Resumen de Clasificación de placas de pizarra de techar basada en técnicas de inteligencia artificial mediante visión artificial
En un escenario industrial cada vez más competitivo y en el que la investigación y desarrollo está a la orden del día, el sector de los recursos naturales no es ajeno a estos avances, que buscan una producción más ágil, adaptable, flexible y menos lesiva para las personas.
La pizarra, una de las rocas ornamentales de mayor importancia en España (principal productor mundial), es un recurso muy valorado como elemento de construcción por sus características de impermeabilidad, fisilidad, resistencia al fuego y relativo bajo peso. Tradicionalmente se ha empleado como elemento de techar, usándose para tal fin las placas elaboradas con distintas geometrías obtenidas tras sucesivas etapas de corte y labrado del material extraído en cantera.
El proceso de elaboración en nave finaliza con la inspección visual de cada placa con el fin de evaluar su aptitud para la venta, comprobando la presencia de una serie de defectos y su acabado. Esta evaluación la realiza manualmente un operario experto, con la consiguiente subjetividad inherente al criterio humano, además de la fatiga que implica dicha tarea.
Este estudio aborda el desarrollo de un sistema de clasificación de placas de pizarra que, mediante un sistema de visión artificial, captura la información de la placa y la analiza en un software de visión empleando unos algoritmos de inspección específicamente diseñados a este efecto.
El sistema de visión recoge la información en escala de grises, de color y tridimensional, y en base a dichos datos se evalúan los principales defectos que determinan la calidad comercial de la pizarra: el escuadrado (falsa escuadra), el alabeo, las faltas de material, la regularidad de la superficie, la presencia de carbonatos y la presencia de sulfuros.
El sistema se completa con un modelo matemático que simula el criterio del experto y asigna a cada placa la calidad oportuna en función de los defectos detectados en el paso anterior. A este efecto, en este estudio se han testado diversos modelos, pudiendo diferenciar dos tipos principales: un decisor empírico y modelos basados en técnicas de inteligencia artificial, concretamente e aprendizaje automático (árboles de decisión, redes neuronales y máquinas de vectores soporte).
Para ello se emplea una base de datos compuesta de 70 placas que han sido previamente evaluadas por dos expertos, quienes indicaron los defectos que observaban y la calidad (primera, segunda o rechazo) que a su juicio merece cada una. La comparación de ambos criterios pone de manifiesto la disparidad de criterios, habiendo entre ellos varias discrepancias.
Los algoritmos de análisis de imagen y las técnicas de clasificación empleadas han demostrado ser aplicables al problema de la asignación de calidad a las placas de pizarra, y se han determinado las variables más adecuadas e influyentes en la calidad, así como la técnica de clasificación que mejor se adapta a la naturaleza de este problema: los árboles de decisión.
