Socios proyecto:
Ambit – Living Spaces Cluster, Functional Print Clúster, Barinsa, VallsCliment y Ais Vision Systems

Los resultados del proyecto se aplicarán a la digitalización y mejora de procesos en la cadena de valor de los sistemas de impresión digital:

– Los fabricantes y distribuidores de paneles decorativos dispondrán de una integración tecnológica basada en la inspección de calidad a través de algoritmos de aprendizaje profundo.

– Los usuarios finales, constructores e interioristas, dispondrán de paneles y revestimientos confiables producidos bajo sistemas de control de calidad no basados en el muestreo sino en el aseguramiento completo de la producción.

– Los integradores y desarrolladores de tecnología Deep Learning, podrán realizar el salto tecnológico necesario para la integración de algoritmos de tratamiento de imágenes en aplicaciones de productos decorativos con variabilidad de diseños y formatos de gran tamaño.

– Los fabricantes de equipamiento de impresión digital, podrán disponer de un sistema de validación de tecnología de impresión. Además de ser beneficiarios de tecnología que permita evaluar el estado de sus equipos, la implantación de sistemas de visión artificial y Deep Learning deberá facilitar las intervenciones y ajuste de equipos para la optimización de procesos de impresión.

En el marco de la percepción de la calidad en mercado como elemento diferencial a cliente es donde se integra el proyecto CICLOP 2.0. La evolución de los sistemas de visión artificial, ampliado en gran medida por la capacidad de tratamiento de imagen de los algoritmos de aprendizaje profundo, permite desarrollar aplicaciones de control de calidad en las que el propio sistema pueda aprender y tomar decisiones en base a las imágenes capturadas. En un sector con poca penetración de tecnologías avanzadas de tratamiento de datos, el proyecto CICLOP 2.0 pretende desarrollar un sistema de control de calidad combinando la Visión Artificial con el Deep Learning y facilitar su implantación en sector de la impresión digital.

Si a lo largo de la primera fase de ejecución del proyecto CICLOP se planteaba el objetivo de capturar imágenes de gran formato a través de visión artificial para la detección de defectos de impresión, en la segunda fase se pretende investigar sobre la categorización de defectos mediante la integración de tecnología de aprendizaje profundo. Esta necesidad de análisis de los de defectos para la alineación de los criterios de calidad en función de percepción del cliente constituye el marco de trabajo del proyecto CICLOP 2.0. Con el objetivo claro de reducir la cantidad de incidencias en mercado, a lo largo del proyecto se investigará en como los algoritmos de aprendizaje profundo pueden mejora la fiabilidad de la inspección.