{"id":262306,"date":"2018-09-04T18:32:26","date_gmt":"2018-09-04T21:32:26","guid":{"rendered":"http:\/\/revistapesquisa.fapesp.br\/?p=262306"},"modified":"2018-09-04T18:32:26","modified_gmt":"2018-09-04T21:32:26","slug":"para-identificar-maderas-2","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/para-identificar-maderas-2\/","title":{"rendered":"Para identificar maderas"},"content":{"rendered":"

Dos sistemas de visi\u00f3n artificial que se valen de im\u00e1genes para identificar y clasificar maderas se desarrollaron recientemente en S\u00e3o Paulo: el dise\u00f1o de uno de \u00e9stos, denominado NeuroWood, cont\u00f3 con la participaci\u00f3n de investigadores de la Universidade Estadual Paulista (Unesp), en su campus de la localidad Itapeva, y del Instituto de Ciencias Matem\u00e1ticas y Computaci\u00f3n (ICMC) de la Universidad de S\u00e3o Paulo (USP), con sede en la ciudad de S\u00e3o Carlos. El mismo est\u00e1 compuesto por un conjunto de c\u00e1maras (c\u00e1maras web), una computadora y un programa que distingue a las maderas en tres categor\u00edas: A (excelentes), B (buenas) y C (rechazadas). El otro, creado en el Instituto de F\u00edsica de la USP en S\u00e3o Carlos (IFSC-USP), es un m\u00e9todo matem\u00e1tico que dio origen a un software<\/em> capaz de determinar de qu\u00e9 especie de \u00e1rbol proviene una determinada tabla. Ambas tecnolog\u00edas se destinan fundamentalmente al sector maderero y al de mobiliario.<\/p>\n

Normalmente, la industria de la madera emplea a expertos que clasifican la calidad de las piezas mediante la inspecci\u00f3n visual. Este proceso es subjetivo y depende de la calidad de la capacitaci\u00f3n, lo que hace que el \u00edndice de aciertos no sea muy alto. Hay estudios que muestran que el nivel de precisi\u00f3n de este m\u00e9todo se ubica alrededor del 65%.<\/p>\n

Con este panorama, el ingeniero mec\u00e1nico Carlos de Oliveira Affonso, docente de la carrera de ingenier\u00eda industrial maderera de la Unesp de Itapeva, el cient\u00edfico de la computaci\u00f3n Andr\u00e9 Lu\u00eds Debiaso Rossi, docente de la carrera de ingenier\u00eda de producci\u00f3n de la Unesp de Itapeva, y el ingeniero civil F\u00e1bio Henrique Antunes Vieira, docente de la Facultad de Tecnolog\u00eda de Cap\u00e3o Bonito (S\u00e3o Paulo), proyectaron un aparato que puede ejecutar la clasificaci\u00f3n de las maderas en forma autom\u00e1tica. El proyecto NeuroWood cont\u00f3 con el apoyo del Centro de Ciencias Matem\u00e1ticas Aplicadas a la Industria (CeMEAI), uno de los Centros de Investigaci\u00f3n, Innovaci\u00f3n y Difusi\u00f3n (Cepid) financiados por la FAPESP, con sede en el ICMC. El sistema cuenta con una c\u00e1mara, un monitor y un controlador l\u00f3gico programable (PLC, por sus siglas en ingl\u00e9s), que es un microprocesador responsable de la interfaz entre la computadora y los actuadores (motores el\u00e9ctricos o cintas transportadoras).<\/p>\n

El programa de computadora desarrollado se vale de t\u00e9cnicas de aprendizaje de m\u00e1quinas. \u201cSon programas similares a los que se utilizan en los sistemas de reconocimiento facial, pero m\u00e1s sencillos\u201d, comenta Oliveira Affonso. Se emplearon las llamadas redes neurales artificiales, t\u00e9cnicas computacionales que mimetizan el funcionamiento del cerebro humano, aprendiendo con la experiencia. \u201cPara ello se le presenta a la computadora un modelo num\u00e9rico correspondiente a un determinado tipo de objeto\u201d, explica. \u201cAl cabo de una cierta cantidad de repeticiones, esos software<\/em> logran identificar a qu\u00e9 tipo de objeto pertenece el objeto en cuesti\u00f3n, aun cuando no se le haya presentado el mismo a modo de ejemplo.\u201d<\/p>\n

