Visão computacional industrial pode transformar o controle de qualidade quando o principal desafio não é reconhecer um defeito conhecido, mas identificar qualquer desvio relevante antes que ele avance pela produção.

Em linhas contínuas de tecido, papel, laminados, madeira ou metal, isso é especialmente importante. Os defeitos podem ser pequenos, raros e visualmente diferentes entre si. Ao mesmo tempo, a inspeção precisa acompanhar a velocidade do processo sem perder consistência.

Esse cenário expõe uma limitação importante da inspeção exclusivamente humana. Uma revisão publicada na Applied Ergonomics encontrou relação entre fadiga e perda de qualidade em ambientes de manufatura, com a fadiga explicando, em alguns estudos analisados, até 42% da variação dos déficits de qualidade.

Por outro lado, simplesmente instalar uma câmera não resolve o problema. É necessário combinar aquisição adequada de dados, processamento, inteligência artificial e integração com o processo industrial. É justamente nessa camada que atua o Zoryk, solução de visão computacional desenvolvida pela Macnica DHW para inspeção automatizada de qualidade.

Por que a visão computacional industrial tradicional encontra dificuldades

Imagine uma linha produzindo centenas de metros de material. Uma mancha pode aparecer hoje. Amanhã, uma pequena irregularidade superficial. Depois, uma falha de textura que nunca havia ocorrido anteriormente.

Como criar previamente uma regra para cada possibilidade?v Esse é um dos principais desafios da inspeção industrial com inteligência artificial.

Em abordagens supervisionadas tradicionais, é comum treinar modelos utilizando exemplos previamente identificados das classes que se deseja reconhecer. Dependendo da aplicação, isso significa coletar, organizar e rotular imagens dos diferentes tipos de defeito.

Para processos em que as falhas são raras ou imprevisíveis, porém, essa estratégia pode se tornar pouco prática.

A literatura técnica aponta exatamente esse problema. Uma revisão sobre detecção de anomalias aplicada à inspeção visual automatizada destaca que defeitos são, por natureza, eventos raros e que nem todos os tipos de falha que surgirão durante a produção são conhecidos durante o treinamento.

Por isso, em determinadas aplicações industriais, uma pergunta pode ser mais útil do que “qual defeito é este?”: “Isto continua dentro do padrão esperado?”

Visão computacional industrial com Zoryk: aprender o padrão aprovado

O Zoryk utiliza uma abordagem de detecção de anomalias, na qual a referência para análise é o comportamento visual esperado do produto aprovado.

Em vez de depender exclusivamente de uma biblioteca contendo todas as falhas possíveis, o sistema identifica desvios em relação ao padrão de referência.

Essa lógica é particularmente relevante porque pesquisas recentes sobre industrial image anomaly detection tratam justamente a aprendizagem do estado normal como uma abordagem adequada quando amostras defeituosas são escassas.

Na arquitetura do Zoryk, o processo pode ser entendido em quatro etapas:

1. Capturar

Câmeras industriais ou outros dispositivos de aquisição, como perfilômetros a laser, coletam informações do material durante o processo.

2. Processar

Os dados são analisados localmente em um computador de borda (edge computing), reduzindo a dependência de comunicação com serviços externos durante a inspeção.

3. Detectar

O software identifica e localiza regiões que apresentam comportamento diferente do padrão esperado.

4. Comunicar e agir

As informações são disponibilizadas para acompanhamento do processo, registro de ocorrências e integração com a estratégia de qualidade da operação.

Essa arquitetura permite que câmera, iluminação, processamento e software sejam especificados de acordo com o cenário industrial, em vez de tratar a câmera isoladamente como a solução completa. O projeto original do Zoryk prevê justamente a integração entre aquisição, processamento em edge e inteligência artificial.

Por que detectar anomalias pode ser mais eficiente que catalogar defeitos

Na inspeção industrial, uma das maiores dificuldades não está em encontrar novamente um defeito conhecido.

Está em detectar o próximo defeito que ainda não foi catalogado.

