Caso de éxito: clasificando semillas con deep learning para Argirella Nervosa

El deep learning es una técnica de extracción y procesamiento de datos de alta precisión basado en redes neuronales. El productor de semillas Argirella Nervosa S.L. ya ha aplicado este sistema para la clasificación de semillas a través de la visión artificial gracias a Rosepetal.

A través del deep learning (o aprendizaje profundo) podemos detectar defectos en productos orgánicos, el reconocimiento óptico de caracteres y la clasificación de productos según su tamaño, color, forma o cualquier otro tipo de característica.

Es un sistema de alta precisión que funciona a través de algoritmos simulando el funcionamiento del cerebro humano. Por eso decimos que está basado en redes neuronales.

El año pasado, el productor Argirella Nervosa, especializado en el sector de las semillas orgánicas (OEM), nos contactó porque quería implementar un sistema de clasificación de semillas en su línea de producción.

¿Qué es Rosepetal?

Rosepetal es una suite de software de visión artificial con aprendizaje supervisado y semi supervisado mediante redes neuronales convolucionales.

Es un software de deep learning de alta fiabilidad creado por el grupo AIS y que es apto para cualquier cámara de la que ya disponga la empresa. Este es el sistema que aplicamos exitosamente en el caso de Argirella Nervosa para la clasificación de semillas.

A pesar de que Rosepetal es un sistema que normalmente se utiliza en productos orgánicos, porque tienen una alta complejidad (pan, galletas, fruta…) o productos ensamblados manualmente (una bandeja con varios componentes, un prospecto o un adhesivo) las posibilidades de Rosepetal son infinitas.

¿Qué reto nos planteaba el cliente?

El productor orgánico de semillas Argirella Nervosa, encabezado por Jairo Reig Boronat, necesitaba un sistema de clasificación de semillas que pudiera funcionar con visión artificial. Con ese tipo de producto, tan difícil de inspeccionar, solo se podían utilizar técnicas de deep learning para garantizar el éxito.

El objetivo de aplicar el deep learning y la visión artificial en este caso era poder automatizar el control de calidad, sin la necesidad de que un operario genetista hubiera de estar siempre presente. Así esta persona solamente tendría que hacer una revisión final de los datos y se podría dedicar a otras tareas de más valor y menos mecánicas.

¿Qué se consiguió aplicando el software de deep learning Rosepetal?

Se consiguió un sistema de clasificación de semillas a través de la visión artificial. Las semillas se pasan una a una a través de una cinta y gracias a Rosepetal se pueden clasificar en cuatro o cinco grupos diferentes para poder distinguirlas en orden de calidad.

Por lo tanto, aplicando este software se ha obtenido un control de calidad automatizado, haciendo una inspección 100% en línea. El sistema está totalmente integrado a la producción y permite crear una base de datos muy detallada y sin errores.

Antes de tener Rosepetal, cuando hacían un control manual visual, Argirella Nervosa calculaba que tenía un margen de error del 20% y que la base de datos presentaba errores.

“El desarrollo I+D de deep learning ha hecho que podamos mejorar el proceso de selección de las semillas a un nivel superior. Ahora ya podemos realizar nuestra producción de una manera más rápida y con un 100% de inspección en la misma línea de producción. Eso hace que tengamos la posibilidad de aumentar nuestro volumen de negocio y mejorar la calidad de nuestras semillas”.

Jairo Reig Boronat

¿Cuál fue el proceso de aplicación de Rosepetal? 

Como hemos visto anteriormente, para un tipo de producto de alta complejidad como las semillas, el deep learning era la mejor solución. 

Pero antes de implementar este tipo de sistema de deep learning, fue necesario hacer un estudio preliminar sobre la implementación de un clasificador de visión artificial supervisado por redes neuronales convolucionales. Este estudio se hace con imágenes tomadas por el mismo cliente o a partir de muestras facilitadas por un proveedor.

A partir de aquí, hacemos tests y analizamos los resultados obtenidos. Así podemos pronosticar la efectividad de la aplicación real de un algoritmo de aprendizaje profundo.

Después de este proceso podemos determinar la precisión y sensibilidad de Rosepetal. En el caso de Argirella Nervosa pudimos confirmar que esa era la mejor solución.

Pasado un año, ¿cuál es la valoración? 

Desde su instalación en Argirella Nervosa hemos hecho un solo servicio de asistencia de software post instalación. Rosepetal lleva funcionando de manera totalmente autónoma desde hace un año sin incidencias.