\"\"<\/a><\/p>\n

En el caso del NeuroWood, se le \u201cense\u00f1\u00f3\u201d al sistema a clasificar las piezas de madera de acuerdo con su calidad (A, B o C). Se le suministr\u00f3 al software<\/em> informaci\u00f3n referente a los niveles de calidad y a los defectos de las tablas, tales como nudos y rajaduras. Luego se cre\u00f3 un banco con m\u00e1s de 600 fotos de muestras de las tres calidades. Y las mismas fueron procesadas para mejorar el contraste y el brillo, y resaltar detalles para tener en cuenta caracter\u00edsticas tales como la textura y la coloraci\u00f3n.<\/p>\n

Este sistema fue puesto a prueba en condiciones reales de producci\u00f3n en Sguario Ind\u00fastria de Madeiras, una empresa de Itapeva que es socia en el proyecto. All\u00ed se lo someti\u00f3 a los mismos niveles de dispersi\u00f3n de contaminantes, vibraci\u00f3n y variaci\u00f3n de luminosidad que los hallados en un ambiente normal de un fabricante de muebles o una maderera. Las c\u00e1maras se instalaron en el trayecto y arriba de la cinta de clasificaci\u00f3n del aserradero. \u201cLas im\u00e1genes captadas se env\u00edan a la computadora para su procesamiento y su comparaci\u00f3n con las que est\u00e1n en el banco de datos. De este modo, el programa determina a qu\u00e9 categor\u00eda de calidad pertenecen: A, B o C\u201d, explica Oliveira Affonso.<\/p>\n

De acuerdo con el investigador, los resultados fueron satisfactorios. \u201cEl sistema clasific\u00f3 las maderas con un desempe\u00f1o similar al que se observ\u00f3 en el laboratorio\u201d, afirm\u00f3. \u201cActualmente analiza 45 tablas por minuto, un trabajo para el cual ser\u00edan necesarios seis trabajadores. El \u00edndice de aciertos tambi\u00e9n fue superior al de los t\u00e9cnicos especializados: de un 85%.\u201d<\/p>\n

Identificaci\u00f3n por especies<\/strong>
\nEl software<\/em> desarrollado en el Instituto de F\u00edsica de S\u00e3o Carlos tambi\u00e9n obtuvo buenos resultados, pero en este caso en la identificaci\u00f3n de especies de \u00e1rboles de acuerdo con su madera. Se analizaron piezas del Museo Real de \u00c1frica Central, en Tervuren, B\u00e9lgica, con 77 especies distintas de \u00e1rboles madereros normalmente comercializados en pa\u00edses africanos. Este trabajo se realiz\u00f3 en colaboraci\u00f3n con la Universidad de Gent, tambi\u00e9n de B\u00e9lgica. \u201cEl \u00edndice de aciertos fue del 88% en cuanto a especies bot\u00e1nicas, del 89% en lo que hace a g\u00e9nero y del 90% en lo atinente a familias\u201d, comenta el cient\u00edfico de la computaci\u00f3n Odemir Martinez Bruno, docente del IFSC-USP en S\u00e3o Carlos y coordinador del proyecto.<\/p>\n

Uno de los programas se prob\u00f3 en una maderera en condiciones reales y tuvo un elevado \u00edndice de aciertos<\/p><\/blockquote>\n

Para efectuar la identificaci\u00f3n, se alimenta al programa con im\u00e1genes microsc\u00f3picas de las piezas de madera. \u201cCada especie posee una forma distinta de composici\u00f3n de sus estructuras celulares que la diferencia de las otras\u201d, dice Martinez Bruno. \u201cEl software<\/em> analiza los patrones microsc\u00f3picos que se forman debido a los ordenamientos celulares de las maderas.\u201d<\/p>\n

