Automatic Defect Detection and Intelligent Grading System for University Ceramics Integrating Computer Vision

En el mundo de la cerámica, el viaje desde la arcilla bruta hasta un plato o baldosa terminado y reluciente es una delicada danza de calor y química. El paso final, la cocción, transforma el material, pero también introduce un enemigo persistente: los defectos superficiales. Pequeñas grietas, burbujas de aire atrapadas o sutiles cambios de color pueden arruinar una pieza, convirtiendo una potencial obra maestra en desperdicio. Durante siglos, la única forma de detectar estos defectos ha sido el ojo humano. Un inspector experto escanea la superficie, buscando imperfecciones que podrían ser tan finas como un cabello o tan pequeñas como la punta de un alfiler. Sin embargo, este método es lento, agotador y propenso al error. El cansancio se instala, los ojos pasan por alto los detalles más tenues y el juicio sobre lo que constituye un "defecto" puede variar de una persona a otra. En los laboratorios universitarios, donde los estudiantes e investigadores elaboran pequeños lotes de cerámicas únicas, artísticas o experimentales, estos desafíos se magnifican. Las piezas suelen ser únicas, las series de producción son diminutas y la necesidad de datos precisos y repetibles para guiar la enseñanza y la investigación es alta.

Aquí es donde la intersección entre el oficio antiguo y la tecnología moderna ofrece un nuevo camino. Investigadores de la Universidad de Cerámica de Jingdezhen han desarrollado un sistema que actúa como un observador incansable y de atención hiperfocal para estas piezas cerámicas. Al combinar cámaras especializadas con inteligencia artificial avanzada, han creado una forma de ver lo que el ojo humano a menudo pasa por alto y de calificar la calidad de cada pieza con consistencia matemática. El objetivo no era reemplazar al artista, sino proporcionar una herramienta fiable que pueda encargarse de la tarea repetitiva y de alto riesgo de la inspección, liberando a los expertos humanos para que puedan centrarse en los aspectos creativos y educativos de su trabajo. El resultado es un sistema que ve lo invisible, cuenta lo incontable y toma decisiones con una velocidad y precisión que transforman la forma en que se realiza el control de calidad en un entorno académico de lotes pequeños.

El viaje comienza con la propia cámara, que enfrenta un desafío único: lo que hace que la cerámica sea hermosa —su esmalte brillante y vítreo— es lo mismo que la hace difícil de inspeccionar. Cuando la luz golpea una superficie brillante, rebota en un resplandor cegador, ocultando a menudo las mismas grietas y burbujas que el sistema intenta encontrar. Para resolver esto, los investigadores diseñaron una configuración de iluminación especial. Utilizaron un anillo de luces que emite luz polarizada, un tipo específico de onda de luz que vibra en una sola dirección. Cuando esta luz golpea el esmalte liso y brillante, rebota sin cambiar su dirección. Sin embargo, cuando golpea un defecto como una grieta o una burbuja, la luz se dispersa y pierde su dirección. Al colocar un filtro frente a la cámara que bloquea el resplandor cegador e invariable, pero permite que pase la luz dispersa de los defectos, el sistema crea una imagen clara y de alto contraste donde los fallos resaltan nítidamente contra el fondo. Es como usar gafas de sol que bloquean el resplandor del sol pero te permiten ver los detalles del paisaje debajo.

Una vez que la cámara captura esta imagen clara, la computadora debe limpiarla. Las imágenes pueden ser ligeramente borrosas o distorsionadas debido a la vibración de la cinta transportadora o al movimiento del aire en el área del horno. El sistema utiliza un filtro digital sofisticado para suavizar el ruido aleatorio sin desenfocar los bordes afilados de los defectos. Luego, analiza la imagen de una manera que separa los patrones regulares y repetitivos de la textura del esmalte de los patrones irregulares y caóticos de un defecto. Esto permite que la computadora ignore el grano natural de la cerámica y se concentre enteramente en los fallos. El resultado es una imagen prístina y mejorada, lista para la siguiente etapa: la inteligencia artificial.

El corazón del sistema es un modelo de aprendizaje profundo, un tipo de programa informático entrenado para reconocer patrones. Los investigadores eligieron una arquitectura poderosa conocida como YOLO, que significa "You Only Look Once" (Solo miras una vez), porque puede detectar objetos en una imagen casi instantáneamente. Sin embargo, las versiones estándar de este modelo tenían dificultades con los desafíos específicos de la cerámica, como el tamaño diminuto de algunas burbujas o las formas complejas de las grietas. Para solucionar esto, el equipo añadió un mecanismo de atención especial que ayuda a la computadora a enfocarse en las partes más importantes de la imagen, de forma muy similar a como un humano enfocaría su mirada en un punto específico. También optimizaron la forma en que el modelo observa la imagen a diferentes escalas, asegurando que pueda detectar un pequeño poro con la misma facilidad que una grieta larga y dentada.

