Semiautomatic dimensional screening of plastic scintillator cubes using image analysis and robotics

Los autores desarrollaron y validaron un sistema semiautomático que combina análisis de imágenes y un brazo robótico de seis ejes para realizar un control de calidad preciso y eficiente en la clasificación dimensional de cubos centimétricos de centelleador plástico destinados a futuros detectores de neutrinos.

Lo esencial

Imagina que estás construyendo una casa gigante, pero en lugar de ladrillos, usas millones de cubos de plástico del tamaño de un dado. Estos cubos son los "ojos" de un detector de neutrinos, una máquina científica enorme diseñada para ver partículas invisibles que atraviesan la Tierra.

El problema es que, para que la casa (o el detector) funcione, todos esos cubos deben encajar perfectamente. Cada cubo tiene tres agujeros diminutos por donde pasan fibras ópticas (como cables de luz). Si los agujeros no están alineados milimétricamente, los cables no pasarán y la luz se perderá.

Aquí es donde entra esta investigación, que es como una fábrica de inspección robótica diseñada para asegurar la calidad de estos cubos.

El Problema: La Inspección Manual es Lenta y Subjetiva

Antes, los científicos tenían que revisar estos cubos a mano. Imagina que tienes que revisar 2 millones de dados, uno por uno, intentando meter una varilla de metal en sus agujeros.

• Lento: Tomaba más de 16 segundos por cubo.
• Subjetivo: Dependía de si el operario sentía que la varilla "entraba con fuerza" o no. Era como intentar adivinar si una puerta está bien cerrada solo tocándola.
• Ineficiente: Se desperdiciaban muchos cubos que en realidad estaban bien, solo porque la alineación no era perfecta en ese momento.

La Solución: Un "Ojo de Águila" con Brazo Robótico

Los investigadores crearon un sistema semiautomático que funciona como un controlador de calidad superpoderoso.

1. La Banda Transportadora Giratoria (El Escáner)

Imagina una mesa giratoria con 8 asientos. Pones un cubo en uno de ellos y presionas un botón.

• El cubo gira y se detiene frente a seis cámaras de alta definición (como si fueran seis fotógrafos profesionales).
• Luces LED especiales iluminan el cubo desde tres ángulos para que no haya sombras, como un estudio de fotografía perfecto.
• Un software inteligente analiza cada foto en milisegundos. No solo mide el tamaño del cubo, sino que busca:
  • ¿Tiene el cubo alguna protuberancia (como una verruga) que pueda chocar con sus vecinos?
  • ¿Están los agujeros exactamente donde deberían estar?
  • ¿Es el cubo un poco más grande o pequeño de lo permitido?

La magia de la precisión: El sistema es tan preciso que puede detectar diferencias de 10 micrómetros (eso es más fino que un cabello humano). Es como si pudieras medir la altura de una persona con una regla tan fina que notaras si ha crecido una fracción de milímetro.

2. El Brazo Robótico (El Clasificador Inteligente)

En la primera versión del sistema (el prototipo), si un cubo tenía los agujeros un poco desplazados, el sistema lo tiraba a la basura como "defectuoso". ¡Pero eso era un desperdicio!

Aquí entra la segunda parte, la más creativa: el brazo robótico.
Imagina que el sistema descubre que un cubo tiene sus agujeros desplazados hacia la derecha. En lugar de tirarlo, el sistema piensa: "¡Espera! Si encuentro otros 100 cubos que también tienen sus agujeros desplazados hacia la derecha, puedo ponerlos juntos en una fila. Así, los cables pasarán perfectamente porque todos están 'desplazados' en la misma dirección".

• El brazo robótico de 6 ejes (como el brazo de un cirujano o un robot de cocina muy hábil) toma el cubo.
• En lugar de solo decir "bueno" o "malo", lo clasifica en 48 grupos diferentes según hacia dónde están desplazados sus agujeros.
• El robot coloca el cubo en la caja correcta, manteniendo su orientación exacta, para que los científicos sepan cómo usarlo después.