Martinez Bruno explica que este proyecto constituye una derivaci\u00f3n de otro de su equipo, a largo plazo, destinado al estudio de la biodiversidad y a la identificaci\u00f3n de plantas y de la fisiolog\u00eda vegetal mediante el uso de la computaci\u00f3n, que a\u00fan se encuentra en marcha. En el caso del software<\/em> que identifica las im\u00e1genes microsc\u00f3picas, el investigador dice que se trata por ahora de un trabajo puramente acad\u00e9mico. \u201cEl art\u00edculo sali\u00f3 publicado en una revista cient\u00edfica del \u00e1rea y puede llamar la atenci\u00f3n de empresas que se interesen en convertirlo en producto\u201d, presume.<\/p>\n

Seg\u00fan el investigador, no existe hasta ahora un sistema de control de calidad o de inspecci\u00f3n para verificar las especies de madera comercializadas. \u201cNuestro software<\/em> puede servir para efectuar el control de calidad, la certificaci\u00f3n del producto y la inspecci\u00f3n. Podr\u00edan emplearlo los inspectores para cerciorarse de que determinado cargamento de madera no provenga de una reserva forestal o que no pertenezca a una especie bajo protecci\u00f3n de la ley por ser aut\u00f3ctona o estar en peligro de extinci\u00f3n.\u201d<\/p>\n

Uso industrial<\/strong>
\nEl Neurowood creado por Oliveira Affonso, de la Unesp, fue objeto de un dep\u00f3sito de patente en el Instituto Nacional de la Propiedad Industrial (INPI) y ya se encuentra listo para su uso. La empresa que cedi\u00f3 su l\u00ednea de producci\u00f3n para probar el sistema podr\u00e1 ser una de las primeras firmas en utilizarlo. Actualmente, Sguario produce entre 15 mil y 20 mil tablas por d\u00eda y no contempla en su rutina la clasificaci\u00f3n de las mismas seg\u00fan su calidad. Las piezas se eval\u00faan \u00fanicamente de acuerdo con su tama\u00f1o. \u201cSer\u00eda pr\u00e1cticamente imposible inspeccionar visualmente tabla por tabla\u201d, dice uno de los socios del aserradero, Luiz Jos\u00e9 Sguario Neto. \u201cCon el sistema de la Unesp es posible separar las tablas por su calidad y obtener precios diferenciados de venta.\u201d<\/p>\n

Este sistema no es in\u00e9dito en el mundo. Existen otros similares en el mercado global, que tambi\u00e9n se valen de la visi\u00f3n computacional para clasificar las maderas. El problema reside en que son caros, lo cual impide su adquisici\u00f3n por empresas de peque\u00f1o y mediano porte. \u201cEl costo de implementaci\u00f3n de este equipamiento es de alrededor de 65 mil reales, en tanto que los importados tienen un valor aproximado de 1.800.000 reales, seg\u00fan Oliveira Affonso. \u201cEsa diferencia se debe a que nosotros desarrollamos nuestros propios software<\/em>\u201d, dice el profesor de la Unesp. Para que el sistema pueda utilizarse en forma libre, sin necesidad de comprar paquetes comerciales, todas las rutinas se escribieron con lenguaje computacional de libre acceso. El empleo de criptograf\u00eda dificulta la pirater\u00eda del software<\/em>.<\/p>\n

\"\"

Alan Marques\/ Folhapress<\/span><\/a> Uno de los programas se prob\u00f3 en una maderera en condiciones reales y tuvo un elevado \u00edndice de aciertosAlan Marques\/ Folhapress<\/span><\/p><\/div>\n

Aunque ya puede us\u00e1rselo, Oliveira Affonso no tiene planes de crear una empresa para fabricar el software<\/em>. \u201cEl enfoque de nuestro grupo recae sobre la actuaci\u00f3n acad\u00e9mica\u201d, dice. Con todo, el perfeccionamiento del sistema seguir\u00e1 de ahora adelante en colaboraci\u00f3n con la Universidad de Oulu, Finlandia. Para ello se suscribi\u00f3 un contrato entre la Unesp y el Centro de Visi\u00f3n Mec\u00e1nica y An\u00e1lisis de Se\u00f1ales (CMVS) de la referida instituci\u00f3n con el objetivo de promover el intercambio de alumnos y docentes. \u201cAl igual que nosotros, el grupo finland\u00e9s se percat\u00f3 de que la mayor dificultad para la construcci\u00f3n de un sistema de clasificaci\u00f3n autom\u00e1tica de im\u00e1genes reside en la fase de aprendizaje computacional. Es all\u00ed donde se debe llevar a cabo un intenso trabajo manual para construir la base de datos necesaria para que el programa aprenda con base en los ejemplos\u201d, comenta Oliveira Affonso.<\/p>\n