Un obstáculo significativo para entrenar tal sistema es la falta de datos. En un laboratorio universitario, es posible que solo produzcan unas pocas docenas de piezas a la vez, y los defectos son raros. Esto significa que hay muy pocos ejemplos de grietas o burbujas para que la computadora aprenda. Para superar esto, los investigadores utilizaron una herramienta de inteligencia artificial generativa para crear miles de imágenes sintéticas realistas de defectos. Estas no son dibujos aleatorios; son simulaciones de alta fidelidad de grietas y burbujas que se ven y se comportan como las reales, llenando los vacíos en los datos de entrenamiento. Esto permitió que el sistema aprendiera de una vasta biblioteca de ejemplos, a pesar de que el laboratorio físico solo produjera un pequeño número de piezas defectuosas reales.

Una vez que el sistema ha identificado un defecto, debe decidir qué tan serio es. Aquí es donde entra el concepto de "calificación". En lugar de simplemente decir "defecto encontrado", el sistema calcula una puntuación de severidad basada en el tamaño, la forma y la ubicación de la falla. Una grieta larga y fina se trata de forma diferente a una burbuja pequeña y redonda. El sistema utiliza un umbral dinámico, lo que significa que ajusta sus estándares basándose en el lote específico de cerámicas que se están inspeccionando. Si las materias primas cambian o las condiciones de cocción varían ligeramente, el sistema recalibra su definición de lo que es aceptable, asegurando que la calificación sea justa y consistente independientemente de los cambios externos. Este enfoque dinámico demostró ser mucho más preciso que usar una regla fija e inalterable, que a menudo conduce a errores cuando las condiciones varían.

Todo el proceso ocurre en una fracción de segundo. El sistema fue probado en una cinta transportadora que se mueve a un ritmo de aproximadamente 30 piezas por minuto, una velocidad que es manejable para un laboratorio universitario pero que sería imposible para un inspector humano mantener con alta precisión durante un turno largo. Los investigadores probaron el sistema en 360 piezas diferentes, incluyendo baldosas planas, vajilla e incluso obras artísticas de bajo relieve con patrones elevados. Los resultados fueron sorprendentes. El sistema detectó defectos con una precisión cercana al 90 por ciento, superando con creces el rendimiento de los inspectores humanos, quienes pasaban por alto alrededor del 12 por ciento de los fallos visibles. El sistema automatizado redujo la tasa de detección omitida a poco menos del 3 por ciento. Además, podía clasificar el tipo de defecto y asignar una calificación con más del 91 por ciento de precisión, igualando el consenso de tres expertos humanos independientes.

El sistema también demostró su valor en el mundo real del laboratorio. Se integró en un flujo de trabajo donde no solo inspeccionaba las piezas, sino que también enviaba los datos a una computadora central. Estos datos se utilizaron para generar informes que mostraban exactamente dónde ocurrían los defectos y con qué frecuencia. Al analizar estos datos, los investigadores pudieron detectar un patrón oculto: la velocidad a la que el horno se calienta estaba directamente relacionada con el número de burbujas que aparecían en el producto final. Este conocimiento les permitió ajustar el proceso de cocción, reduciendo el número de burbujas en casi un tercio en los lotes posteriores. Este ciclo cerrado de inspección y mejora de procesos es el verdadero poder del sistema; no solo encuentra las piezas malas, sino que ayuda a evitar que se fabriquen en primer lugar.

Existen, por supuesto, límites para lo que este sistema de visión 2D puede hacer. Cuando la pieza cerámica tiene una forma tridimensional compleja con surcos profundos o relieves elevados, el sistema a veces tiene dificultades. Las sombras proyectadas por las partes elevadas pueden parecer grietas para la cámara, lo que genera una precisión ligeramente menor para estas piezas artísticas. Los investigadores reconocen esto y sugieren que las versiones futuras podrían utilizar tecnología de escaneo 3D para ver alrededor de las esquinas y dentro de las sombras, cerrando la brecha para las formas incluso más complejas. Por ahora, sin embargo, el sistema representa un gran salto adelante para la cerámica universitaria. Ofrece una forma de manejar los lotes pequeños, diversos y de alta calidad típicos de la producción académica y artística con un nivel de precisión y velocidad que antes era inalcanzable.

Al final, este trabajo trata de algo más que solo detectar grietas. Se trata de preservar la integridad del oficio mientras se abrazan las herramientas del futuro. Al automatizar la tarea tediosa y propensa a errores de la inspección, el sistema permite que los expertos humanos en el laboratorio universitario se concentren en lo que mejor hacen: enseñar, crear y ampliar los límites de lo que es posible con la arcilla y el fuego. La tecnología no reemplaza al artista; lo apoya, asegurando que el producto final sea tan perfecto como la visión que lo creó. El sistema se erige como un testimonio del poder de combinar la óptica especializada, la inteligencia artificial avanzada y un profundo entendimiento del material para resolver un problema que ha plagado a los alfareros durante siglos.