Detección y extracción de muestras falladas usando visión artificial y un brazo robótico

Ryan León, Esteban Alvarado, Kevin Arevalo, Astolfo Maldonado, Antonella Polonio

Resumen


Se realizó un trabajo de investigación con la finalidad de detectar y extraer muestras fallidas usando visión artificial y un brazo robótico con el supuesto que dicha actividad logre una disminución de los costos y mejora en la optimización de procesos en el control de la calidad, mediante el reconocimiento de patrones RGB. El estudio tuvo carácter experimental y analítico. En el desarrollo del procesamiento se hizo uso del algoritmo matemático CBIR y la teoría RGB. El prototipo trabaja con un total de 6 tipos de imágenes, se realizaron 10 pruebas por imagen. El brazo robótico se tardó en promedio 0,33 segundos, para la identificación del error, mientras que el ojo humano promedio se tardó 17 segundos. También se corroboro lo que distintos autores como Sandoval, Silva. L. han realizado y recomendado en investigaciones similares; sin embargo, algo que no se ha podido concluir satisfactoriamente en las otras investigaciones es la variación de los colores, lo cual se mejoró en nuestro proyecto haciendo uso del teorema RGB. Asimismo, se utilizó un identificador bayesiano, como herramienta estadística para identificar características discriminantes con un error porcentual menor a 5%. Se determinó que el proyecto trabaja de manera óptima logrando una certeza de 97,5% en el primer nivel, de 96,41% en el segundo nivel y de 95,35% en el tercer nivel.

Palabras clave


visión artificial; algoritmo CBIR; teoría RGB

Texto completo:

PDF

Referencias


Benavides-Alvarez, C.; Villegas-Cortez, J.; Román-Alonso, G.; Avilés-Cruz, C. 2015. Reconocimiento de rostros a partir de la propia imagen usando tecnica cbir. In X Congreso Espanol sobre Metaheuristicas, Algoritmos Evolutivos y Bioinspirados MAEB (pp. 733-740).

Berrocal, C. G.; Lundgren, K.; Löfgren, I. 2016. Corrosion of steel bars embedded in fibre reinforced concrete under chloride attack: state of the art. Cement and Concrete Research, 80: 69-85.

Boudy González, O.; León Martínez, J. A.; Estrada Rodríguez, Y. E. 2011. Sistema para el control inteligente de un robot manipulador. Revista Ciencias Técnicas Agropecuarias, 20(2): 24-30.

Hernández-Castro, F. 2016. Teoría del Color (Ingredients). Instituto Tecnológico de Costa Rica. Repositorio TEC: https://repositoriotec. tec. ac. cr/handle/2238/7314.

Malpartida, E. A. S. 2003. Sistema de visión artificial para el reconocimiento y manipulación de objetos utilizando un brazo robot. Pontificia universidad católica del Perú, Perú.

Martínez-Corral, L.; Martínez-Rubín, E.; Flores-García, F.; Castellanos, G. C.; Juárez, A. R.; López, M. J. D. 2009. Desarrollo de una base de datos para caracterización de alfalfa (Medicago sativa L.) en un sistema de visión artificial. Phyton (Buenos Aires), 78(1): 43-47.

Muro, J. S.; Lorente, P. N.; Garau, P. A.; Andrés, C. F.; Al-Hadithi, B. M. 2014. Solución basada en visión artificial para la inspección automatizada de gajos de mandarina.

Niño, Z. L. S.; Ortiz, F. A. P. 2007. Caracterización de café cereza empleando técnicas de visión artificial. Revista Facultad Nacional de Agronomía-Medellín, 60(2): 4105-4127.

Ortiz, O. J. R.; Mejia, M.; Castelblanco, J. S. U. 2019. Técnicas de inteligencia artificial utilizadas en el procesamiento de imágenes y su aplicación en el análisis de pavimentos. Revista EIA, 16(31):189-207.

Ruge, R.; Adonayt, I.; Pérez Holguín, W. J. 2017. Diagnóstico tecnológico del uso de dispositivos programables en la industria boyacense. Caso de estudio: cadena agroindustrial de la panela. Tecnura, 21(52): 130-147.

Sáenz, K. D. J. B. 2016. Clasificación de los frutos de café según su estado de maduración y detección de la broca mediante técnicas de procesamiento de imágenes. Revista Prospectiva, 14(1): 15-22.

Segura-Castruita, M. A 2011 Identificación de yemas axilares en plántulas de papa basada en un sistema de visión con lógica difusa.

Silva, L. A.; Lizcano, S. 2012. Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial. Iteckne, 9(1)


Enlaces refback

  • No hay ningún enlace refback.


Indizada o resumida en:

 

 

 

  

 

  


  

        

     

 

 

Licencia de Creative Commons Revista ciencia y tecnología, revista de la Universidad Nacional de Trujillo publica sus contenidos bajo licencia Creative Commons Reconocimiento-NoComercial 3.0 (CC BY-NC 3.0). 

Dirección: Av Juan Pablo II s/n. Ciudad Universitaria. Escuela de Postgrado. Universidad Nacional de Trujillo. Trujillo, Perú.

Contactorevistacytunt@unitru.edu.pe