CONTROL DE CALIDAD DE TABLAS Y CHAPAS DE MADERA MEDIANTE UN SISTEMA DE VISION POR COMPUTADOR Miguel Ramón González Castro e-mail: [email protected] Carlos Cerrada Somolinos Departamento de Ingeniería de Software y Sistemas Informáticos ETSI Informática, UNED Juan del rosal 16, Ciudad Universitaria, 28040 Madrid e-mail: [email protected]

Resumen El Sistema de Visión por Computador, que se diseñó, permite realizar el control de calidad de tablas y chapas de madera mediante el análisis de sus parámetros fundamentales: tonalidad, altura, dimensiones, roturas y curvaturas. El sistema de visión se compone de una cámara con sensor programable, que permite su uso como cámara matricial y lineal; una iluminación difusa, un láser y una tarjeta capturadora. La imagen, después de ser recogida en el PC, se analiza en bruto, extrayendo toda la información que posea; calculando después los parámetros que permitan aplicar los algoritmos de control de calidad. Palabras Clave: cámara lineal, cámara matricial, chapa de madera, histograma, iluminación difusa, láser segmentación de imágenes, píxel, tablón.

1

Introducción

La industria de primera transformación de la madera forma parte de un sector clave de la economía de Galicia, cuya misión es abastecer al mercado, de tableros, chapas y tablones; para que en una segunda transformación obtenga un producto comercial a disposición del consumidor final (mobiliario, suelos, estructuras …) La chapa de madera se obtiene haciendo girar la troza (tronco descortezado) frente a una cuchilla, produciendo una lámina de chapa de forma continua, que en el Eucalipto blanco posee un espesor que oscila entre 1,2 y 2,8-3.0 mm. El cizallado final, dimensiona en anchura o longitud la

lámina de chapa que sale del torno de desenrollo, obteniéndose chapas individuales, que pueden utilizarse en la fabricación de chapa decorativa o de tablero contrachapado.

Figura 1. Deformaciones durante el aserrado y secado

El tablero contrachapado se forma encolando varias chapas entre sí, de forma que sus fibras formen un ángulo de 90º. Estas chapas se clasifican y seleccionan según calidades, tonalidades y dibujos, destinando las chapas de mayor calidad a las caras y contracaras y, el resto a la parte interna del tablero. El tablero de contrachapado constituye un producto que posee comportamiento óptimo de resistencia, rigidez, densidad y dureza. La aplicación más habitual del tablero contrachapado se encuentra en los embalajes industriales, cubiertas, cerramientos, tabiques y suelos. La chapa decorativa es utilizada como recubrimiento para ennoblecer otros soportes, siendo por ello, muy utilizado en la ebanistería, mobiliario de calidad, recubrimiento de carpintería, estantería, forrado de paredes, etc. Los Sistemas de Visión Artificial se muestran como una interesante alternativa para mejorar el proceso de inspección y selección de las chapas, pues permite incrementar la velocidad y fiabilidad de dicho proceso, manteniendo

un riguroso control los requisitos de calidad exigidos a cada chapa en función de su uso.

para seleccionar tablas y chapas de madera; pero, poseen un coste desmesurado en relación al volumen de la producción de los aserraderos y fábricas de tablero existentes en Galicia. Por ello, se decidió acometer el desarrollo de un sistema de visión artificial especializado en la selección de tablones y chapas de madera de eucalipto. El diseño del nuevo sistema se apoyo en las exitosas experiencias de los equipos de Visión Artificial implantados en el Grupo Empresarial ENCE, usados para calcular la limpieza de la pasta de celulosa y para determinar las dimensiones de las astillas de madera.

