Siali: Visión artificial mejorada para la industria

La visión artificial ha dado un paso más en Cantabria. Aunque ya hay varias industrias en la región que la utilizan para testar piezas o automatizar sus procesos, aún queda mucho camino de mejora y la empresa cántabra Siali, creada por Sergio Pesquera y Jaled Moustafá, la ha completado con algoritmos de autoaprendizaje (deep learning) del que ya están sacando partido empresas constructoras y madereras.

El cerebro humano ha integrado a la perfección el sentido de la vista gracias a un proceso evolutivo de millones de años que le permite diferenciar una infinidad de estímulos visuales y comprender la realidad que captan los ojos, pero tiene sus límites. También los tiene la visión artificial que se utiliza en muchos procesos industriales para detectar piezas defectuosas al mismo ritmo frenético al que se producen, o cuando hay que colocarlas en una posición concreta para el siguiente proceso.

Siali ha encontrado la forma de aplicar sus avances en deep learning a la visión artificial que utiliza la industria. Al frente de ella están Sergio Pesquera y Jaled Moustafá, dos graduados en Ingeniería Electrónica Industrial y Automática que ofrecen sus servicios como consultores a empresas industriales desde unas pequeñas oficinas en el Centro de Desarrollo Tecnológico de la Universidad de Cantabria (CDTUC).

Ambos fueron ganadores del premio Yuzz Cantabria 2017 con el proyecto Edimot, una empresa que diseña kits de montaje de robots para niños, pero las discrepancias con el resto de socios acerca del futuro de la compañía les hizo comenzar otra iniciativa totalmente distinta, orientada a la industria.

El deep learning

El cerebro humano tiene una extensa red de neuronas. Se calcula que entre 50.000 y 100.000 millones, y gracias a los avances científicos, las máquinas están empezando a emular su funcionamiento. Ya puede captar imágenes, procesarlas, analizar su contenido y emitir una respuesta.

Para ello utilizan algoritmos muy específicos. “Si quieres encontrar tapones en una foto, buscas un conjunto de píxeles que tienen entre ellos la relación de un círculo” explica Sergio. “Si, además, quieres que sean rojos, buscas los que cumplen la condición de que tengan ese color”, añade.

En la práctica, no siempre funciona al 100%. Cuando la iluminación y el ángulo de la cámara no son los adecuados, las máquinas tienen enormes complicaciones para interpretar lo que ven. Además, cada vez que se les asigna una tarea distinta, un ingeniero ha de encargarse de reprogramarlo todo de nuevo.

Por ello, estos dos emprendedores decidieron aplicar el deep learning a la visión artificial, para hacerla mucho más eficiente. Aseguran que con unos pocos algoritmos se pueden superar una gran cantidad de problemas y que los propios cambios de los algoritmos sean tan sencillos que pueda llevarlos a cabo cualquier trabajador. “Lo único que hay que hacer es reentrenar”, subraya Pesquera.

Múltiples aplicaciones

El deep learning (aprendizaje profundo) se puede aplicar en muchos sectores de la industria, como la alimentaria. En uno de sus ensayos internos, la compañía elaboró una recopilación de datos, conocida como dataset, con el objetivo de distinguir entre sobaos válidos y defectuosos y, así, retirar de las líneas de producción los que no eran comercializables.

Gracias a ese banco de datos, el sistema inteligente interiorizaba las características del sobao para diferenciarlo de otros objetos, siguiendo un método didáctico similar al de los humanos.

Otro de sus campos de actuación es la industria maderera. Siali está trabajado con una empresa de maderas de roble donde su herramienta Inspector puede calcular, a partir de fotografías, cuántos metros cúbicos de madera entran en la factoría, cuántos salen y cuántos son útiles.

Cuando los troncos llegan a la mesa de cortado, el sistema inteligente reconoce sus partes y ordena la disección a los  láseres de corte, a través de un accionador. Así, se obtiene la madera útil del árbol evitando la corteza, la albura y el corazón, que es por donde circula la savia.

La compañía maderera vende su producto a compañías que fabrican barricas de vino y, por este motivo, también tiene que evitar grietas, gusanos, polillas y nudos, porque el vino puede encontrar en ellos una vía de escape y filtrarse. Una labor de la que también se hace cargo el deep learning.

“La intención es automatizar el movimiento del láser para que el operario solo tenga que coger el tronco, apoyarlo y empujar”, anuncian.

Otro de los cometidos de Siali Inspector es llevar un registro de los defectos más frecuentes en las líneas de producción y almacenar los datos en la nube, para que el cliente tenga métricas que le ayuden a tomar decisiones en cualquier momento.

Siali también opera con una empresa dedicada a la madera de eucalipto. Con la ayuda de la cámara de una tablet y una fotografía, el encargado de montes puede saber en tiempo real cuántos metros cúbicos de madera va a adquirir antes de hacer la compra. En condiciones normales, la empresa tiene que esperar a que llegue el camión con la mercancía y a que una máquina muy costosa calcule el volumen total de madera. “A la industria cada vez le preocupa más la inmediatez del dato”, explica Jaled.

Esta tecnología se aplica también en la metalurgia y siderurgia de mecanizados para comprobar que las piezas se han fabricado correctamente, e incluso en la construcción. La compañía colabora con Acciona para la monitorización automática de las obras y para asegurarse de que sus trabajadores acuden a su puesto con los equipamientos de seguridad necesarios.

Ambos emprendedores creen que la inteligencia artificial está muy estigmatizada, por el temor a que provoque una pérdida masiva de puestos de trabajo, pero Sergio y Moustafá insisten en que su pretensión es “asistir a las personas”, no sustituirlas.

David Pérez