Sistema inteligente para automação de testes em câmeras de segurança aplicado ao processo produtivo

Abstract

O processo de testes visuais aplicado às câmeras de segurança produzidas na indústria é pouco eficiente, pois, de forma isolada, não filtra todos os produtos defeituosos e demanda o retrabalho de câmeras íntegras. Isso gera custos na reinspeção de lotes de produção e permite a entrega de produtos que não atendem aos padrões de qualidade ao cliente final. Este trabalho propõe a reformulação da análise de imagem realizada por um operador para um sistema automatizado de classificação por Redes Neurais Artificiais. Os problemas de maior incidência no processo produtivo são avaliados por meio dos testes de: presença de tampa plástica, integridade da cor gerada, presença de mancha escura, acionamento do filtro ICR e do LED da câmera. A alternância entre os cenários de teste ocorre através de acionamentos pneumáticos e elétricos, a fim de simular diferentes condições em uma câmera que evidenciam a ocorrência do defeito. Com a mudança, o tempo total de teste reduziu em cerca de 20\%, não sendo registrada a aprovação de câmeras defeituosas em três semanas de validação, para uma célula de produção.

The visual testing process applied to the security cameras, manufactured in the industry, has low efficiency because, in isolation, it approves defective products and also requires the reworking of good ones. This causes the rising of expenses by demanding the inspection of batches. Furthermore, the current process allows costumers to receive a low quality product. This paper aims to change the way those tests are made by replacing the human visual test for an automated system based on an Artificial Neural Network approach. The most common problems that appear in the factory are evaluated through the following tests: plastic cover presence, integrity of the generated color, existence of dark spots, working of the infrared cut filter removal and LED activation. Pneumatic and electrical devices are used to switch between test scenarios in order to simulate the failure conditions. After this change, the time required to check each camera reduced about 20\% and it was not registered the approval of defective products by the algorithm during the three weeks of validation.