Figura 2. Aserrado de tablones

Los tablones se obtienen después de un proceso que se inicia con el aserrado del tronco, prosigue con el secado del tablón y finaliza con el cepillado. El aserrado del eucalipto es un proceso complejo; pues las elevadas tensiones, que presenta el tronco de este árbol, son liberadas repentinamente; provocando fendas y curvaturas en las trozas y en los productos elaborados. Asimismo, el secado de los tablones de eucalipto ha constituido un reto tecnológico, debido a las particularidades de esta madera y su tendencia a sufrir deformaciones. Durante el secado, esta madera tiene propensión a presentar colapso, que se manifiesta mediante ondulaciones, deformaciones de la superficie y fendas; siendo necesario eliminar estas irregularidades en el cepillado final. Los tablones de madera de eucalipto se utilizan fundamentalmente en la fabricación de pavimentos (tarima y parquet) y mangos de herramientas; pero también comienza a usarse en la elaboración de puertas, ventanas, elementos estructurales y mobiliario. Los Sistemas de Visión Artificial aportan una opción avanzada en la selección y control de calidad, tanto estético como dimensional, de los tablones de madera, que todavía, en muchos aserraderos, se realiza mediante una inspección visual.

Figura 3. Aserradero

Actualmente, se comercializan diferentes equipos, que incluyen sistemas de visión artificial,

2

Inspección de Tablas y chapas

El objetivo del proyecto consistió en la creación de un Sistema de Visión por Computador que realizara el control de calidad de tablas y chapas de madera con una elevada fiabilidad, eficiencia, precisión y a un mínimo coste. Se intentó que el sistema resultante fuera más rápido y fiable que una persona, eliminando además la subjetividad humana en el proceso de control. Este objetivo técnico se complementó con el propósito de que el coste debería ser mesurado inferior al de los productos que actualmente existen en el mercado. 2.1

Características Físicas de las Chapas de Madera

Las chapas de madera poseen unas dimensiones comprendidas entre 30 cm. y 60 cm. de ancho y una longitud comprendida entre 30 cm y 100 cm. El control de calidad en las chapas se centra en calcular la variación de la tonalidad, así como la existencia de alguna rotura en la superficie. Las chapas de mayor calidad se situaran en la cara y contracara del tablero contrachapado, mientras que las de calidad inferior se colocan en el interior del tablero. La selección de las chapas se basa en criterios estéticos, de manera que las que tienen un tono uniforme y no presentan roturas se sitúan en las caras exteriores del tablero. En una chapa no es tan importante conocer el número y posición exacta de cada rotura, como calcular la superficie total de las roturas de la superficie de la chapas. El cálculo de esta superficie es equivalente a calcular el área de la tonalidad de la rotura, o lo que es lo mismo, el área de la tonalidad de la superficie sobre la que está la chapa. Asimismo, las chapas tienen la característica de no ser perfectamente lisas, sino que tienen una superficie ondulada, que a veces es muy pronunciada. Finalmente, es importante resaltar que las chapas de madera tienen que ser rectangulares o cuadradas, ya

que, en caso de no serlo, implica que tienen algún defecto, que hace que no superen el control de calidad y que se desechen. 2.2

Características Físicas de los Tablones de Madera

Los tablones de madera poseen unas dimensiones de entre 30 cm. y 60 cm. de ancho, una longitud que puede ser de 2 metros y una altura que oscila entre 2 y 4 centímetros. Las características fundamentales son la ausencia de roturas, así como la presencia de curvaturas horizontales, curvaturas verticales y torsiones, consecuencia de las fuerzas que aparecen durante la etapa de secado. Por ello, el Control de Calidad debe indicar la presencia de diferencias de tonalidad, los valores de la curvatura horizontal y vertical y la altura máxima y mínima del tablón. Es importante indicar que, debido a las curvaturas y torsiones, los tablones no forman siempre la misma figura geométrica, pues el contorno puede variar en función de si existe deformación o no. Pero, a diferencia de las chapas de madera, en los tablones las torsiones o curvaturas solamente indican una calidad inferior y por ello son desechados. Los tablones deben idealmente poseer una superficie superior e inferior perfectamente rectangular, así como una misma altura en toda su superficie. Si el tablón no tiene estas características se debe cepillar todo su contorno, hasta obtener un tablón con estas características, aunque con unas dimensiones inferiores. Ello implica, que el Sistema de Visión Artificial debe indicar si un tablón no ideal es rentable cepillarlo, para obtener un tablón perfecto. Los tablones de gran calidad, también tienen que tener una tonalidad homogénea en sus superficies, ya que esto permite utilizarlo en decoración (parquet, carpintería, etc..). Ello obliga a que el Sistema de Visión por Computador, además de analizar el tablón en 3-dimensiones, también se debe estudiar su tonalidad.

