Una reciente investigación ha presentado un sistema innovador en el ámbito de la inspección visual usando síntesis de imágenes, con el objetivo de mejorar la detección de defectos en superficies metálicas, específicamente en aluminio fresado y arenado. Este sistema, nombrado SYNOSIS, se desarrolla utilizando técnicas avanzadas de aprendizaje automático para facilitar y optimizar el proceso de inspección, a menudo complejo y costoso debido a la falta de datos de entrenamiento adecuados.
La utilización de datos sintéticos, generados a partir de modelos paramétricos, ha sido un avance significativo, permitiendo la creación de un pipeline completo que abarca desde la captura inicial hasta la modelación de texturas, generación de datos, comparación con datos reales y finalmente, el entrenamiento de modelos de segmentación de defectos. La versatilidad del pipeline se remonta a su aplicación flexible en diversos materiales y combinaciones de defectos.
Uno de los puntos destacados del estudio es que a través de la generación de conjuntos de datos duales, que combinan imágenes reales y sintéticas del mismo tipo de inspección, se consigue establecer referencias de rendimiento que facilitan el avance en investigación y comparación de resultados.
El camino de desarrollo plantea la inclusión de múltiples pasos minuciosamente detallados, desde la parametrización inicial de superficies hasta la modelación de defectos a escala, aplicando un enfoque que promueve la bancarización de la calidad de las imágenes sintéticas generadas, a fin de continuar perfeccionando el proceso de segmentación de defectos con base en estos datos.
A modo de conclusión, es evidente que el uso de datos sintéticos no solo facilita la creación de modelos robustos para la inspección visual, sino que también plantea un firme argumento en favor de su creciente adopción dentro de las líneas de producción industriales. Sin embargo, queda camino por recorrer para afinar técnicas y establecer prácticas óptimas que validen y optimicen aún más el uso de estos conglomerados de datos sintéticos para la detección precisa y eficiente de defectos industrialmente relevantes.