Los Resultados: De la Caos a la Armonía

• Velocidad: El sistema revisa un cubo en unos 15 segundos, mucho más rápido que la mano humana y sin cansancio.
• Precisión: Logró una precisión de 10 micrómetros, superando a las herramientas manuales.
• Ahorro: En la prueba final, lograron reducir el número de cubos "defectuosos" del 20% al 3.1%. ¡Eso significa salvar miles de cubos que antes se habrían tirado!

En Resumen

Este paper nos cuenta cómo los científicos dejaron de usar varillas de metal y manos cansadas para usar cámaras, inteligencia artificial y robots.

Es como pasar de revisar manualmente si cada ladrillo de una catedral está bien puesto, a tener un ejército de robots que escanean cada ladrillo, miden sus imperfecciones y los organizan inteligentemente para que, aunque no sean perfectos individualmente, encajen a la perfección cuando se construyen juntos. Gracias a esto, los futuros detectores de neutrinos podrán ser más grandes, más precisos y más eficientes.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Screening dimensional semiautomático de cubos de centelleador plástico mediante análisis de imágenes y robótica

1. El Problema

Los detectores de física de partículas a gran escala, como el SuperFGD utilizado en el experimento T2K, requieren millones de componentes idénticos (en este caso, 1.956.864 cubos de centelleador plástico de 1 cm³). La precisión mecánica de estos componentes es crítica para el rendimiento del detector.

• Desafío de alineación: Los cubos tienen tres agujeros ortogonales de 1,5 mm de diámetro por los que se insertan fibras de cambio de longitud de onda (WLS) de 1,0 mm. Si los cubos se apilan densamente, incluso pequeñas desviaciones dimensionales o de posición de los agujeros se acumulan. Una desalineación superior a 0,5 mm entre cubos adyacentes impide la inserción de la fibra.
• Limitaciones del método actual: El proceso de control de calidad utilizado anteriormente en Rusia era totalmente manual. Consistía en insertar varillas de acero de 1,4 mm en bloques de 15x15 cubos. Este método era lento (más de 16 segundos por cubo), subjetivo (basado en la percepción de la fuerza de inserción), no cuantitativo y requería un esfuerzo humano masivo. Además, eliminaba aproximadamente el 5% de los cubos como defectuosos.

2. Metodología

Los autores desarrollaron un sistema de inspección y clasificación semiautomático que evoluciona desde un prototipo hasta un sistema completo con robótica.

A. Sistema de Inspección (Prototipo y Versión Final):

• Hardware:
  • Una plataforma giratoria accionada por un motor paso a paso de 5 fases.
  • Seis cámaras USB de alta resolución (8 megapíxeles) equipadas con lentes teleconvertidores (2x) para lograr una resolución efectiva de ~15 µm/píxel.
  • Iluminación anular LED en tres direcciones para mitigar sombras causadas por la textura de la superficie (grabado químico).
  • Plataformas impresas en 3D con resina PLA negra para mejorar el contraste.
• Proceso de Adquisición: El cubo se coloca manualmente en la plataforma. El sistema rota la plataforma 45° para capturar 3 caras (Punto 1) y otros 45° para capturar las 3 caras restantes (Punto 2).

B. Análisis de Imágenes:
Se desarrolló un algoritmo personalizado utilizando la biblioteca OpenCV que incluye:

1. Preprocesamiento: Conversión a escala de grises, filtrado gaussiano y umbralización.
2. Detección de Contornos y Transformada de Hough: Identificación de los bordes del cubo (líneas) y los contornos de los agujeros (círculos).
3. Corrección de Alineación: Ajuste de la inclinación de la imagen basándose en segmentos de líneas de los bordes del cubo para corregir errores sistemáticos.
4. Corrección de Iluminación y Plataforma: Se realizó un estudio de calibración con 16 cubos (96 muestras) para corregir desplazamientos (offset) y pendientes (slope) causados por diferencias en la iluminación y el alineamiento de las 6 cámaras y 8 plataformas. Se aplica un ajuste lineal a las posiciones de los agujeros.
5. Detección de Protrusiones: Comparación de los contornos extraídos con las líneas ideales para identificar salientes en la superficie.