3.1

Los cálculos y medidas a realizar en los tablones de madera se agruparon en mediciones de tonalidad y mediciones de la altura. El cálculo de la tonalidad se decidió que se debía realizar con una cámara que permitiese visualizar la superficie del tablón. Dado que solamente se necesitaba obtener tonalidades del color marrón (color de la madera) la cámara debía ser monocroma, pues así su precio sería menor y se conseguiría una mayor resolución. Como la longitud del tablón podría ser de 2 metros, se pensó que la cámara a utilizar debería ser una cámara lineal; ya que, permitía visualizar la longitud total del tablón, sin perder resolución. La iluminación se observó que debía ser difusa para evitar reflejos y que la tonalidad de las diferentes zonas del tablón se viera influida o distorsionada por la iluminación. El cálculo de la altura se decidió que debía realizarse con una cámara matricial, junto con un láser inclinado para que formara un ángulo con respecto a la vertical del tablón 3.2

Selección de Hardware y Software

El conjunto de las características, que debían cumplir los equipos de visión artificial, se obtuvo estudiando por separado las características que debían exigirse a los dispositivos de medida de tablones y a los dispositivos de medida de chapas. Seguidamente, se intentó conjugar ambos grupos de características en una lista unificada, para así adquirir un único equipo, que pudiese realizar las mediciones de ambos tipos de maderos.

Chapas de Madera

El cálculo de la tonalidad de la chapa se pensó que debía ser básicamente igual que para los tablones de madera, aunque con las chapas había que tener en cuenta la presencia de roturas en la madera, por lo que era necesario calcular su área. El cálculo de la superficie de la rotura se decidió efectuar, obteniendo el área de la tonalidad o color que era igual al de la cinta transportadora y que estaba comprendida dentro de los límites del rectángulo en el que estaba inscrita la chapa de madera Puesto que lo que se necesitaba era conocer, aproximadamente, la superficie de las roturas, así como la tonalidad, longitud y anchura de las chapas, el equipo de Control de Calidad se concluyó que debía estar compuesto por una cámara lineal y un dispositivo de iluminación difusa. 3.3

3

Tablones de Madera

Selección de los componentes

La selección de la cámara comenzó inicialmente con la búsqueda de dos cámaras: una cámara monocroma matricial y otra cámara monocroma lineal. Finalmente, se seleccionó la cámara "SICK IVP Ranger C55", que posee un sensor de tecnología CMOS programable, de manera que una parte del sensor funciona como una cámara matricial y otra como cámara lineal. Esta cámara se comprobó que poseía un sensor lineal, de una fila con 3072 píxeles, usado como cámara lineal de Escala de Grises (monocromo) y otro sensor matricial programable. El sensor

programable estaba formado por una matriz de píxeles de 512 filas y 1536 columnas, permitiendo dividir la matriz de 512 filas en 3 zonas de funcionamiento: Dispersión, 3-Dimensiones y Escala de Grises.

por situarla perpendicularmente al objeto (madero), pues así se evitaban diferencias en las imágenes obtenidas mediante cada funcionalidad. El láser y la iluminación se instalaron de manera que sus haces incidiesen formando un ángulo con la perpendicular del objeto, para que iluminaran diferentes zonas de dicha perpendicular; ya que cada sensor de la cámara estaba orientado hacia dichas zonas. Asimismo, se decidió comprar e instalar unos sensores que debían detectar la existencia de la madera delante del objetivo de la cámara, para evitar sobrecargar el ordenador con el innecesario trabajo de detectar la madera. Se optó por un "sensor de barrera de luz por reflexión", de la marca "Sick" y modelo "Sensick WT9-2P430"; puesto que detectaba la presencia de un objeto, al percibir un cambio en la luz reflejada que recibía el sensor. 4.1