Considere uma superfície que pode apresentar:

• riscos;
• manchas;
• contaminações;
• falhas de textura;
• alterações de acabamento;
• irregularidades dimensionais ou superficiais;
• mudanças de padrão ainda não registradas.

Criar uma classe de inteligência artificial para cada possibilidade pode exigir um ciclo constante de coleta e rotulagem de dados. A detecção de anomalias muda essa lógica.

Ao estabelecer o padrão esperado como referência, torna-se possível identificar regiões suspeitas mesmo quando a manifestação específica da falha não estava presente no conjunto inicial de amostras.

Essa é uma das razões pelas quais a detecção visual de anomalias ganhou relevância na manufatura. Uma revisão científica de 2024 aponta escassez de dados de treinamento e diversidade das anomalias entre os principais desafios atuais da área.

Onde aplicar visão computacional industrial com Zoryk

A arquitetura é especialmente relevante para inspeção de superfícies e processos contínuos, nos quais velocidade, repetibilidade e identificação de pequenas irregularidades são críticas.

Indústria têxtil

Em tecidos e materiais técnicos, a inspeção pode buscar alterações de trama e urdume, manchas, contaminações, irregularidades de acabamento e mudanças de padrão.

Para a engenharia, o ganho não está apenas em automatizar a observação, mas em estabelecer um critério consistente ao longo de toda a inspeção.

Papel, celulose, embalagens e laminados

Linhas contínuas podem apresentar defeitos de superfície, textura, marcas de processo e irregularidades difíceis de detectar de maneira consistente em alta velocidade.

Conforme o fenômeno a ser identificado, o projeto pode utilizar diferentes tecnologias de aquisição de dados.

Madeira, MDF e superfícies decorativas

Veios, padrões e texturas naturais tornam esse tipo de material particularmente complexo para sistemas rígidos baseados apenas em regras.

Nesse cenário, distinguir variação aceitável de anomalia relevante é parte central do projeto.

Metalurgia e siderurgia

Riscos, marcas de processo, alterações superficiais e outras irregularidades podem ser monitorados ao longo da produção.

Iluminação, óptica, resolução, velocidade da linha e características da superfície precisam ser consideradas em conjunto.

Cerâmica e outros materiais

A mesma arquitetura pode ser aplicada a processos nos quais seja necessário identificar trincas aparentes, irregularidades superficiais, falhas de acabamento ou outros desvios visuais.

Isso significa que o ponto de partida não deve ser simplesmente “qual câmera comprar?”.

A pergunta correta é: “Qual fenômeno precisamos detectar e qual arquitetura de aquisição e processamento permite enxergá-lo?”

Visão computacional industrial não é apenas câmera + IA

Esse é um ponto importante para equipes de engenharia. Performance de inspeção não depende exclusivamente do algoritmo.

Uma aplicação industrial precisa considerar fatores como:

• resolução necessária;
• campo de visão;
• distância de trabalho;
• velocidade do material;
• iluminação;
• contraste entre defeito e superfície;
• tipo e tamanho mínimo da anomalia;
• capacidade computacional;
• latência aceitável;
• comunicação com outros sistemas;
• condições do ambiente industrial.

Inclusive, estudos sobre inspeção visual mostram que formato, contraste e dimensão do defeito influenciam diretamente sua detectabilidade.

Por isso, dois projetos aparentemente semelhantes podem demandar arquiteturas ópticas e computacionais diferentes.

O diferencial da abordagem da Macnica DHW é trabalhar o problema de ponta a ponta: compreender a aplicação, avaliar a aquisição de dados, definir o processamento necessário, integrar software e hardware e adaptar a solução ao processo industrial.

Em aplicações apropriadas, o Zoryk pode operar com detecção inferior a 1 mm e processamento de imagens de 8 MP a 30 FPS, com configuração capaz de acompanhar linhas próximas de 30 m/min. Esses parâmetros, porém, precisam ser avaliados conforme resolução, campo de visão, iluminação e características específicas de cada aplicação.

Inspeção automatizada substitui totalmente o operador?

