FIABILIDAD DEL PROCESO DE IMPRESIÓN DIGITAL A PARTIR DE LA INTEGRACIÓN DE TECNOLOGÍA DE CAPTURA Y TRATAMIENTO DE IMAGEN.

El proyecto CICLOP 2.0 a punto de finalizar su segunda fase, posicionándose como una iniciativa líder en integración de sistemas avanzados de visión artificial y tecnología Deep Learning en entornos de impresión digital de gran formato.

Si a lo largo de la primera fase, el proyecto CICLOP se enfocó en la captura de imágenes mediante visión artificial para la detección de defectos de impresión, la segunda arrancaba con el objetivo de investigar la categorización de defectos mediante la integración de tecnología de aprendizaje profundo. Esta necesidad de análisis de defectos, alineada con la definición de los estándares de calidad según la percepción del cliente, ha constituido el marco principal de trabajo del proyecto CICLOP 2.0. Con el claro objetivo de evitar fugas de defectos de calidad al mercado, la investigación a lo largo del proyecto se ha centrado en cómo los algoritmos de aprendizaje profundo pueden mejorar la fiabilidad de la inspección.

Con el objetivo de implementar un sistema de detección eficaz para una gama de paneles decorativos de estética compleja, el tratamiento de imagen desarrollado a lo largo del proyecto se ha centrado en técnicas de segmentación de imagen para el desarrollo e implementación de tecnología Deep Learning. Para ello, a lo de la fase de implementación, se han llevado a cabo tests específicos para el entrenamiento de algoritmos de detección de defectos a partir de muestras defectuosas, cuya caracterización y refinamiento han llevado a la construcción de una red neuronal específica para el control de calidad. Una vez implantada la red en condiciones de servicio, la tecnología investigada ha permitido implantar un sistema de verificación de errores de calidad sobre la imagen para garantizar la identificación precisa de los defectos de impresión.

El proyecto CICLOP 2.0 ha superado el reto de capturar y analizar imágenes de gran tamaño a ritmo de producción (20metros/minuto) gracias a la velocidad de procesamiento que ofrece el Deep Learning, junto con la complementariedad de la tecnología de Visión Artificial implementada en la fase 1 del proyecto.  El desarrollo efectuado a lo largo del proyecto, habilita nuevas utilidades de valor en entornos de producción por impresión digital y permite posicionar el tratamiento de imagen a través de sistemas inteligentes como herramienta avanzada de control de calidad en el sector de los paneles y recubrimientos decorativos.

El proyecto CICLOP 2.0 cuenta con la participación de las empresas AIS VISION SYSTEMS, BARINSA, VALLS CLIMENT y las organizaciones AMBIT (Living Spaces Cluster) y FUNCTIONAL PRINT (Cluster de Impresión Funcional de Navarra) en el marco del proyecto AEI-010500-2023-246, financiado por el Ministerio de Industria, Comercio y Turismo.