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

Abstract

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.