Figura 4. Plano de equipos del Sistema de Visión Artificial

Se optó por el Frame-Graber "X64CL-Dual de la Coreco Imaging". Ésta era una tarjeta capturadora de altas prestaciones, que recogía imágenes de hasta dos cámaras digitales; que usaba el protocolo "Camera Link"; que poseía entradas asíncronas, así como una conexión a bus PCI de 64 bits. Se optó por realizar el proyecto con librerías de programación en "Sapera Processing 5.2 de Coreco Imaging " y librerías básicas en C++ "Sapera LT 5.4 de Coreco Imaging". La elección se fundamentó en que la creación de una aplicación utilizando librerías de programación y librerías básicas en C++ producía códigos ejecutables muy veloces y de alto rendimiento. El cálculo de la superficie de las roturas de las chapas obliga, a que la cinta transportadora sobre la que se sitúa la chapa a analizar debe poseer un color, que contraste con el color de la superficie de la chapa.

4

Instalación y configuración del Sistema de Visión

Como la cámara tenía integrada varias funciones (3-Dimensiones y escala de grises) se optó

Configuración Software de la Cámara y Frame Grabber

La cámara se configuró activando la opción, "3-dimensiones", para obtener y altura del madero y la opción, "Escala de Grises", para adquirir la tonalidad de la superficie del madero. La opción "3Dimensiones" se configuró asignándole un área comprendida entre las filas 0 y 128 del sensor matricial. La fila sobre la que incide la luz, puesta en relación con la fila inicial y final del área asignada a esta opción, indicaba la altura en una escala entre 0 y 255 niveles binarios. La opción "Escala de Grises" se configuró para que se activara el sensor lineal de una fila con 3072 píxeles.

Figura 5. Perfil de alturas de dos tablones irregulares

Seguidamente se configuró el driver del frame-grabber, que gestiona el buffer de datos al que la cámara de video envía las imágenes recogidas. El buffer de datos se configuró para que fuera de tamaño variable, con un máximo de 2000 líneas, donde cada línea poseyera 4068 píxeles y 0 píxeles de offset; siendo el formato de píxel de 8 bits monocromo. Igualmente, se configuró la entrada de señal externa del frame-graber para que recogiese el

estado de los sensores de presencia, y así, controlar el envío de imágenes de la cámara al buffer de datos. El buffer de datos de vídeo se comprobó que se podía considerar como una matriz de datos de 4608 columnas y un número de filas variable entre 0 y 2000, en función del tamaño del objeto. Por lo que, la imagen del objeto expresada en alturas se constató que se encontraba entre las columnas 0 y 1535 del buffer de vídeo y la imagen formulada en tonalidades se situaba entre las columnas 1536 y 4607. Igualmente, se observó que cada una de las imágenes que enviaba la cámara de vídeo estaba invertida respecto a la columna del medio de cada imagen. Es decir, la imagen del objeto expresada en alturas estaba invertida respecto a la columna 768, mientras que la imagen del objeto en tonalidades estaba invertida respecto al eje que pasaba por la columna 1536. Se verificó que esto provocaba que la zona izquierda de la imagen, que se mostraba en la pantalla del visor de la aplicación, fuera en realidad la parte derecha del objeto real que estaba siendo captado por la cámara.