El investigador est\u00e1 en Finlandia desde febrero de este a\u00f1o realizando una pasant\u00eda posdoctoral, y all\u00ed permanecer\u00e1 hasta comienzos de 2018, investigando t\u00e9cnicas que aceleren el proceso de aprendizaje online<\/em>. \u201cLa idea es detectar entre las im\u00e1genes utilizadas como ejemplo cu\u00e1les son las que aportan m\u00e1s informaci\u00f3n, y darles prioridad al momento del aprendizaje.\u201d<\/p>\n

Para el coordinador de la carrera de ingenier\u00eda\u00a0industrial maderera de la Unesp de Itapeva, Carlos Alberto Oliveira de Matos, el proyecto de Oliveira Affonso es importante porque en \u00e9l trabajan alumnos de grado, y por la colaboraci\u00f3n con empresas madereras. \u201cCon esto queda demostrada la gran capacidad de la investigaci\u00f3n aplicada de la universidad para la soluci\u00f3n de problemas relacionados con la producci\u00f3n\u201d, explica. \u201cBrasil cuenta con un potencial maderero sin parang\u00f3n en el mundo, lo cual demanda formaci\u00f3n de personal especializado y requiere investigaci\u00f3n de alto nivel\u201d, afirma. \u201cEstos factores contribuyen para la urgente y necesaria agregaci\u00f3n de valor a los productos basados en madera.\u201d<\/p>\n

Publicado en julio de 2017<\/em><\/a><\/p>\n

Proyectos<\/strong>
\n1.<\/strong> Visi\u00f3n artificial y reconocimiento de patrones aplicados a la plasticidad vegetal (n\u00b0 14\/08026-1<\/a>); Modalidad<\/strong> Ayuda a la Investigaci\u00f3n \u2013 Regular; Investigador Responsable<\/strong> Odemir Martinez Bruno (USP); Inversi\u00f3n<\/strong> R$ 174.860,82
\n2.<\/strong> CeMEAI \u2013 Centro de Ciencias Matem\u00e1ticas Aplicadas a la Industria (n\u00ba 13\/07375-0<\/a>);\u00a0Modalidad<\/strong> Centros de Investigaci\u00f3n, Innovaci\u00f3n y Difusi\u00f3n (Cepid);\u00a0Investigador responsable<\/strong>\u00a0Jos\u00e9 Alberto Cuminato (ICMC-USP);\u00a0Inversi\u00f3n\u00a0<\/strong>R$ 27.982.568,59 (para todos los proyectos y durante cinco a\u00f1os).
\n3.<\/strong> Una metodolog\u00eda adaptativa de inspecci\u00f3n visual para sistemas de alto rendimiento (n\u00ba 16\/23410-8<\/a>); Modalidad<\/strong> Beca de Investigaci\u00f3n en el Exterior; Investigador Responsable<\/strong> Carlos de Oliveira Affonso (Unesp); Inversi\u00f3n<\/strong> R$ 129.810,62<\/p>\n

Art\u00edculos cient\u00edficos<\/strong>
\nAFFONSO, C. et al<\/em>. Deep learning for biological image classification<\/a>. Expert Systems with Applications<\/strong>. 17 may. 2017
\nSILVA, N. R. et al<\/em>. Automated classification of wood transverse cross-section micro-imagery from 77 commercial Central-African timber species<\/a>.\u00a0Annals of Forest Science<\/strong>. jun. 2017.<\/p>\n","protected":false},"excerpt":{"rendered":"Sistemas de visi\u00f3n computacional verifican la calidad de las tablas y determinan a qu\u00e9 especies de \u00e1rboles pertenecen","protected":false},"author":475,"featured_media":262308,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[192],"tags":[282,297,312],"coauthors":[785],"class_list":["post-262306","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia-es","tag-botanica-es","tag-ingenieria","tag-innovacion"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/262306","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/475"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=262306"}],"version-history":[{"count":0,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/262306\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media\/262308"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=262306"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=262306"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=262306"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=262306"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}