Figura 37 – Patmax
Después nos vamos a la ventaja de abajo y seleccionamos “Patrón PatMax”. Ver
figura 37
Figura 38 – Mousepad
Nuestra figurar a elegir es el mousepad y los botones cercanos a el teclado.
Después nos dirigimos y seleccionamos

inspeccionar pieza, para las operaciones de
medición, conteo y comparaciones
Figura 39 – Inspeccionar pieza

Nos dirigimos a la parte de presencia/ausencia para colocarlo en nuestro teclado.

Ver figura 40
Figura 40 – Presencia/ausencia
Y nos desplegara más opciones por la que debemos seleccionar “Patron PatMax”
Figura 41 – Presencia/ausencia – PatMax

Procedemos a seleccionar nuestro Patrón 2, que será un botón de la parte
izquierda de nuestro teclado como se observa en la figura 42
Figura 42 – Patrón 2

Volvemos a hacer los pasos de la figura 39 y 40, pero en vez de elegir

presencia/ausencia elegimos Recuento, ver figura 43
Figura 43 – Recuento
Vamos a proceder a contar 15 teclas de nuestro teclado como se observan en los
parámetros de la figura 44
Figura 44 – Limite de rango

Procedemos a hacer los mismos pasos de la figura 39 y 40 pero ahora
seleccionamos la parte de medición y después en distancia, como se muestra en
la figura 45
Figura 45 – Distancia

Nuestro rango de distancia será de 182.576 máximo y 172.462 mínimo como se

muestra en la figura 46
Figura 46 – Rango de distancia

Nuestra figura con todos los patrones como lo son de medición, conteo y
ausencia/presencia se pueden observar en la siguiente figura.
Figura 47 – Patrones
Y en los resultados se muestra lo siguiente
Figura 48 – Resultados 1

Se puede observar que la distancia no es correcta, dado que sobrepasa el rango

limite, pero en la figura 49 la distancia es correcta, pero falta el botón superior
izquierda que es el de presencia/ausencia
Figura 49 –Falta de presencia/ausencia

En la figura 50 se observa que falta el patrón 1 que, si no se encuentra ese, los
demás patrones no se realizarán
Figura 50 –Patrón 1
En la figura 51 se observa en los resultados del conteo 15 teclas, por las cuales el
programa está contando y en la figura 52 faltan teclas por lo que el programa las
detecta y marca que solo se detectan 5 teclas de 15
Figura 51 –15 teclas de conteo
Figura 52 – 5 teclas de conteo

Se realizó otra prueba para conteo, ahora se quitaron 4 teclas y el programa detecto
11 como se muestra en la figura 53
Figura 53 – 11 teclas de conteo

Se realizó una última prueba para observar que, si se quita el patrón 1, los demás
patrones dejan de funcionar.
Figura 54 – Ultima prueba de patrones
Bibliografía
Altuna, M. (20 de Febrero de 2012). http://visionartificial.fpcat.cat. Obtenido de
http://visionartificial.fpcat.cat: http://visionartificial.fpcat.cat/wp-
content/uploads/UD_1_didac_Conceptos_previos.pdf
Hernandez, J. C. (27 de Mayo de 2013). http://www.bcnvision.es. Obtenido de
http://www.bcnvision.es: http://www.bcnvision.es/blog-vision-
artificial/algunas-preguntas-que-deberia-hacerse-antes-de-comprar-un-
sistema-de-vision-artificial-parte-i/
Loira, R. d. (20 de Septiembre de 2017). https://blog.infaimon.com. Obtenido de
https://blog.infaimon.com : https://blog.infaimon.com/vision-artificial-
industrial-aplicaciones-y-sectores/
Sanchez, L. (12 de Enero de 2016). http://www.interempresas.net. Obtenido de
http://www.interempresas.net:
http://www.interempresas.net/Robotica/Articulos/149356-Sistemas-de-
vision-artificial-para-la-automatizacion-en-la-industria-farmaceutica.html

Practica #5 - Sistemas de Visión - Oviedo-Vizcaya

Cargado por

Copyright:

Formatos disponibles

Practica #5 - Sistemas de Visión - Oviedo-Vizcaya

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Practica #5 - Sistemas de Visión - Oviedo-Vizcaya

Cargado por

Copyright:

Formatos disponibles

Sistemas de Manufactura Flexible

Universidad Tecnológica de Querétaro

PRÁCTICA #5: Sistemas de Visión

Fecha: 14 de noviembre del 2018

ITA-38 Sep -Dic del 2018 MON_PCM

El usuario típico de un sistema de visión era un experto en la materia. Tanto los

Actualmente existen productos de visión que se pueden poner en funcionamiento

Figura 1 – Ejemplo de un sistema de visión (Hernandez, 2013)

ITA-38 Sep -Dic del 2018 MON_PCM

Principios de operación y funcionamiento de los sistemas de visión:

Es un procedimiento de adquisición de imágenes, sin contacto y mediante sistemas

La visión artificial consiste en la captación de imágenes en línea mediante

Un sistema de visión artificial:

Capta una imagen de un objeto real

Figura 2 – Sistema de visión (Hernandez, 2013)

ITA-38 Sep -Dic del 2018 MON_PCM

Figura 3 – Ejemplo de componentes de un sistema de visión (Hernandez, 2013)

ITA-38 Sep -Dic del 2018 MON_PCM

Los componentes de un sistema de visión siguen siendo los mismos (iluminación,

Figura 4 – Componentes de un sistema de visión (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

Los objetivos de la iluminación en un sistema de visión son los siguientes:

• Obtener una imagen en las mejores condiciones para un posterior análisis.

Figura 5 – Ejemplos de iluminación (Loira, 2017)

Tendencias respecto a la iluminación en un sistema de visión:

• Se utiliza el LED como modelo standard de Iluminación

Figura 6 – Tipos de leds (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

¿Qué es una óptica?

• Se adoptan las soluciones con lentes High Resolution debido al creciente

Figura 7 – Óptica (Loira, 2017)

• No provocan cambios de magnificación con los

Figura 8 – Ópticas telecéntricas (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

• Perspectiva lateral desde visión cenital

Figura 9 – Ópticas Pericéntricas (Hernandez, 2013)

Figura 10 – Ópticas Pericéntricas (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

Asociación de la longitud de onda de la transmisión /reflexión / emisión a cada uno

Figura 11 – Ópticas Multiespectrales (Loira, 2017)

Figura 12 – Ópticas Multiespectrales – B (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

Figura 13 – Ópticas Multiespectrales – C (Loira, 2017)

Figura 14 – Ópticas Multiespectrales – D (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

¿Qué es una cámara para los sistemas de visión industriales?

Figura 15 – Cámara (Loira, 2017)

Figura 16 – Tipos de cámaras (Loira, 2017)

Figura 17 – Cámaras en 3D (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

Cámaras de alta velocidad para sistemas de visión industriales: (Loira, 2017)

• Se utilizan para pruebas de “crash” en automoción, balística, estudios con fluidos,

Figura 18 – Cámaras de alta velocidad (Loira, 2017)

Figura 19 – Ejemplos de sensores de color e IR (Loira, 2017)

Figura 20 – Cables (Loira, 2017)

ITA-38 Sep -Dic del 2018 MON_PCM

¿Qué es un frame grabber para un sistema de visión?

Se denomina framegrabber al dispositivo que interconexiona una cámara con un

Figura 21 – Frame grabber (Loira, 2017)