5 5.1

este trozo de madera pertenecía al tablón, verificando si su anchura era mayor que una anchura umbral fijada en la configuración. Se comprobó que los tablones debían ser examinados para calcular y estudiar la altura de sus diferentes puntos, así como su tonalidad. Para ello se decidió que debían aplicarse unos algoritmos que calculaban el contorno del tablón, tanto para la imagen referenciada en alturas, como para la imagen referenciada en tonalidades. El algoritmo utilizado en el estudio de la altura y contorno de los tablones debía obtener la altura máxima y mínima del tablón, así como los valores de la longitud, curvatura y anchura; mientras que, el algoritmo utilizado en el estudio de tonalidades de los tablones debía obtener el histograma de tonalidades, así como la longitud y la anchura del mismo

Estrategia de Análisis de Imágenes Estrategia de Análisis de Imágenes de Tablones

El análisis de las imágenes obtenidas de los tablones, puso en evidencia la imposibilidad de aplicar a la imagen ningún método de procesado, filtrado o realce de imagen; puesto que, empeoraba las características fundamentales buscadas en la imagen. Por ejemplo, la utilización de un filtro pasobajo, para limpiar la imagen, provocaba un alisamiento de los valores interiores del tablón, con lo que las tonalidades o alturas del tablón eran modificadas y no se correspondían con las reales. Así, que se decidió que el análisis de la imagen completa se tenía que hacer directamente y sin ningún tipo de algoritmo que mejorara las características del objeto. El método directo que se empleó para analizar la imagen y detectar el objeto fue la operación de "segmentación de imágenes", utilizando el método de "segmentación mediante umbralización. Pero, además, este método se modificó para eliminar los errores debidos a ruidos y puntos espurios de la imagen, así como astillas u otros objetos indeseados que pudieran encontrarse sobre la cinta transportadora. La no existencia de agujeros en los tablones permitió establecer un criterio, que indicaba que cualquier punto que superara un umbral de tonalidad o altura se podía considerar como parte de un trozo de madera. Posteriormente, se debía comprobar si

Figura 6. Modelado de un tablón

Una vez desarrollado el proceso de "segmentación mediante umbralización", se pensó en utilizar algún modelo de "extracción de características"; como, por ejemplo, el ajuste mediante rectas de regresión o aproximación poligonal. Sin embargo, se constató que la existencia de curvaturas en los tablones complicaba la utilización de cualquier modelo de extracción de características, provocando incluso que su uso entorpeciera el estudio del contorno y del interior del citado tablón. 5.2

Estrategia de Análisis de Imágenes de Chapas

El examen de las imágenes obtenidas de las chapas evidenció, al igual que con los tablones, la imposibilidad de aplicar a la imagen ningún método

de procesado, filtrado o realce de imagen, puesto que empeoraba las características fundamentales buscadas en la imagen. Así, que se decidió que el análisis de la imagen completa se tenía que hacer directamente y sin ningún tipo de algoritmo que mejorara las características del objeto. Así que dicho análisis de la imagen completa se tenía que hacer directamente y sin ningún tipo de algoritmo que mejorara las características del objeto. El método directo que se empleó para analizar la imagen y detectar el objeto fue la operación de "segmentación de imágenes", utilizando el método de "segmentación mediante umbralización". Pero, además, este método se modificó para eliminar los errores debidos a ruidos y puntos espurios de la imagen, así como astillas u otros objetos indeseados que pudieran encontrarse sobre la cinta transportadora. Con posterioridad al proceso de "segmentación mediante umbralización", se acordó aplicar un método de "extracción de características", denominado “ajuste mediante rectas de regresión”, que permitía perfilar fácilmente el contorno de la chapa.

6

Pruebas y Conclusiones

El prototipo creado no fue posible ponerlo en servicio dentro de la cadena del proceso productivo, debido a que dificultades económicas imposibilitaron la adquisición de la mesa, cinta transportadora, motores y accionadores. Sin embargo, si fue posible someter al prototipo a diversos ensayos en el banco de pruebas, donde se comprobó que cumplía sobradamente con los requisitos solicitados. Las pruebas de funcionamiento del Sistema de Visión por Computador se dividieron en dos grandes grupos: control de calidad de chapas y control de calidad de tablones. La comprobación del funcionamiento del subsistema de control de calidad de chapas de madera se efectuó, comparando los resultados obtenidos por el sistema al analizar unas chapas patrón, con los datos reales. Se observó que los valores de longitud y anchura que proporcionaba el sistema eran extremadamente precisos y que el análisis de tonalidad se correspondía exactamente con la realidad.

