Conversamos com Teresa Martins, CEO da Neadvance e AI4MedImaging sobre o projeto IntVIS4Insp, que criou novos conceitos de flexibilidade e adaptabilidade - para as áreas de inspeção automática - recorrendo à manipulação de objetos complexos, através do uso sistemático de tecnologia de visão por computador e inteligência artificial. Destaque para o papel crucial do apoio dos fundos comunitários.

 

 

 

Os sistemas de inspeção automática que têm por base a visão por computador servem para avaliar a qualidade de matérias-primas/produtos-intermédios / produtos-finais. A aplicação generalizada deste tipo de tecnologia, bem como a exigência crescente em termos de controlo de qualidade traduzem-se na inspeção de materiais/objetos cada vez mais complexos, o que nalguns casos obriga à manipulação desses objetos. Por sua vez, as aplicações destinadas à manipulação de objetos usam frequentemente sistemas robotizados que são guiados por sistemas de visão por computador, no sentido de flexibilizar as operações previamente definidas.

 

Estes sistemas de inspeção e controlo de qualidade conduzem a ganhos de eficiência importantes quando comparados com outros procedimentos convencionais e são cada vez mais aplicados na análise de objetos complexos (designadamente com características especulares e texturados; com geometria tridimensional complexa; com características visíveis apenas com a manipulação) e com requisitos de inspeção, qualidade e deteção com limiares mais apertados. 

 

 

Em específico, no projeto IntVIS4Insp, como caso de estudo selecionou-se a matéria-prima “pele natural” que atualmente é usada de forma transversal em diversos setores industriais, como o calçado, automóvel e mobiliário.

 

Tendo então como foco a inspeção e controlo de qualidade deste material, o projeto IntVIS4Insp tem como objetivos tecnológicos principais:

 

- o desenvolvimento de algoritmos de inteligência artificial (IA) que possam ser disponibilizadas para a inspeção automática aplicada a distintos objetos; 

 

- Desenvolver ferramentas de visão por computador dedicadas à extração de informação tridimensional dos objetos, com vista a incrementar a flexibilidade da utilização dos sistemas robotizados; 

 

- Desenvolver um sistema robotizado de manipulação bimanual para apoio à inspeção de objetos complexos. 

 

 

 

 

 

Os objetivos referidos conduziram ao desenvolvimento de distintas tecnologias, que se apresentam em diferentes estados de desenvolvimento. 

 

Atualmente, considerando o caso de estudo identificado, já foi desenvolvido um conjunto de técnicas de Inteligência Artificial (IA) para deteção e segmentação de defeitos presentes em peles naturais. Estas abordagens de análise de textura estão alinhadas com o estado da arte presente na literatura, sendo atualmente um dos problemas mais complexos. 

 

A inspeção destes materiais em algumas situações obriga à sua manipulação e atualmente já foram implementadas estratégias de manipulação bimanual coadjuvadas por sistema de visão ativa.

Perspetiva-se que até ao final do projeto todos os objetivos sejam alcançados, criando assim uma plataforma de IA inovadora, especifica para aplicações industriais, destinada quer à inspeção de materiais quer ao controlo de qualidade.

 

 

 

 

A utilização de técnicas de IA aplicadas a imagem / vídeo nos domínios da monitorização de pessoas, veículos, aplicações web ou em App é hoje um buzzword.

 

Genericamente a utilização deste tipo de tecnologia obriga à existência de um conjunto alargado de imagens de treino, na ordem dos milhares, para uma correta aprendizagem, por exemplo de um tipo de objeto ou classes de objetos.

 

Quando caminhamos para a aplicação deste tipo de tecnologias para a inspeção de materiais ou controlo de qualidade, ou seja, para a deteção de defeitos, o processo de aprendizagem torna-se mais complexo. Por um lado, porque não é possível ter acesso a um número alargado de imagens de defeitos, já que isto obrigaria à produção de bens defeituosos. Por outro lado, existem defeitos que decorrem do processo produtivo cujo aspeto visual não é conhecido sem que ocorram primeiro.

Em resumo, um dos maiores desafios é o desenho de uma estratégia de aprendizagem evolutiva que minimize a necessidade de imagens / objetos das classes a detetar, neste caso defeitos.

 

O outro grande desafio neste projeto diz respeito à manipulação dos objetos, neste caso a pele natural. Com efeito, colocar um sistema robotizado bimanual a reproduzir o movimento que o operador humano faz para a deteção dos defeitos foi uma das tarefas de maior complexidade.

 

 

 

A plataforma de IA de aprendizagem evolutiva que se está a desenvolver no âmbito do projeto.

Após validação, esta plataforma poderá ser usada de forma transversal aos sectores industriais, minimizando a necessidade de imagens por classe de deteção ou segmentação.

 

 

 

O contributo do cofinanciamento do COMPETE 2020 tem sido um dos principais motores do investimento em Investigação e Desenvolvimento da nossa empresa. Este cofinanciamento foi o suporte para alavancar um projeto de grande importância para o desenvolvimento de um produto inovador na área da Inteligência Artificial, com grande potencial de escalabilidade. 

 

 

 

Licenciada em Engenharia de Sistemas e Informática, em 1991, pela Universidade do Minho e Mestre Informática, pela mesma universidade em 1998, iniciou a sua carreira profissional na área do desenvolvimento de software para equipamentos e sistemas de pesagem industrial.  Entre 1998 e 2001 foi gestora de projetos no departamento de Visão Artificial no IDITE Minho, em Braga, abraçando esta área de negócio desde então.

 

Em 2001, como cofundadora, cria a empresa ENERMETER – Sistemas de Medição que tinha duas áreas de atuação distintas: Sistemas de Medição e Sistemas de Visão Artificial. Esta última área concebe, desenvolve e instala sistemas automáticos baseados em tecnologias de processamento de imagem e visão artificial, para os mais variados setores industriais do mercado nacional e internacional. Com a finalidade de potenciar a área de negócio da visão artificial, é fundada, em 2017 a Neadvance – Machine    Vision como spin-off do departamento de Visão Artificial da Enermeter, sendo cofundadora, CEO e Presidente do Conselho de Administração. 

 

Em 2019 é criada a AI4Medimaging, empresa dedicada á investigação e desenvolvimento de soluções de apoio ao diagnóstico clínico, como spin-off da área médica da Neadvance, sendo cofundadora, CEO e Presidente do Conselho de Administração.

 

 

 

Em outubro de 2019, a parceria entre Neadvanced, UMinho – Escola de Engenharia e o CCG (Centro de Computação Gráfica) deu arranque ao projeto IntVIS4Insp, cofinanciado pelo COMPETE 2020 no âmbito do Sistema de Incentivos à I&DT Empresarial, na vertente em copromoção.

Este projeto envolveu um investimento elegível de 2 milhões de euros, correspondendo a um incentivo FEDER de cerca de 1,5 mil euros.

 

 

 

Neadvanced Website 

UMinho – Escola de Engenharia Website 

CCG -Centro de Computação Gráfica Website