C. Clasificación y Robótica (Sistema Completado):

• Prototipo: Clasificaba los cubos en "Aceptable", "Reinspección" o "Defectuoso" basándose en criterios estrictos de posición de agujeros y tamaño. Utilizaba una válvula de clasificación accionada por servo para dirigir los cubos a diferentes cajas.
• Sistema Final (Brazo Robótico): Para abordar el problema de que muchos cubos "defectuosos" tenían desviaciones de agujeros consistentes en la misma dirección, se introdujo un brazo robótico de 6 ejes (UFACTORY xArm 6).
  • El brazo retira el cubo de la plataforma en lugar de dejarlo caer.
  • Mantiene la orientación del cubo durante todo el proceso.
  • Clasifica los cubos en 48 grupos (3 orientaciones de la cara Z × 4 grupos de posición X × 4 grupos de posición Y) basándose en la desviación relativa de los agujeros.
  • Esto permite agrupar cubos con desviaciones similares para que, al apilarse, las fibras aún puedan insertarse sin problemas.

3. Contribuciones Clave

1. Sistema de Inspección Cuantitativo: Desarrollo de un sistema capaz de medir dimensiones, protrusiones y posiciones de agujeros con una precisión de 10 µm, superando la subjetividad de los métodos manuales.
2. Algoritmo de Corrección Avanzado: Implementación de correcciones sistemáticas para efectos de iluminación y alineación de múltiples cámaras, reduciendo la desviación estándar de las mediciones de 23 µm a 10 µm.
3. Estrategia de Clasificación Inteligente: Cambio de paradigma de "rechazar" cubos con desviaciones de agujeros a "clasificarlos" en grupos de 48 categorías. Esto permite aprovechar cubos que antes se hubieran descartado, siempre que sus desviaciones sean coherentes.
4. Integración Robótica: Uso de un brazo robótico no solo para la clasificación, sino para mantener la orientación del cubo, permitiendo una agrupación fina y precisa para la futura construcción del detector.

4. Resultados

• Precisión de Medición: El sistema alcanzó una precisión de repetibilidad de 10 µm. La comparación con calibradores mostró una desviación estándar de 39,8 µm, pero se argumenta que el sistema de visión es superior porque mide el promedio de la distancia entre caras (no contactando puntos específicos) y es no invasivo (no comprime el cubo blando).
• Consistencia con el Método Manual: En una prueba con 395 cubos (154 aceptables y 241 defectuosos según el método manual), el sistema logró una consistencia superior al 80% en la clasificación.
• Tasa de Rechazo:
  • El prototipo inicial rechazó aproximadamente el 20% de los cubos debido a criterios estrictos de posición de agujeros.
  • El sistema final con el brazo robótico y la estrategia de agrupación redujo la tasa de rechazo a 3,1%.
• Velocidad: El tiempo de inspección por cubo fue de ~6 segundos en el prototipo y ~15 segundos en el sistema final (incluyendo el manejo robótico). Ambos son significativamente más rápidos que el método manual (>16 segundos/cubo).
• Validación: En una prueba con ~6.500 cubos, el sistema funcionó de manera estable. Las variaciones dentro de cada uno de los 48 grupos fueron inferiores a 500 µm, el límite de tolerancia para la inserción de fibras.

5. Significado e Impacto

Este trabajo presenta una solución escalable, precisa y eficiente para el control de calidad de componentes en detectores de física de partículas de gran escala.

• Viabilidad para Futuros Experimentos: La metodología es crucial para experimentos futuros como DUNE, que planean utilizar detectores con estructuras similares pero de mayor tamaño.
• Optimización de Recursos: Al reducir la tasa de rechazo del 20% (o 5% manual) al 3,1% mediante la agrupación inteligente, se maximiza el uso de materiales costosos y se acelera la construcción.
• Automatización: El sistema demuestra un camino hacia la automatización total (incluyendo la carga inicial de cubos mediante un segundo brazo robótico), reduciendo la dependencia de mano de obra humana y minimizando errores en la producción masiva de componentes de detectores.