Não necessariamente — e tecnicamente essa nem sempre é a melhor forma de avaliar o projeto. O objetivo principal é retirar do operador a dependência de observar continuamente grandes volumes de material e criar uma camada automatizada de inspeção consistente.

A decisão operacional posterior pode variar. Em alguns processos, o sistema pode apenas alertar, em outros, pode registrar a posição da anomalia para análise. Também pode ser integrado a etapas posteriores de segregação, revisão ou atuação no processo.

Pesquisas em inspeção visual industrial apontam justamente modelos híbridos, nos quais a automação avalia continuamente os produtos e operadores concentram atenção nos casos que demandam revisão. Assim, a visão computacional não precisa retirar o especialista da qualidade.

Ela pode fazer algo mais valioso: direcionar a atenção humana para onde ela realmente é necessária.

Perguntas frequentes sobre visão computacional industrial

O que é visão computacional industrial?

É a aplicação de câmeras, sensores, processamento de imagens e algoritmos de inteligência artificial para analisar automaticamente produtos e processos industriais.

Uma das aplicações mais comuns é a inspeção automatizada de qualidade.

Qual é a diferença entre visão computacional e visão de máquina?

Os conceitos se sobrepõem. Em ambiente industrial, visão de máquina normalmente descreve sistemas completos de captura, processamento e atuação. Visão computacional costuma enfatizar os algoritmos responsáveis por interpretar as imagens.

Na prática, uma solução industrial pode combinar as duas disciplinas.

O que é detecção de anomalias?

É uma abordagem que procura identificar dados ou regiões que se desviam de um comportamento considerado normal.

Na inspeção visual, isso pode permitir identificar uma alteração mesmo quando aquela manifestação específica não estava previamente catalogada.

É preciso ter imagens de todos os defeitos?

Não necessariamente. Soluções baseadas em detecção de anomalias podem utilizar amostras aprovadas como principal referência para modelar o padrão esperado. A quantidade e a diversidade de dados necessárias, porém, dependem da aplicação.

O processamento precisa ocorrer na nuvem?

Não. Com a Zoryk, o processamento pode ocorrer localmente, na borda, o que é importante em aplicações que exigem resposta rápida e integração direta com a linha.

A Zoryk funciona somente com câmeras?

Não. Dependendo da característica que precisa ser analisada, a arquitetura pode utilizar outros dispositivos de aquisição, incluindo perfilômetros.

Como saber se a Zoryk funciona na minha linha?

A resposta depende principalmente do material, velocidade, dimensão do menor defeito relevante, área inspecionada, contraste disponível e condições de aquisição. Por isso, o primeiro passo deve ser uma avaliação técnica da aplicação.

Visão computacional industrial: avalie sua aplicação com a Macnica DHW

Automatizar uma inspeção não significa simplesmente substituir um operador por uma câmera. Significa construir uma arquitetura capaz de capturar o fenômeno certo, processá-lo no tempo necessário e transformar uma anomalia em informação útil para a qualidade.

É essa combinação entre aquisição, processamento, inteligência artificial e engenharia de aplicação que orienta o Zoryk.

Se sua operação precisa inspecionar materiais contínuos, identificar defeitos pequenos ou lidar com falhas difíceis de catalogar, a Macnica DHW pode avaliar tecnicamente a aplicação e definir a arquitetura mais adequada ao processo.

Fale com nossos especialistas e avalie a viabilidade do Zoryk na sua linha de produção.

Sobre a Macnica DHW

A Macnica DHW é operação na América do Sul do grupo japonês Macnica Inc., maior distribuidor de semicondutores do Japão e 5º maior do mundo.

Somos também o Centro Oficial de Treinamento FPGA Altera e a distribuidora exclusiva da Terasic para universidades, institutos federais e instituições de ensino e pesquisa na América do Sul.

Atualmente, o grupo Macnica possui equipes de desenvolvimento em soluções IoT, IA, hardware e software em vários pontos do globo.

Assim, tanto disponibilizamos tecnologias, quando somos parceira estratégica na identificação, implementação e evolução de soluções que ajudam sua empresa a operar com mais eficiência, previsibilidade e competitividade.