Figura 8. Pantalla de Control de Calidad

Figura 7. Modelado de una chapa

La forma perfectamente rectangular de las chapas se observó que facilitaba que éstas fueran inscritas mediante el cálculo de rectas de regresión, teniendo así un contorno fácilmente delimitado. Asimismo, ello posibilitaba estudiar la existencia de agujeros, nudos o cualquier defecto en la totalidad de la superficie de la chapa, pues simplemente se necesitaba examinar una superficie delimitada por 4 rectas. Se decidió que el algoritmo utilizado en el estudio de tonalidades de las chapas debía obtener el histograma de tonalidades, así como la longitud y la anchura.

El prototipo no distinguía entre la superficie de los nudos y las roturas, pues los dos indican un defecto estético, que se distingue por una tonalidad más oscura, revelando una baja calidad de la chapa.

Figura 9. Prototipo del Sistema de Visión Artificial

La prueba del funcionamiento del subsistema de control de calidad de tablones de madera, se realizó,

al igual que con las chapas, comparando los resultados obtenidos al analizar unos tablones patrones, con sus datos reales. Examinando los resultados, se verificó que los datos de altura de la cara superior, tonalidad, anchura, longitud y curvatura eran muy precisos; sin embargo, algún tipo muy específico de nudos provocaba algún desajuste puntual en la medición de la altura. Se observó que la luz del haz de luz láser que incidía sobre algunos nudos sufría una gran dispersión, llegando en algunos casos a su completa desaparición. Ello provocaba que la cámara perdiese la referencia del haz láser sobre el tablón, y consecuentemente se pudiese calcular la altura. Sin embargo, esta propiedad de los nudos ayudaba a la determinación de su superficie, mediante el análisis de tonalidad, ya que resaltaba su habitual tono más oscuro. Asimismo se observó que en tablones con grandes irregularidades, las alturas de la cara superior no proporcionaban una imagen 3-D del tablón, pues no se tenían en cuenta las irregularidades de la cara inferior. Como conclusión, se puede indicar que el Sistema de Visión por Computador cumplió con creces, los objetivos que se habían propuesto.

7

Futuros Desarrollos

El prototipo desarrollado se observó que podría mejorar su operatividad o prestaciones, si se pusieran en servicio alguna de las siguientes funcionalidades: 1. Control de la velocidad de la cinta transportadora, con la instalación de un variador de frecuencia mandado desde el PC 2. Instalación de un encoder conectado al PC, para tener una lectura instantánea de la velocidad de la cinta y así obtener una medida exacta de la longitud. 3. Utilizar la funcionalidad "dispersión" de la cámara para obtener un examen más preciso de los nudos de la madera. 4. Instalación de una segunda cámara que obtenga las características de la superficie inferior del tablón y así generar una imagen en 3 dimensiones del tablón. Estas funcionalidades no se pusieron en servicio, para evitar un incremento en el coste del sistema desarrollado. Agradecimientos Al Centro de Investigación y Tecnología del Grupo Empresarial ENCE, por todas las facilidades que me han prestado en la realización de este proyecto.

Referencias [1] Arturo de la Escalera Hueso, (2001) Visión por Computador, Fundamentos y Métodos. Prentice Hall. [2] CIS-Madera, (2002) Manual del Eucalipto Blanco. CIS-Madera. [3] Forsyth, Ponce, (2002) Computer Vision - A Modern Approach, Prentice Hall. [4] González Jiménez, Javier (2000) Visión por Computador, Editorial Paraninfo [5] Maravall Gómez-Allende, Darío, (1993). Reconocimiento de Formas y Visión Artificial, Editorial RA-MA. [6] Sapera Processing 5.4, Programmer's Manual, (2004), Coreco Imaging. [7] Sapera LT 5.2, Sapera++, (2004) Programmer's Manual, Coreco Imaging.